自從ChatGPT（生成式AI對話機器人）於2022年11月30日發布後，AI（人工智慧）成為熱門關鍵字，甚至被各行各業視為「提升效率、增加生產力」的好幫手，上至主管下至基層，無不學習運用AI工具以完成工作。但最新的調查結果，不僅跌破專家眼鏡，還會讓很多人失望，為什麼？
- 近年來，AI浪潮席捲全球，很多企業紛紛要求員工運用AI以提升工作效率與生產力。果然，2024年美國由AI主導流程的企業家數成長近一倍；而從2023年至今，AI被運用在工作中的數據也同樣飆升。
但最新的研究，卻給出截然不同的答案，直接挑戰「AI提升工作效率」的主流觀點，連參與專案的成員都嚇了一大跳。
9月中旬，全球知名「企業培訓與輔導平台」BetterUp旗下的BetterUp Labs，發布一份與史丹佛社群媒體實驗室的合作調查：人工智慧產生的「工作垃圾」正在摧毀生產力（AI-Generated“Workslop”Is Destroying Productivity）。
BetterUp Labs研究團隊發現：員工用AI工具來創造低投入、還不錯的工作成果，反而會為同事製造更多工作。在社群媒體上，這類品質低劣的AI生成內容被稱為「AI垃圾」（AI slop）；而在職場中，則被稱為「工作垃圾」（workslop）。該報告對工作垃圾的定義：由AI生成、看似像是好作品，卻缺乏足夠內容、無法真正推進任務的工作成果。
這項研究是針對美國各行各業1150名的全職員工進行調查，有40％受訪者表示過去一個月內，曾遇過AI生成的「工作垃圾」，這種現象遍布於各行各業，尤以專業服務業、科技業最為嚴重。
AI promises speed. But without empowered humans behind the wheel, even the smartest tools stall.
— BetterUp (@BetterUp) September 8, 2025
Only 1 in 3 employees are high performers. Here's how to fix that:
🔗 https://t.co/SAGTX7x4YV#FutureOfWork #AI #Leadership pic.twitter.com/kropurQEfS
員工花時間處理「工作垃圾」，成為企業隱形成本
報告進一步闡述，「工作垃圾」就是運用AI生成後，將認知工作轉嫁給另外一個人。當同事收到「工作垃圾」時，往往需要承擔解讀內容的責任，自行推敲缺失或錯誤的背景資訊。接下來可能會引發一連串繁瑣且複雜的決策過程，包括重做，甚至與同事溝通而產生不愉快。
以下是幾個實際案例：一位金融業工作者談到收到AI生成內容的經驗指出：「這讓我陷入困境，我得決定是自己重寫、讓它重寫，還是就這樣算了。這正在推動一個心智懶惰、思考遲鈍的社會，最終將完全倚賴外部的力量。」
一位科技業的經理坦言，「那封email讓人有點困惑，不太清楚他到底想表達什麼。光是召集大家，重新清楚地說明一次內容，就花了我一到兩個小時的時間。」
另外一位零售業主管則表示：「我得花更多時間去追查資訊、自己去查證，然後還要再與其他主管開會處理這個問題。最後，我還得自己重做那份工作，浪費更多時間。」
每次額外花時間處理「工作垃圾」，都會加企業的成本。根據受訪者投入時間（平均需花費1小時56分鐘），以及他們自填的薪資來換算，實驗室發現每個員工每個月將產生186美元的「隱形稅」。以一家有1萬名員工的企業為例，根據「工作垃圾」的發生率（41％）計算，每年所損失的生產力將超過900萬美元（約新台幣2億7252萬元）。
報告指出，我們很容易拖延、走捷徑，或在疲倦時傾向於做些忙碌但無需深思的事，而非進行細緻的思考。生成式AI為我們提供了一項新技術，讓我們可以延續這些老舊的壞習慣，但現在的代價是，會為同事製造更多工作，並在大規模地破壞協作。
調查結果挑戰「AI夠提升工作效率」的主流觀點
不僅BetterUp Labs，今年7月20日，美國FORTUNE（財星）雜誌深度報導加州柏克萊智庫「模型評估與威脅研究」（Model Evaluation and Threat Research，簡稱METR）的一份研究報告。
METR招募16位平均有五年工作經驗的軟體工程師，讓他們執行246項的任務，每項任務都是他們正在進行專案的一部分。其中一半任務可以使用AI工具（大多數選擇程式碼編輯器Cursor Pro或Claude 3.5/3.7 Sonnet）；另一半任務，工程師要自行完成。
工程師都相信AI能提高工作效率，並預測AI會縮短24％的任務完成時間；實情卻恰好相反，AI不僅未如預期提升生產力，反而比不使用AI時，還增加了19％的工作時間。
調查結果挑戰「AI夠提升工作效率」的主流觀點。報告甚至將此比喻為「龜兔賽跑」的全新演繹：一群經驗豐富的軟體工程師參與了一項實驗，被要求藉助AI完成部分工作。這些工程師的思維與敏捷的兔子類似，同樣期望AI能加快速度，提高生產力。然而，AI卻讓速度變慢了。在實驗的背景下，「沒有使用AI」的烏龜反而更快。
研究表明，經驗豐富的工程師在開展專案時，會在工作中運用大量AI所不具備的額外背景信息，當他們使用AI時，必須將自己解決問題的策略融入AI的生成中，而且還要花大量時間進行調試。
研究結果顛覆了研究團隊過去的認知。參與者之一的菲利普·伯克哈特（Philipp Burckhardt）在部落格寫道：「使用AI並沒有像預期那樣帶給我幫助，甚至可能阻礙了我的努力。」
METR進一步發現，研究結果與「AI將提升效率與生產力」的目標自相矛盾，很多專家學者也提出同樣觀點。LinkedIn（領英）首席經濟機會長Aneesh Raman就曾表示，儘管AI開始取代入門的職務，但它帶給經驗豐富的軟體工程師等技術人員的回報可能會遞減。
諾貝爾經濟學獎得主：市場高估AI對生產力的提升
芝加哥大學布斯商學院（The University of Chicago Booth School of Business）經濟學助理教授安德斯·胡姆勒姆（Anders Humlum）曾對《財星》雜誌表示：「對那些有20年經驗，或調查中有五年經驗的人來說，如果他們已經能用現有的方法很好地完成工作，我們可能不應該強迫他們用AI來完成任務。」
胡姆勒姆曾對「AI對生產力的影響」進行類似調查。他的研究指出，在丹麥7000個工作場所的2萬5000名員工，使用AI的員工生產力僅提高3％。
而麻省理工學院經濟學家、諾貝爾經濟學獎得主Daron·Acemoglu（達龍·阿傑姆奧盧）也持同樣看法：「市場高估AI帶來的生產力提升。」美國只有4.6％的工作任務可以透過AI提高效率。
胡姆勒姆的研究顯示，生成式AI對職業收入、工作時間的影響並不顯著。「現實的工作不可能完全被AI工具所取代，大家應該謹慎看待AI工具的作用。」他進一步強調。
阿傑姆奧盧曾於《財星》撰文指出，企業耗費時間與精力，急於實現一切自動化，甚至包括那些不應該自動化的流程，卻無法獲得任何具體的生產力效益。「殘酷的事實是，任何技術想提高生產力，都需要組織調整、一系列的互補投資，以及通過培訓與在職學習來提高員工的技能。」
「在現實世界中，很多任務並不像在ChatGPT中打字那麼簡單，」胡姆勒姆說，「許多專家積累豐富的經驗，非常寶貴，我們不應該忽視、放棄他們所積累的專業知識。」
他更進一步強調：「研究結果是一個很好的提醒，大家在使用AI工具時，要非常謹慎。」
當企業如火如荼投入，要求員工使用AI以提高生產力時，不妨研讀相關的研究報告以及學者的觀察，與其盲目導入AI，帶給同仁更多的「工作垃圾」；不如評估什麼工作項目適合使用AI，讓員工用到恰到好處，以達到企業與雇員雙贏的目標。
