AI 提效以后，省下来的时间去了哪里

记录时间：2026-08-03 17:05:19

这篇笔记从一则匿名职场分享出发，讨论 AI 节省下来的时间为何未必直接变成下班时间。匿名内容无法核实，也不代表任何一家公司的普遍情况。

工具让事情变快，工作日却没有变短

我刷到一则自称大厂员工的匿名用户分享。

他说，聊天群里几乎所有人都承认自己正在大量使用 AI。写方案更快了，代码产出提高了，数据分析也不用每次从零开始。可当大家聊到下班时间时，没有一个人觉得自己因此提前下班了。

按他的描述，以前需要一天完成的事，现在半天做完。剩下的半天没有凭空消失，只是接着装进了新的任务。事情更多，交付更快，要求也随之提高。

我还是记住了这则分享，因为它把一个问题说得很具体：如果 AI 提高了生产效率，节省下来的时间去了哪里？

AI 能省下任务时间

在一项预注册线上随机实验中，453 名有工作经验的专业人士完成了与职业相关的写作任务。被随机赋予 ChatGPT 使用权限的一组，相比对照组平均少花了 40% 的时间，盲评质量还提高了 18%。这项发表于《Science》的研究支持这样一个判断：在边界清楚的写作任务上，生成式 AI 可以同时改善速度和质量。

在一个客服工作场景中，也观察到了类似方向。一项发表于《经济学季刊》的研究追踪了 5172 名客服人员，并利用 AI 助手分批上线的时间差进行估计。获得助手访问权限后，客服人员平均每小时成功解决的问题数提高约 15%，经验较少的员工提升更明显。

这些数字很容易让人产生一个直觉：一项工作原来需要八小时，现在效率提高了，工作日也该缩短。

这两项研究回答的是完成一项任务需要多久、单位时间能处理多少问题，却没有回答一名员工能否提前离开。任务有终点，岗位里的任务通常会继续出现。

省下来的时间先变成了可用产能

在按工作时间安排任务的岗位里，员工领取报酬所对应的是一段工作时间和职责，任务数量通常没有预先封顶。

当一份报告从一天缩短到半天，剩下的时间往往会被理解成可继续安排的产能。如果工时、任务量和绩效规则都没有改变，下一项工作就是效率收益的常见去处之一。

丹麦的一项研究询问了 AI 省下来的时间可能流向哪里。研究者把 11 类高 AI 暴露职业的大规模调查与行政记录连接起来。AI 使用者平均报告节省了约 3% 的工作时间。在那些报告有节时收益的使用者中，约 85% 表示，如果聊天机器人为任务省下时间，他们预计会把时间用于其他工作。

采用者与可比未采用者的登记工时和收入，没有出现明显不同的前后变化。这项 NBER 工作论文记录的是受访者的预期，不能排除较小的工时变化，更不能证明企业拿走了全部收益。谨慎一点说，任务提速没有在登记工时中表现为同等幅度的缩短。

产出标准可能跟着能力一起移动

效率收益还可能改变组织对「正常产出」的理解。

当只有少数人使用 AI 时，会用工具是一种个人优势。一个人可以更快交付，也可能因此显得能力更强。等到大多数人都开始使用，同样的速度可能逐渐成为基本要求。竞争也可能从「能不能完成」转向「同样时间里能完成多少、质量还能提高多少」。

这个变化未必需要管理者明确宣布。团队看见两天能做完的方案现在一天就能交付，下一次排期可能会参考新的速度。以前交一个版本已经足够，现在生成三个版本的成本降低了，评审标准也可能变成「为什么不多比较几种方案」。能做的版本多了，评审的预期也可能跟着提高。

对一些知识工作者而言，AI 降低了开始一项任务的摩擦，也让「顺手再做一点」变得太容易。人一边开会，一边等模型生成；一边写代码，一边让另一个代理检查问题；本来可以停下来的间隙，被新的提示和新的结果填满。机器可以并行，人仍然只有一份注意力。于是一天完成了更多事情，主观感受却可能比以前更满。

伯克利的两位研究者在一家约 200 人的美国科技公司进行了八个月观察，并访谈了 40 多名员工。研究者归纳出三类变化：员工开始承担原本属于其他岗位的任务，工作进入午餐和会议前后的零碎时间，同时维持更多正在运行的任务线程。她们还认为，当这种更快、更密的工作方式逐渐变得可见，额外努力可能被重新理解为正常表现。这项仍在进行中的研究提供了一个可以继续检验的解释，不能代表所有公司。

一部分时间也可能留给个人

任务预先封顶、做完即可退出时，效率可以直接变成时间收益。员工能够独立调整工作节奏时，也可能保留其中一部分。

一项由 Microsoft 与 66 家企业开展、覆盖 7137 名知识工作者的随机现场实验观察到了这种可能。随机获得 Copilot 访问权限的员工，在实验后期平均每周少花 1.4 小时处理 Outlook 邮件，在非正常工作时段里的 Microsoft 数字应用活动也平均减少约 0.25 小时。

但是，在研究能够观察到的指标中，Teams 会议时间及邮件、会议、文档的数量或构成都没有明显变化。研究者据此推测，个人能够独立调整的邮件流程比较容易改变，需要同事共同配合的会议和分工则很难由一个人改写。这些数据看不到非 Microsoft 应用和线下活动，不能当作完整工时记录。

这说明效率收益并非必然被新增任务全部吸收。现有研究也不足以判断，在不同岗位和组织里，哪一种去向更常见。任务边界、管理方式和工时规则，共同影响着员工能够保留多少时间收益。

闲暇还需要被写进规则

长期数据提醒我们，生产率与工时从来不是一比一变化。

OECD 对工作时间的长期整理显示，在有数据的 11 个国家中，每名劳动者实际工作的周工时自 1970 年以来平均减少了八小时，但下降速度越来越慢。1995 年至 2019 年，全职员工通常每周工作的时间大体保持稳定。OECD 比较生产率、工时和闲暇的趋势后指出，生产率增长没有与更多闲暇同步出现。

国际劳工组织对工作时间的历史回顾显示，八小时工作制、五天工作制和带薪休假等变化，除了生产率提供的物质条件，也离不开法律、集体谈判和企业制度。技术让「少工作仍能维持产出」成为可能，能否兑现还要看规则。

同样一份 AI 效率收益，可以变成企业的更多产出和更低成本，也可以变成员工更高的收入或更短的工作时间，还可能通过更低价格和更好产品流向消费者。企业也要承担工具、培训、审核和错误风险的成本，新增产出并不等于净收益全部归企业。即使工时没有下降，员工也可能因为少做重复劳动而改善工作体验。

个人当然可以学习工具，也可以争取更清楚的交付边界。但一个人无法靠更好的提示词，独自重写团队的绩效标准和工作制度。

AI 已经被观察到能缩短一部分任务的完成时间，却不会替人决定省下来的时间如何分配。当这些任务上的效率收益出现，它最终变成更多产出、更高收入，还是更短工时，仍由任务边界、组织规则和劳动者的议价共同决定。