AI為工作者帶來了提高效率和生產力的希望，使他們從重復性工作中解放出來，從而能夠處理更復雜的任務，但是，隨著企業向員工推出AI工具，許多人面臨著不同的挑戰：AI生成的工作成果適得其反。

AI生成內容的質量在很大程度上取決于與該工具協作人員的技能，而并非每個人都具備這方面的正確技能，這導致斯坦福社交媒體實驗室和Betterup實驗室創造了“AI工作爛稿(AI workslop)”一詞——他們將其定義為“偽裝成優秀成果的AI生成的工作內容，但缺乏實質性內容來有意義地推進既定任務”。

Pegasystems公司的CTO Don Schuerman表示：“當企業在錯誤的時間使用錯誤的AI時，就會出現AI工作爛稿，即將為創造性和推理而設計的大型語言模型部署到需要精確性、治理性和可靠性的情境中。其結果是輸出的內容表面上看似完美，但經不起推敲——推薦內容不一致或質量差、出現幻覺，或者采取的行動與組織的政策或法規遵從性不一致。”

什么是AI工作爛稿，它是如何產生的?

根據斯坦福社交媒體實驗室和Betterup實驗室發表在《哈佛商業評論》上的一份報告，在接受調查的1150名美國員工中，40%的人表示在過去一個月內收到過同事提供的AI工作爛稿，他們估計這類內容約占工作中收到內容的16%。工作爛稿通常在同事之間發送(40%)，然而，員工也報告了下屬向經理發送工作爛稿的情況(18%)，反之亦然(16%)。調查結果顯示，雖然AI工作爛稿在每個行業都存在，但在專業服務和技術行業最為普遍。

麥肯錫的生成式AI平臺Lilli的創始人Erik Roth表示，AI工作爛稿的一個例子是“員工幾乎逐字采用大型語言模型的輸出內容”，并將其作為最終內容。

這類AI內容的質量通常更差，因為采用這種方法的員工往往不擅長編寫AI提示詞，不知道如何發現AI的幻覺或虛假信息，也沒有花時間確保AI生成的結果符合人類標準。

Roth表示，AI工作爛稿最終是“缺乏上下文、缺乏領域判斷且幾乎未經人工潤色的內容。它是看似具有生產力，實則沒有創造真正價值的假象”。

Dice公司的總裁Paul Farnsworth表示，他見過一些乍一看“很完美”的AI內容，但“再讀一遍就露餡了”。無論是數學、數據、邏輯錯誤，還是“沒有任何意義”的內容，他主要擔心的是“過度依賴AI會產生一種虛假的效率感”。他表示，這讓你產生工作更快的錯覺，而“實際上你花了更多時間進行后續的回顧和澄清”。

AI生成的工作爛稿增加了額外的工作，讓人感到沮喪

提供給同事的低質量AI內容往往會給接收方帶來更多的工作。根據斯坦福社交媒體實驗室和Betterup實驗室的數據，AI工作爛稿平均給員工帶來近兩個小時的額外工作，因為他們不得不解析內容來糾正錯誤、識別虛假信息，有時還得從頭開始重寫內容或代碼。

這些實驗室估計，這種努力帶來了每月高達186美元的“無形稅”，且這筆費用會迅速累積。例如，實驗室計算得出，一家擁有1萬名員工且AI工作爛稿出現率為41%的企業，每年可能因生產力損失而損失近900萬美元。

AI工作爛稿還會在同事之間造成緊張關系。當被問及收到這類內容時的感受時，員工的回答包括惱怒(53%)、困惑(38%)和受冒犯(22%)。報告還發現，同事們認為使用AI的同事“不如以前有創造力、能力和可靠性”，42%的人表示他們認為同事“不值得信任”，37%的人表示同事“不夠聰明”。

這還導致員工向管理層舉報彼此，34%的人表示他們已就AI工作爛稿問題通知了其他隊友或經理，32%的人表示在收到工作爛稿后，他們不太愿意與對方合作。

Pegasystems公司的Schuerman表示：“管理不善的AI不僅會降低工作效率，還會破壞信任。當員工不斷修復或核實AI生成的輸出內容時，就會產生疲勞和懷疑。AI非但沒有成為提高生產力的伙伴，反而成了待辦事項清單上的另一項任務，而且這項任務增加的工作量多于減少的工作量。”

管理和避免AI工作爛稿

Schuerman表示，對抗AI工作爛稿的第一道防線是教育和治理，他建議IT領導者通過培訓和實驗讓員工具備AI素養，并鼓勵他們對AI輸出內容提出質疑，了解AI如何生成結果。

他補充道，IT領導者還應建立防護措施，確保員工能夠獲得適合執行正確任務的正確工具。“當AI系統被集成到結構化工作流程中，具有可見性、反饋循環和審計跟蹤時，員工就不必猜測‘優秀’的標準是什么。他們在每一項任務中都能看到示范。”

Dice公司的Farnsworth也提倡指導和治理。“企業需要記住，AI的好壞取決于背后的人。如果你沒有在指導和治理方面進行投入，AI工具很快就會成為一種負擔，而不是一種優勢，”他表示，“關鍵是有意地使用AI——知道你要求它做什么，并準備好在需要時介入。”

并非所有人都會立即接受AI。盡管如此，IT領導者還是要積極帶領員工踏上AI之旅，向他們展示優秀和劣質的AI內容示例，以便他們學習和理解，這一點仍然很重要。

Farnsworth表示：“培訓員工有效使用生成式AI，首先要消除其神秘感。”

隨著員工使用AI越來越得心應手、越來越精明，工作爛稿的數量會逐漸減少。

Pegasystems公司的Schuerman表示：“歸根結底，AI質量不僅僅是一個技術問題，還是一個文化問題。投資于可預測、受管理的AI的企業不僅能獲得更好的結果，還能打造出一支能夠負責任地信任和提升這些系統的工作團隊。”