CIO必读：忽视这40%效率损耗将导致AI投资亏损

AI本该是效率的翻跟斗，如今却在悄悄制造一种新型的“隐性低效”。有研究指出，企业通过AI节省下来的时间，大约有40%被用于修正AI的输出。更值得关注的是，团队里那些能力最强、积极性最高的员工，反而成了主要的“返工承担者”，每年为此额外损失约1.5周的时间。

眼下，AI工具确实在帮助企业更快地完成任务。但你可能没意识到，公司里干劲最足、表现最出色的员工，很可能正默默承担着为AI“善后”的繁重工作。

企业引入AI的初衷无疑是提升生产率，但在实际落地中，一种隐性的损耗正在发生。这种“AI低效工作”的影响，往往最先波及那些最积极的员工。

Workday近期的一项调查揭示了具体数字：使用AI所节省的时间中，约有40%被修正AI生成内容而产生的额外工作所抵消。简单换算一下，公司每通过AI工具获得10个小时的效率提升，其中大约4个小时就会消耗在修正输出上。

对此，iTech AG公司执行副总裁Laura Stash的观察很具代表性。她指出，团队正在用AI来总结各种内容，从简单的会议记录到复杂的政策或分析报告。对于前者，AI或许能应付；但在处理后者时，专家们往往需要花费比亲自撰写更多的时间来修正输出。真正的挑战在于，如何更精准地界定AI在哪些领域能创造价值，又在哪些环节反而会造成重复劳动。

识别生产率损失

如何发现这种隐性损耗？Dice公司总裁Paul Farnsworth建议，领导者需要退一步，重新评估AI的价值创造点。这个过程可以很简单，比如直接与公司里处理大部分AI生成工作的团队进行沟通。

Farnsworth提醒道：“要留意那些总是需要返工的工作流程，或者观察高绩效员工是否把更多时间花在编辑上，而非创造性工作上。AI的最终目的不应仅仅是加速产出，更应减少工作摩擦。如果效果恰恰相反，那么领导者就需要介入，调整该工具在企业内的使用方式。”

Workday也发出警示：对于那些只关注“总效率”的领导者来说，AI造成的生产率损失很容易成为盲点。仅以“AI节省时间”为目标的指标，可能会忽视工具的“净价值”。初期在效率和速度上看到的提升，可能只是更快地产出了内容，并不等同于质量或结果的改善。

Robert Half公司技术人才解决方案副总裁兼市场总监Kareem Osman给出了具体的观察方向：“我建议领导者密切关注那些因编辑、反复审核或手动修正而来回折腾的工作，尤其是来自最优秀员工的工作。如果速度上去了，但AI生成的错误、修订需求和员工的挫败感也随之增加，这可能就是一个信号——AI带来的是摩擦，而非价值。”

积极性高的员工

一个尤为突出的现象是，那些对AI接受度最高、使用最频繁的员工，正承受着最重的返工负担。Workday的调查发现，77%的每日AI用户表示，他们“审核AI工作的严格程度，与审核人工工作相同甚至更高”。这种额外的劳动负担，导致每位积极性高的员工平均每年要多花1.5周时间来修正AI输出。

“公司里最优秀的员工往往会成为最后的安全网，”Farnsworth解释道，“他们负责捕捉错误、解决问题，确保事情不出岔子。但长此以往，这会让他们感觉自己的工作不再是高影响力的创造，而更像是不断的‘清理’杂务。从长远看，这种状态难以持续。”

Laura Stash则点出了问题的核心：当员工将AI用于生成更复杂的工作内容，尤其是当他们没有接受过充分培训时，AI在输出质量和后续“清理工作”方面的问题就会最大。她认为：“AI在低价值、重复性任务中确实有一席之地。但如果没有适当的培训或验证机制，就把同样的方法套用到高专业性的任务上，只会制造更多问题，而非解决问题。如果人们无法完善或信任AI的输出，那么所谓的生产率提升就会化为泡影，甚至可能导致专业知识的逐渐流失。”

培训

培训的缺失与错位，是造成当前困境的关键。Workday的报告显示，尽管66%的领导者将AI技能培训列为首要投资重点，但只有37%的每日AI用户表示获得了更多培训机会。这导致许多企业陷入一种不平衡的期望：要求员工用AI产出高质量工作，却没有提供有效的培训或技能支持。

Dice公司的Farnsworth强调，领导者必须将他们对AI的期望，与实际的培训和技能提升工作结合起来。他补充说：“这意味着要投资于赋能培训——不仅要教人们如何使用AI，更要教他们如何‘善用’AI。这包括建立保障措施以确保输出可靠且符合业务目标，也包括持续重新评估影响，不要想当然地认为‘更快就等于更好’。”

这很可能需要对工作角色进行重新定义，更新岗位所需的新技能，并为员工提供关于如何及何时使用AI的明确指导。Workday的报告发现，54%在使用AI时遇到困难的用户表示，他们所需的技能描述尚未更新，导致他们甚至不确定该从何开始学习AI技能。

Robert Half公司的Osman总结道：“员工需要明确的指导，包括何时使用AI、如何验证输出，以及‘成功’的具体标准是什么。那些在这方面做得好的公司，会将AI与系统的培训、清晰的质量标准和问责制结合起来。只有这样，AI才能真正帮助人们把工作做得更好，而不仅仅是做得更多、更快。”