林柏源
AI 工具上線，團隊士氣卻下滑？導入 AI 的 5 種「無形壓力」恐導致工時爆炸、全員倦怠
「不用 AI，我們就完蛋了。」「導入 AI，工時就能大幅縮減！」這是許多企業領導者在擁抱人工智慧浪潮時，心中最篤定的信念。他們期待 AI 像一台超高速引擎，能瞬間加速團隊的生產力，讓員工從繁瑣事務中解放，從而投入更有價值的創意工作。
理想很豐滿，現實往往骨感。當 AI 工具被正式推上火線，一些出乎意料的「後遺症」也隨之浮現：工時不減反增、工作與生活界線模糊、以及員工身心俱疲的倦怠感。
AI 轉型不能只看節省多少工時，更要留意被「重新分配」的精力
一項針對軟體開發人員的研究指出：當經驗豐富的開發者被允許使用 AI 輔助工具，他們完成任務的時間，居然不減反增，平均增加了 19%。
不過，這並不是 AI 的錯，而是人們於對 AI 的錯誤期待與不當應用。AI 進入職場，改變的不是時間的「總量」，而是時間的「分配」。
研究透過螢幕錄影分析，發現裝備 AI 的開發者，實際花在寫程式和查資料上的時間確實減少了，但這些「節省」下來的時間，卻被重新分配到了其他更耗神、更低效、更令人倦怠的工作上：審查 AI 生成的內容是否正確、花時間撰寫精準的提示詞，以及無止盡地等待 AI 回應。
員工使用 AI，並非全是美好經驗！5 種無形壓力正「蠶食」人才
另一項研究指出，錯誤的期望值與口號，反而誘發了導入 AI 的「科技壓力」（Technostress）。它就像一把雙面刃，一面是主打技術賦能的美好想像，另一面則是無形的精神消耗。這股壓力，主要來自 5 個層面：
| 科技壓力 | 說明 | 影響 |
|---|---|---|
| 科技過載 (t-overload) | AI 導入後，員工被要求更快、更大量完成工作。中國製造業研究顯示，員工加班比例上升，因需花更多時間適應系統與處理額外任務。 | 工時延長、壓力增加 |
| 科技入侵 (t-invasion) | 雲端 AI 讓工作無所不在，員工更可能在深夜或周末被工作訊息打擾。 | 模糊工作與生活界線，導致情緒耗竭與工作家庭衝突 |
| 科技複雜性 (t-complexity) | 新技術操作複雜，學習新系統與流程成為高壓挑戰。 | 增加認知負荷，消耗精力 |
| 科技不安全感 (t-insecurity) | 員工憂慮「AI 會取代我的工作」，產生焦慮與恐懼。 | 降低工作滿意度，侵蝕心理健康 |
| 科技不確定性 (t-uncertainty) | 技術更新過快，員工需持續學習才能跟上。 | 多數情況帶來耗竭感；少部分員工視為挑戰，可能提升滿意度 |
科技過載（t-overload）
AI 的導入常伴隨「工作要做得更快、更多」的隱形壓力。 中國製造業的一項研究發現，AI 導入後工人加班的比例上升，因為必須花更多時間去適應新系統、學習操作，或處理被 AI 系統帶來的額外資訊需求。
換句話說，AI 並沒有減少工作，反而驅使工人付出更多時間，就是為了跟上技術迭代的節奏。
科技入侵（t-invasion）
雲端型 AI 服務打破了物理辦公室的界限，讓工作可以隨時隨地進行。當工作訊息在深夜或周末跳出，工作與個人生活的界線隨之模糊，這直接導致了情緒耗竭與工作家庭衝突。
科技複雜性（t-complexity）
新技術的複雜操作介面，讓員工感到困惑與無助。學習新系統、適應新流程，本身就是一項高壓的認知挑戰，消耗著員工的精力。
科技不安全感（t-insecurity）
「AI 會不會取代我的工作？」這份深層的焦慮與恐懼，是許多員工夜不能寐的根源。這份不安全感直接侵蝕著員工的工作滿意度與心理健康。
科技不確定性（t-uncertainty）
技術迭代速度遠超過想像，員工需要持續學習才能跟上腳步。這種永無止境的學習壓力，讓員工感到心力交瘁。研究顯示，適當的科技不確定性能被某些員工視為挑戰，進而提升工作滿意度。但更多時候，它帶來的耗竭感，遠大於成就感。
這些無形的壓力，一起編織出一張看不見的網，牢牢地束縛住員工，讓他們在看似高效的 AI 環境中，反而變得更加疲憊。
主管的誤判：低估 AI 產出要花多少時間「二次加工」、高估對資深人才的幫助
除了心理層面的挑戰，AI 在實務應用上的侷限性，也成了效率提升的絆腳石。
首先，便是 AI 的可靠性。研究顯示，開發者對 AI 生成的內容接受度低於 44%，甚至有高達 75% 的開發者，即使接受了 AI 的建議，也需要逐行審查；56% 的人需要進行重大修改，而 100% 的人最終都會對 AI 生成的內容進行調整。
雖然很多主管，都知道 AI 輸出的內容並非「最終成品」，但領導者可能不了解，所謂的「半成品」，需要員工花費多少時間來「二次加工」。
數據顯示，其中 約 9% 的工作時間，要花在審查與清理 AI 生成的內容上。當 AI 的輸出頻繁出現錯誤或不相關的資訊，員工的效率不僅沒有提升，反而因為額外的驗證與修正工作而降低。
其次，對於資深員工或專案經驗豐富的團隊來說，AI 的幫助反而最小。
研究發現，在開發人員對專案高度熟悉的情況下，AI 輔助反而拖慢了他們的進度。因為 AI 缺乏對大型複雜程式碼庫中那些未被文件化、只有資深員工才掌握的隱含背景知識，導致 AI 就像一位不熟悉公司文化的實習生，不知道哪些細節至關重要，哪些舊代碼必須被保留。這種知識鴻溝，使 AI 的建議常常不夠精準，甚至產生錯誤，讓員工不得不花費更多時間來尋找和移除這些「雜訊」。
AI 的導入，不該是一場拿著計算機，精打細算「工時」長度的算數遊戲，而是在重塑流程的同時，仍兼顧員工心理健康的文化轉型。
核稿編輯：王宥筑
資料來源：Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, Insights from the Job Demands–Resources Model: AI's dual impact on employees’ work and life well-being
