引言

生成式 AI 和 Copilot 正以“让人类工作量锐减的魔法工具”之姿迅速普及。 报告撰写、代码补全、调研、资料整理——过去要花上好几个小时的任务，如今几分钟便能解决。

那么，当生成式 AI 让我们不再被“做事”拖累时，我们究竟会因为什么而疲惫？工作真的会变得轻松吗？

在部分一线场景里，反而出现了相反的征兆。 向 ChatGPT 提问确实能拿到答案，但“要采纳哪一个”的负担却在增加。Copilot 会提出代码建议，可“它是否真的正确”的验证时间丝毫未减。

我们可能不再被作业本身耗尽，转而被“判断”和“责任”压垮。 这，正是逐渐浮出水面的“AI 疲劳（AI Fatigue）”的真面目。

第一部：AI 疲劳（AI Fatigue）的本质

AI 疲劳并不是“长时间用 AI 眼睛会酸”的表层问题。 它的核心是认知负荷的转移。

决策疲劳（Decision Fatigue）是什么？

AI 总是给出多个选项。 当营销人员让 ChatGPT 写广告文案，往往会收到十来个候选。 工程师让 Copilot 生成函数，屏幕上会排出几种实现方案。

这固然方便，但人类必须一次次判定“究竟选哪一个”。 更棘手的是，这些候选往往处于“半对但微妙地错”“各有利弊”的灰色地带。

持续的、无法一锤定音的判断，就是 AI 疲劳的第一重来源。

验证疲劳（Verification Fatigue）是什么？

AI 的输出往往“看起来很对”，这才是最麻烦的地方。 它能写出自然、顺滑的说明，生成排版精美的代码，但背后可能隐藏着幻觉（凭空捏造的事实）或难以察觉的安全风险。

在实际现场，“稳妥起见全数检查”的流程不可避免，未来验证疲劳极有可能愈发突出。

从作业疲劳走向责任疲劳

过去让我们疲惫的是“敲字太多”“做资料耗时”等体力或事务性工作。 但在 AI 接管这些任务的未来，剩下的只有“作出选择”和“承担责任”。

AI 疲劳，就是人类在重复、却必须负责的判断中逐渐被压垮的现象。

第二部：历史脉络——人类疲劳形态的演进

这场转变并非突如其来，而是承接了人类劳动史的连续性。

  • 肉体疲劳的时代：工厂或体力劳动占主导，肌肉与体力是最大的消耗源。
  • 重复作业疲劳的时代：办公室化与计算机普及后，枯燥重复的作业成为主要疲劳来源。
  • 认知疲劳的时代：IT 与自动化发展，使人们被迫承担“判断”和“验证”，精神与认知负担成为中心。
  • 责任疲劳的时代（AI 疲劳）：当 AI 接手作业，人类因“判断”和“责任”而疲惫。

第三部：设计能够抑制 AI 疲劳的工作方式

想要避免 AI 疲劳，仅靠个人努力远远不够。 我们需要重新设计工作方式。

元 AI：用 AI 评估 AI

让另一套 AI 去验证 AI 的输出。 代码审查型 AI、事实核查型 AI 已经开始实验性投入使用。

当“AI 提案 → AI 验证 → 人类做最终确认”的三层结构普及后，判断与验证的负担就能被削减。

指挥链设计：设计“谁来决定”

当下许多组织仍维持“AI 的提案全部由人类判定”的结构。 疲劳因此集中在少数人身上。

未来必须明确划分“可以交给 AI 的范围”和“必须由人承担的责任”。 例如，低风险领域可以委任 AI，高风险领域则必须保留人为审核。

团队分担：不要让一个人扛下所有判断

当判断责任集中在某位领导或负责人身上时，AI 疲劳会急剧恶化。 让审核轮换、由多人分担，并不是流程的点缀，而是维护人类健康的机制。

第四部：领导力疲劳这一挑战

AI 疲劳的终极形态，很可能是“领导力疲劳”。

AI 能提出建议，也能给出意见，但它无法最终决定“要驶向何方”。 为组织或项目定向、并承担责任的始终是人类。

领导者必须面对大量选项，持续作出决断。 就算否决 AI 的方案，也得给出理由，说明责任会压向他们。

第五部：哲学追问——人类接下来会因何而累？

如果有一天，AI 连判断都能取代，人类又会因为什么而疲惫？

  • 自尊、信念、责任感这类独特的人类精神基石，AI 能复制吗？参见《生成式 AI 致命地缺少了什么》。
  • 即便 AI 能“模拟责任”，但在没有痛楚或羞耻的情况下，它真的能与人类的责任感等量齐观吗？

AI 疲劳将成为讨论人类如何仍是责任主体的切入点。

结论

AI 确实减少了作业量。 但它很可能让判断与责任的负担水涨船高。

“AI 疲劳”的本质，是从作业疲劳走向责任疲劳的转折。

未来所需的是：

  • 通过元 AI 自动化验证
  • 梳理判断与责任以明确分工
  • 让团队分散判断负荷
  • 重新定义领导力

最终让人精疲力竭的，是扛起责任。 如何分担、如何设计这一重量，将决定 AI 时代的工作方式。

常见问题

问：什么是 AI 疲劳（AI Fatigue）？ 答：AI 减少了手工作业，但人类会被剩下的“判断”和“责任”压垮，这种现象就是 AI 疲劳。

问：如何预防 AI 疲劳？ 答：通过元 AI 自动化验证，明确判断与责任的边界，并设计团队分担机制。

问：AI 疲劳是新问题吗？ 答：不是。它是人类疲劳形态演进的下一阶段：从肉体、作业到认知，如今迈向责任。