[加州] 裁員潮席卷硅谷 壹線工程師:人類被倒逼成審核員
2026年，硅谷科技圈裁員風波不斷。1月，亞馬遜確認將裁員約1.6萬人；2月，金融科技公司Block裁掉了近壹半的員工；3月，Meta被曝計劃裁員1.6萬人。
AI將取代白領的焦慮席卷職場。
然而，科技公司Ona的軟件工程師Siddhant Khare發布的《AI疲勞真實存在，卻無人談及》壹文，引發了全球媒體和讀者的廣泛討論。
他道出了AI實際應用和美好願景之間的巨大落差。他認為，AI帶來的效率提升被高估了，而職場人卻陷入了“AI疲勞”。
近日，Siddhant Khare接受《每日經濟新聞》記者（以下簡稱NBD）專訪時表示，作為AI智能體基礎設施的開發者，建議人們改變使用AI的習慣，避免被AI困在生成、審核、再生成、再審核的循環裡。
“有了AI之後，人的工作量是以往的10倍”
NBD：你認為導致“AI疲勞”的原因是什麼？
Siddhant Khare：“AI疲勞”本質是結構性問題。AI讓代碼、文案、文檔等內容的生成效率提升數倍，但審核與驗證環節的效率卻未同步跟進。人依舊是整個工作流程的核心瓶頸，要處理拾倍於以往的工作量。
這就像壹家工廠，更換了壹台沖壓速度快拾倍的零件生產機器，可流水線末端的質檢員依舊只有壹個。產能大幅提升後，質檢員的工作量翻倍，次品率卻沒有任何變化，最終崩潰的只會是這個承擔全部審核壓力的人。
放到知識型工作領域，AI只實現了生產的自動化，卻沒有實現審核的自動化。絕大多數企業管理者根本沒有意識到這個問題。他們只看表面數據，代碼交付量變多了、文檔產出變多了、郵件發送量變多了，報表看起來格外華麗，可員工的身心俱疲卻被無視。
NBD：人們本以為AI可以提升效率，可為什麼工作量反而大幅增加？
Siddhant Khare：AI帶來的生產力提升，並未轉化為員工的自由時間，反而被企業轉化為了更高的工作期望值，抬高了工作的 “合格線”。
AI出現之前，壹名軟件工程師壹周提交20個代碼拉取請求（PR），就是正常的工作標准；有了AI輔助後，工程師的理論產出能力提升到50個，企業便把50個定為新的標准。
AI生成的所有內容，都離不開人工審核。我作為開源項目維護者，感觸格外深刻。以前我每周只需要處理20到25個代碼PR，現在這個數字暴漲到上百個，其中絕大部分都是AI生成的，可每壹個請求我都必須仔細審查。
“使用AI編程工具，實際工作效率反而下降19%”
NBD：AI的哪些價值最容易被高估？又有哪些成本被低估了？
Siddhant Khare：最普遍的高估，就是AI落地的速度和即時效率提升。很多企業都陷入了壹個誤區，覺得只要給員工配齊AI輔助工具，短短幾周就能看到生產力飛躍，可實際數據截然相反。
工程效率與開發者生產力分析平台DX曾做過壹項覆蓋450余家企業、12萬余名開發者的全面調研。數據顯示，即便有93%的開發者都在使用AI編程工具，實際工作效率提升僅停留在10%，而且後續很難再有突破。
模型評估與風險研究機構METR的對照試驗結果更殘酷，使用AI編程工具的開發者，實際工作效率反而下降了19%，只是主觀上感覺工作速度提升了24%。
而企業最容易低估的，首先是AI內容的人工審核成本，幾乎沒有企業會把這部分耗時、耗力的審核時間，納入整體工作成本規劃；其次是員工的職業認同感，當大部分工作都由AI完成，曾經依靠專業能力獲得成就感的員工，慢慢會覺得自己只是流水線上的質檢員。這種身份落差很難量化，卻會直接引發人才流失。
“審核AI，比自己做壹遍更累”
NBD：當下很多白領覺得自己使用AI，其實是在訓練AI取代自己，這種擔憂合理嗎？哪些崗位最容易被替代，哪些又很難被取代？
Siddhant Khare：絕大多數普通員工，並不是在直接訓練AI大模型。日常使用ChatGPT、Copilot這類工具時，個人輸入的內容並不會自動成為下壹代大模型的訓練數據，多數企業的用戶協議也明確禁止了這種行為。“我在訓練取代自己的AI”，這壹說法在技術上並不成立。
AI對職場的真正影響，不是大規模的人力替代，而是崗位的重新定義、工作強度的大幅提升以及核心工作內容的轉移。真正容易被AI替代的，是那些產出標准化、質量要求偏低、重復性高的崗位，比如初稿文案撰寫、基礎數據錄入、簡單代碼生成、模板化報表制作這類任務，只要求“夠用就行”，AI完全可以勝任。
[加西網正招聘多名全職sales 待遇優]
好新聞沒人評論怎麼行，我來說幾句
AI將取代白領的焦慮席卷職場。
然而，科技公司Ona的軟件工程師Siddhant Khare發布的《AI疲勞真實存在，卻無人談及》壹文，引發了全球媒體和讀者的廣泛討論。
他道出了AI實際應用和美好願景之間的巨大落差。他認為，AI帶來的效率提升被高估了，而職場人卻陷入了“AI疲勞”。
近日，Siddhant Khare接受《每日經濟新聞》記者（以下簡稱NBD）專訪時表示，作為AI智能體基礎設施的開發者，建議人們改變使用AI的習慣，避免被AI困在生成、審核、再生成、再審核的循環裡。
“有了AI之後，人的工作量是以往的10倍”
NBD：你認為導致“AI疲勞”的原因是什麼？
Siddhant Khare：“AI疲勞”本質是結構性問題。AI讓代碼、文案、文檔等內容的生成效率提升數倍，但審核與驗證環節的效率卻未同步跟進。人依舊是整個工作流程的核心瓶頸，要處理拾倍於以往的工作量。
這就像壹家工廠，更換了壹台沖壓速度快拾倍的零件生產機器，可流水線末端的質檢員依舊只有壹個。產能大幅提升後，質檢員的工作量翻倍，次品率卻沒有任何變化，最終崩潰的只會是這個承擔全部審核壓力的人。
放到知識型工作領域，AI只實現了生產的自動化，卻沒有實現審核的自動化。絕大多數企業管理者根本沒有意識到這個問題。他們只看表面數據，代碼交付量變多了、文檔產出變多了、郵件發送量變多了，報表看起來格外華麗，可員工的身心俱疲卻被無視。
NBD：人們本以為AI可以提升效率，可為什麼工作量反而大幅增加？
Siddhant Khare：AI帶來的生產力提升，並未轉化為員工的自由時間，反而被企業轉化為了更高的工作期望值，抬高了工作的 “合格線”。
AI出現之前，壹名軟件工程師壹周提交20個代碼拉取請求（PR），就是正常的工作標准；有了AI輔助後，工程師的理論產出能力提升到50個，企業便把50個定為新的標准。
AI生成的所有內容，都離不開人工審核。我作為開源項目維護者，感觸格外深刻。以前我每周只需要處理20到25個代碼PR，現在這個數字暴漲到上百個，其中絕大部分都是AI生成的，可每壹個請求我都必須仔細審查。
“使用AI編程工具，實際工作效率反而下降19%”
NBD：AI的哪些價值最容易被高估？又有哪些成本被低估了？
Siddhant Khare：最普遍的高估，就是AI落地的速度和即時效率提升。很多企業都陷入了壹個誤區，覺得只要給員工配齊AI輔助工具，短短幾周就能看到生產力飛躍，可實際數據截然相反。
工程效率與開發者生產力分析平台DX曾做過壹項覆蓋450余家企業、12萬余名開發者的全面調研。數據顯示，即便有93%的開發者都在使用AI編程工具，實際工作效率提升僅停留在10%，而且後續很難再有突破。
模型評估與風險研究機構METR的對照試驗結果更殘酷，使用AI編程工具的開發者，實際工作效率反而下降了19%，只是主觀上感覺工作速度提升了24%。
而企業最容易低估的，首先是AI內容的人工審核成本，幾乎沒有企業會把這部分耗時、耗力的審核時間，納入整體工作成本規劃；其次是員工的職業認同感，當大部分工作都由AI完成，曾經依靠專業能力獲得成就感的員工，慢慢會覺得自己只是流水線上的質檢員。這種身份落差很難量化，卻會直接引發人才流失。
“審核AI，比自己做壹遍更累”
NBD：當下很多白領覺得自己使用AI，其實是在訓練AI取代自己，這種擔憂合理嗎？哪些崗位最容易被替代，哪些又很難被取代？
Siddhant Khare：絕大多數普通員工，並不是在直接訓練AI大模型。日常使用ChatGPT、Copilot這類工具時，個人輸入的內容並不會自動成為下壹代大模型的訓練數據，多數企業的用戶協議也明確禁止了這種行為。“我在訓練取代自己的AI”，這壹說法在技術上並不成立。
AI對職場的真正影響，不是大規模的人力替代，而是崗位的重新定義、工作強度的大幅提升以及核心工作內容的轉移。真正容易被AI替代的，是那些產出標准化、質量要求偏低、重復性高的崗位，比如初稿文案撰寫、基礎數據錄入、簡單代碼生成、模板化報表制作這類任務，只要求“夠用就行”，AI完全可以勝任。
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 | 更多... |
推薦: