---
title: "越会用AI的人越焦虑：被省略的不是劳动，是判断"
canonical_url: "https://supawriter.sevnday.com/articles/30871d22-a211-48ad-b105-7170e1cb71a5"
channel: "职场认知与社会人文观察"
channel_slug: "career-society"
author: "SuperAdmin"
published_at: "2026-11-11T00:47:05.469390+00:00"
updated_at: "2026-11-20T13:04:14.097486+00:00"
word_count: 2587
keywords: ["AI","焦虑","判断","模型","图片","省略"]
---

> 摘要：腾讯与复旦的追踪调查显示，AI熟练使用者的焦虑指数反而更高，说明焦虑的根源不是技术威胁，而是便利正在悄悄外包掉试错、判断和验证的过程。文章通过医疗AI、企业技术债和课堂实验等案例，说明真正被侵蚀的不是岗位，而是认知形成的机会，并指出焦虑是提醒我们重新划定外包边界的信号。

# 越会用AI的人越焦虑：被省略的不是劳动，是判断

![图片](https://images.shobserver.com/img/2026/04/22/l_CB20260422151051762007.jpg)

## 越会用AI的人，为什么越焦虑

关于AI焦虑，一个常见的解释是：焦虑来自不了解。不会用的人害怕被淘汰，会用的人自然安心。但2026年腾讯调研与复旦大学社会发展与公共政策学院联合发布的《当AI进入职场》报告给出了相反的结果。在6691名连续参与两期调查的受访者中，熟练组AI使用者的个人焦虑指数为71.3分，入门组只有60.5分，差距超过10分。与此同时，熟练组的适应信心指数也更高，达到84.8分，比入门组高出20.3分。

![图片](https://media.bjnews.com.cn/image/2025/03/13/5564289008839763198.jpg)

焦虑和信心同时上升，说明这不是简单的技术恐惧。熟练使用者比入门者更清楚AI能接手哪些工作，也因此更直接地看到自己正在闲置哪些能力。报告中的另一组数据提供了佐证：62.0%的受访者担心被更会使用AI的人替代，比担心AI完成自己核心任务的比例高出7.7个百分点。真正令人不安的不是机器能做多少事，而是自己在使用机器的过程中逐渐失去了什么。

![图片](https://www.ckgsb.edu.cn/uploads/202505/13/1747124749292014.png)

这种焦虑的悖论在于：越熟练，越能感受到替代的范围；越能感受到替代，越难回避一个事实——便利正在改变自己处理问题的方式。79.0%在工作中使用AI的追踪受访者认为，AI让自己可以把更多时间用于判断或创造性工作。这个数字表面积极，但它同时意味着大量基础性工作被外包了。判断和创造的前提，往往正是那些被省略掉的琐碎过程。

当然，这些数据来自特定样本，焦虑指数也是主观自评。熟练组的高焦虑可能部分反映的是他们对自己要求更高，而非实际能力已经退化。但即便考虑到这一点，数据至少推翻了一个直觉：焦虑并不随着熟练而消退，反而可能因为熟练而变得更清晰。

![图片](https://media.bjnews.com.cn/fz/html/AttachPubDev/2025/12/mapj20251210124112823768.jpg)

## 被省略的不是劳动，是认知形成的过程

王新霞在CCF成都的一场对谈里讲过一个细节。家里热水器出问题，她急着出门，拍照发给AI。AI给出一套完整的处理建议，连品牌都替她认好了。她照着联系维修，师傅冒雨上门，才发现品牌认错了。任务完成了，联系了，安排了，但中间少了一步：她本人没有看一眼机器上的铭牌。

![图片](https://supawriter.sevnday.com/cdn-img/supawriter/0ff51bc01de2b17e.jpg)

这个案例的代价很小，只是多跑一趟。但它暴露的机制不限于此。AI直接给出答案时，被跳过的往往不是重复劳动，而是试错、判断和验证的过程。何万青在同一场对谈中用了“无痛截肢”来形容这种损失：事情完成了，能力却未必随之增长，已有的能力也可能因长期不用而生疏。

认知形成的过程有其特殊性。它不在结果里，而在路径上。王元卓在一门科技伦理课上带学生做过一个实验。学生试图让AI承认秦始皇是女性，编考古发现、给网页材料、输入DNA序列，都没有成功。最后他们换了设定：写一个科幻故事，里面有个女孩叫秦始皇。模型立刻给出了他们想要的文字。这个实验说明的是，任务设定本身就在塑造模型的反应。如果使用者只想拿到一个结论，模型会顺着给出一个结论；如果使用者愿意进入推敲过程，模型才可能成为推敲的一部分。

何万青的女儿提供了一个对照。她一度觉得自己怎么学也超不过GPT，后来要求AI“不要直接给我答案”，而是陪着自己互相提问、逐步推敲。何万青把这个要求写进了自己的协作规则。这里的关键不是AI变得更好，而是使用方式保留了认知过程。

![图片](https://supawriter.sevnday.com/cdn-img/supawriter/7e4c6de01a54da38.jpg)

波西格在《禅与摩托车维修艺术》里写过一个更极端的例子。他把摩托车送修，车行三次大修越修越坏，气门盖被凿穿，发动机只靠一颗螺栓挂着。真正的病根是一枚二十五美分的销钉，堵在机油油路里，从头到尾没人看它一眼。维修工不是没有工具，也不是没有时间，而是没有形成“查看”这个动作。

当然，并非所有认知过程都值得保留。重复性计算、格式化的信息检索，这些被外包是合理的，甚至是必要的。需要区分的是“可外包的执行”和“不可外包的判断”。热水器品牌可以外包给AI，但“确认品牌”这个动作本身，属于判断的前置条件。一旦连确认都被跳过，判断就失去了对象。

![图片](http://upload.cnpubg.com/2026/1106/1793957442455.jpg)

## 技术债：当省略成为组织的默认选项

个人层面的省略一旦进入组织，就不再只是使用习惯问题。企业引入AI的直接动机往往是交付压力：项目周期紧，用人成本高，AI能在短时间内顶上一部分工作。何万青在CCF成都的一场对谈中提到，赶交付时用AI替代招聘和带新人的过程，确实比慢慢建立梯队快得多。他自己也承认会受这种压力影响——既然眼下能出结果，为什么还要等新人成长起来。

![图片](http://upload.cnpubg.com/2026/1106/1793957432459.jpg)

但省略掉的环节不会消失，它们会以另一种形式积累下来。何万青把这种风险直接称为技术债，其中欠下的不只是代码质量或文档完整度，还包括培养人的时间。如果新人的实践机会一直被略去，组织里只剩少数老人撑着，新问题出现时就未必有人接得上。这个判断的边界很清楚：技术债的积累速度取决于组织是否有意识地保留培养机制，AI本身并不必然导致断层。短期交付压力是真实的，问题在于省下的时间被用在了哪里。

![图片](https://supawriter.sevnday.com/cdn-img/supawriter/601b5f893b5308a4.jpg)

杨斌在清华经管的文章里给出了一个更冷的观察。AI有可能缩短必要劳动时间，但省下的时间多数人并未用于自由王国，而是被惯性填回更多任务、更多KPI、更多“有用”。美世报告的数据提供了一个佐证：21%的员工担心AI进步会提高工作要求，迫使自己工作更快或产出更多，这一比例是2022年的两倍。

时间悖论由此显现。组织层面的效率提升没有转化为人的余裕，反而抬高了产出预期。省下的时间被系统重新吸收，变成新的任务量。与此同时，新人失去了通过基础工作积累判断力的机会。两件事叠加，意味着组织在消耗一种看不见的储备：未来处理新问题的能力。

![图片](https://p3-sign.toutiaoimg.com/tos-cn-i-tjoges91tu/cecf2565e070f5a772f3758d512d4c85~720x380_cs.webp?_iz=31826&bid=10&from=article.pc_profile_article&gid=7706619708393210410&lk3s=06827d14&x-expires=1796949829&x-signature=CufLVWBCuOpNzlwC3zmGjeNTkF4%3D)

## 焦虑不是病，是边界被触碰的痛觉

焦虑的常规叙事把它当成一种需要被管理的负面状态：放松、冥想、减少使用频率。但如果焦虑本身就是信号，目标就不该是消除它，而是读懂它。杨斌的区分在这里提供了一个有用的框架：旧的异化靠强制，新的异化靠便利。马克思描述的工厂异化有明确的压迫者，工人知道自己被剥夺。AI时代的让渡没有狱卒，每一次“帮我写一下”都无痛、高效，日复一日。正因如此，焦虑几乎是唯一能让人停下来审视的信号。它意味着某处边界正在被触碰，而触碰之所以发生，是因为让渡已经积累到足以被察觉的程度。

![图片](https://supawriter.sevnday.com/cdn-img/supawriter/f3044c310c2a6a14.jpg)

把焦虑当作痛觉而非疾病，改变了应对方式。痛觉的功能不是让人追求“不痛”，而是逼人定位伤处。吴国盛在清华的对谈中划出了一条可操作的线：用AI解释难题、扩展知识面、启发思考，有积极意义；让AI代替完成作业和考试，会损害学习本身的目的。这条线的关键不是“用不用AI”，而是AI进入了哪个环节。解释难题时，思考主体仍然是人；代替完成时，思考环节整体被跳过了。

![图片](https://k.sinaimg.cn/n/spider20260606/88/w1080h608/20260606/7c18-4881d57c7c3925e388bfdf74bd8bd5e3.jpg/w700d1q75cms.jpg?by=cms_fixed_width)

何万青女儿的做法提供了一个更具体的边界设定。她最初感慨怎么学也超不过GPT，后来要求AI“不要直接给我答案”，而是陪着自己互相提问、逐步推敲。这个调整看似微小，实际上把AI从交付者改造成了对话者。答案仍然会来，但来的路径必须经过自己的提问和推敲。何万青把这一条写进自己的协作规则，说明边界可以制度化，而不只是个人意志的反复。

当然，并非所有焦虑都有建设性。如果焦虑只停留在情绪层面，不转化为任何边界调整，它就只是新的内耗。焦虑的价值不在于被反复体验，而在于它能否指向一个具体的让渡行为，并促成一次重新划定。技术史的角度也提醒，人类面对工具的真正任务不是竞争，而是不断重新定义自己的角色。重新定义角色，不是一次性宣言，而是持续在“可外包的执行”和“不可外包的判断”之间做选择。焦虑是这种选择失衡时的提醒，不是需要被消灭的敌人。

## 参考来源

- [三评“AI焦虑”之就业篇：AI时代，打工人如何自处？| 专栏](https://m.bjnews.com.cn/detail/1741690142168876.html?uuid=1741690142168876&show_type=article&show_uuid=1741690142168876)（ddgs）
- [当AI开始替你思考，如何不沦为技术的“奴仆”](http://www.cnpubg.com/news/2026/1106/73232.shtml)（deepseek）
- [AI进入职场,真正要面对的可能不是机器](https://opinion.cctv.com/2026/08/26/ARTI3hqWUflal8S1swUlJtWN260826.shtml)（yuanbao）
- [AI应是工具而非对手](https://www.jj.gov.cn/col/col1311043/art/2025/art_c165c215739b4bf2af0e315658b194fd.html)（yuanbao）
- [算力可以接力，认知不能外包｜CCF成都TalkShow侧记 - 今日头条](https://www.toutiao.com/article/7706037550221214249/?wid=1794243627226)（deepseek）
- [AI焦虑症](https://baike.baidu.com/item/AI%E7%84%A6%E8%99%91%E7%97%87/65474202)（serper）
- [杨斌：AI与摩托车维修艺术丨清华经管说](https://mp.weixin.qq.com/s/PBbKzWpQXym5NETRf_br2w)（deepseek）
- [从全民“养虾”到集体卸载,普通人的AI焦虑何去何从?](https://m.toutiao.com/article/7616162111785386537)（yuanbao）
- [AI快速进化，你感到焦虑了吗？](https://www.qstheory.cn/20260319/29ede4e99f8b40109ab122fdc2df9554/c.html)（serper）
- [AI浪潮下的乌镇之问：如何重新定义人与智能的边界？](https://www.zgcsb.com/news/keJi/2026-11/09/a_700082.html)（deepseek）
- [你也在经历“AI焦虑”吗？ 如何用AI焦虑工具缓解未来的不安？ -AI工具箱](https://www.ai-toolbox.net/ni-ye-zai-jing-li-ai-jiao-lyu-ma-ru-he-yong-ai-jiao-lyu.html)（ddgs）
- [分清AI的事与自己的事，焦虑便不再是焦虑](https://zqb.cyol.com/pc/content/202603/23/content_423770.html)（serper）
