AI Productivity - HRTechChina.com

AI Productivity

调查：员工开始用AI“抢同事工作”，有人因此升职，有人被裁 HRTech概述：AI正在迅速改变职场结构，但最新一项调查显示，这种变化已经从“提升效率”演变为更复杂的行为模式—很多人用 AI 把同事的工作接过来做，但不会告诉老板是 AI 做的，最后结果是——同事被裁了，他反而升职加薪。AI 已经不只是提效工具，而是“保饭碗工具”。这个对 HR 和管理者，其实是个很大的挑战调查背景：1000名美国员工揭示新趋势美国职业平台ResumeBuilder发布的一项最新调查显示，在当前充满裁员压力的职场环境中，AI的使用方式正在发生显著变化。该调查于2026年4月通过Pollfish平台完成，覆盖1000名美国全职员工，且所有受访者均表示对未来12个月可能发生裁员“至少有一定担忧”。结果显示，60.7%的受访者承认曾使用AI承担原本由同事负责的任务，这一行为被定义为“AI job hijacking”（AI岗位接管）。在过去12个月发生过裁员的公司中，这一比例进一步上升至74.3%，显示出裁员压力与该行为之间的显著关联。行为变化：从“用AI提效”到“用AI替代同事”从人群分布来看，这一行为在35至44岁员工中最为集中，比例达到74.7%；男性员工的参与比例为67.1%，女性为51.8%。此外，近三分之一（32.3%）的AI使用者在过去六个月中已经接管了四项或以上的同事职责，显示出该行为正在规模化发展。这一趋势意味着，AI在职场中的角色正在发生转变：从最初的效率工具，逐步演变为一种提升个人竞争力、甚至替代他人的手段。信息不透明：大多数员工不会告诉老板AI参与程度更值得关注的是，AI的使用过程高度不透明。调查显示，62.8%的员工并未向管理者披露AI在工作中的实际参与程度。相反，他们往往将成果归因于个人努力或能力提升。具体来看，50.1%的受访者表示会向经理解释为“主动承担更多职责”，28.2%称是“工作更加努力”，还有26.5%表示“通过与同事合作学习获得能力提升”。与此同时，61.6%的AI使用者坦言，如果管理者完全了解AI的参与程度，他们会对自身岗位安全感到担忧。职场关系冲击：被替代的往往是“关系不错的同事”在组织关系层面，这一趋势的影响更加直接。调查显示，70.8%的受访者表示，被其接管工作的对象通常是“关系较好的同事”。更具冲击力的是，在这些案例中，有63%的被替代者最终被裁员。按整体样本计算，约27.1%的受访者表示，他们曾通过AI接管朋友的工作，并最终看到对方被裁。这一结果表明，AI不仅改变了岗位结构，也正在重塑职场中的人际关系与信任基础。激励机制扭曲：使用AI者反而获得更多回报尽管这一行为对同事产生了直接影响，但从个体职业发展的角度来看，AI使用者却普遍获得正向反馈。调查显示，79.6%的相关员工获得了至少一种职业回报。其中，47.9%获得正面绩效评价，44.2%被赋予更多职责，21.7%获得晋升，20.4%获得加薪。这意味着，在当前绩效评价体系下，AI能力正在被直接转化为职业优势。专家观点：从“创新”转向“生存竞争”ResumeBuilder首席职业顾问Stacie Haller指出，这一现象反映出职场行为逻辑的变化。她认为，这种趋势“更像是生存竞争，而不是单纯的创新”。她进一步指出，当员工因裁员焦虑而采取行动时，往往会减少信息分享、规避风险，甚至在无意中削弱团队合作。长期来看，这种行为可能侵蚀组织内部的信任与文化，而管理层往往难以及时察觉。 AI治理将成为企业核心管理议题从更宏观的角度看，这一趋势并非孤立现象。在裁员压力、绩效竞争与AI能力差异叠加的背景下，员工行为正在发生结构性变化。AI逐渐从效率工具演变为“职场生存工具”。对于企业而言，这提出了新的管理挑战：如何界定AI参与下的绩效归因，如何建立透明的使用规则，以及如何在推动AI应用的同时维护团队信任与协作机制。未来的竞争，不仅在于谁更早采用AI，更在于谁能够更有效地治理AI。

AI Productivity
2026年05月02日
AI Productivity

【重磅解读】当8万人开始依赖AI：工作正在被重新定义，而不是被加速 HRTech概要：基于8万+真实用户访谈，它揭示了一个非常关键的趋势：AI的角色正在发生结构性变化。很多人还在讨论AI是否能提高效率，但真实情况是——用户已经在用AI做更深层的事情，比如学习、决策甚至情绪支持。这意味着AI正在进入“认知层”和“心理层”。更值得关注的是一个核心发现：AI的收益和风险是绑定出现的。效率提升往往伴随着判断能力下降，学习增强可能导致认知依赖，而情绪支持则更容易形成心理依赖。而且这些问题不是提前设计出来的，而是在实际使用中逐渐出现的。这对企业提出了一个新的问题：AI不是简单的工具，而是一种“能力交换机制”。更多全球最新HR科技趋势，请关注 HRTech 刚刚，Anthropic发布了《What 81,000 People Want from AI》研究。这份报告表面上是一次关于AI使用场景的大规模调研，实则更接近一份“人类行为结构变化”的底层观察。研究基于超过80,000份高质量访谈数据，覆盖159个国家、70种语言，在短时间内构建了一个极具代表性的样本体系。与传统问卷不同，这是一组通过AI访谈获得的开放语义数据，其核心价值不在统计分布，而在于揭示一个更深层的问题：当人们真正开始依赖AI时，他们到底在“交换什么”。如果仅从使用场景来看，这份报告并不新颖。软件开发、写作辅助、学习支持等仍然是最主流的应用领域。但当这些使用行为被放入“需求—体验—担忧”的结构中进行分析时，一个更具解释力的模式开始浮现：AI并没有简单地提升效率，而是在重塑人类完成工作的方式本身。 AI使用的真实逻辑：从效率工具到能力外包系统过去两年，企业引入AI的主要叙事是“效率提升”。这一逻辑在早期阶段成立，但Anthropic的研究表明，这只是表层现象。用户在访谈中呈现出的需求，实际上分布在三个递进层级：首先是效率，即自动化重复性任务；其次是认知，即辅助学习、理解复杂问题以及参与决策；第三则是情绪层面，包括缓解压力、提供陪伴以及处理关系问题。尤其值得关注的是，访谈中大量用户主动提及 grief、mental health、relationship 等内容，这类表达在传统用户研究中极为罕见，却在AI访谈中成为高频信号。这一变化的本质在于，AI已经从“完成任务的工具”，演变为“参与认知与情绪结构的系统”。当用户将AI用于思考、判断甚至情绪处理时，其角色已经不再是外部辅助，而是逐步嵌入到人类能力结构之中。这也是为什么单纯以“生产力工具”来理解AI，会低估其长期影响。最关键的发现：价值与代价是同一件事的两面这份研究最有穿透力的结论，不在于用户如何使用AI，而在于他们如何同时理解AI的好处与风险。数据表明，提到AI带来收益的用户，显著更可能同时提到其潜在问题，这种“正负共现”在多个维度上都呈现出稳定结构。效率提升往往伴随着对“虚假效率”的警惕，即用户担心自己在更快完成任务的同时，可能降低了判断质量；学习能力的增强，则对应对“认知退化”的担忧；而情绪支持，则与依赖性之间呈现出最强关联，其共现概率达到基准水平的三倍以上。更值得注意的是，这种风险意识并不是在使用前形成的，而是在使用过程中逐步出现。研究中区分了“经验性表达”和“预期性表达”，结果显示，基于真实使用体验的收益—风险关联显著强于基于假设的判断（φ≈0.20 vs φ≈0.07）。这意味着，AI的影响并不是一个可以完全通过设计或培训提前控制的变量，而是一个在持续使用中不断显现的系统性后果。换句话说，AI并不是一个“先理解再使用”的工具，而是一个“先使用再理解其代价”的系统。 AI的真正变化：从工具层进入“行为结构层” 如果将这份研究放入更广泛的产业背景中，可以发现它与当前AI技术演进路径形成了高度一致的映射。在NVIDIA GTC 2026大会上，Jensen Huang提出未来企业将同时拥有Human Workforce和Digital Workforce，而Workday、UKG等企业正在推动的Agentic AI，则进一步将AI从“响应指令”转向“主动执行任务”。 Anthropic的研究从用户行为侧验证了这一趋势。过去，工作的基本结构是“人使用工具完成任务”，工具只是延伸人类能力的外部手段。而现在，AI正在逐步参与任务的拆解、路径选择以及执行过程，在部分场景中甚至可以独立完成完整工作闭环，人类的角色转变为监督与校正。这种变化并不只是效率提升，而是将AI引入到“工作结构本身”。当AI开始参与决策路径时，工作的定义已经发生改变。它不再是“人做什么”，而是“人和系统如何共同完成结果”。对HR的深层影响：从“人力管理”走向“人机协同管理” 对于HR而言，这一变化的意义远远超出工具引入或技能培训层面。真正的挑战在于，企业正在从单一的人类劳动力体系，转向“人类与数字系统共同构成的劳动力结构”。这将直接冲击现有的人力资源管理逻辑。首先，岗位定义将发生根本变化。传统岗位基于个人能力设计，而在AI参与的环境中，岗位需要围绕“人机组合能力”进行重构，即一个人能够通过AI系统实现的整体产出。其次，绩效评估将变得更加复杂。当产出部分来自AI能力时，如何区分个体贡献与系统贡献，将成为新的管理难题。更重要的是，风险管理将从边缘问题变为核心能力，因为AI的每一项能力提升，都伴随着潜在的依赖、偏差与合规风险。在这一背景下，HR的角色也将发生转变，从“管理人”转向“设计与管理人机协同系统”。一个被低估的本质：AI是一种能力交换机制综合这份研究的所有发现，可以抽象出一个更具解释力的结论：AI并不是一个单向提升生产力的工具，而是一种“能力交换机制”。用户通过AI获得更高效率、更强认知支持以及更低情绪成本，但同时也在交换掉部分独立判断能力、学习路径以及心理边界。这种交换并不是线性的，也不是完全可控的，而是在持续使用中逐步累积。正因如此，未来企业真正需要建立的，不是单一的AI应用能力，而是一套能够管理这种交换关系的体系，包括使用边界、风险识别以及行为引导。结语：HR需要重新理解“工作”本身 Anthropic的这份研究，并没有直接回答企业“如何使用AI”的问题，但它提供了一个更基础的视角：AI正在改变的，不是工具，而是“人类如何完成工作”的基本结构。当工作从“人完成任务”转变为“人和系统共同产生结果”，HR所面对的对象、能力模型以及管理边界，都需要被重新定义。对于中国HR科技行业而言，这不仅是一个技术趋势，更是一次关于“工作本质”的再认识。谁能够率先理解这一变化，并将其转化为组织能力，谁就有可能在下一阶段的人才竞争中占据主动。

AI Productivity
2026年03月19日