AI 浪費的不是二十天——是我們衡量工作的方式

BambooHR 在九月一日丟出一份報告，標題數字很好記：員工平均每年花四十七個工作天在用 AI，其中二十天，是耗在除錯和反覆修改提示上的。二十天。這個數字接下來會出現在每一份簡報、每一場關於「AI 到底有沒有用」的爭論裡。我讀到的第一反應，與其說是焦慮，不如說是好奇——那二十天是怎麼被算出來的，又是誰決定它該叫「浪費」？因為一個數字要能嚇到你，通常不是因為它算錯了，而是因為它替你先做好了一個你根本沒同意過的假設。

把「改到對為止」記成損耗，前提是一次到位才算工作

報告的骨架是這樣的：員工每天花八十七分鐘用 AI，其中四成二花在除錯與調整提示，只有三成五拿去產出「有生產力的成果」。於是迭代被畫進紅字欄，產出畫進黑字欄。問題就出在這條分界線。改一次提示、看結果不對、再改一次——這是在哪一刻變成了「非生產」？我當砲兵的時候，第一發幾乎不會命中，靠的是打出去、看落點、修正、再打；那幾發修正彈，沒有一發是浪費，它們本身就是命中的一部分。一個作家改五遍稿，你不會說他有四遍在瞎忙。把探索性工作的反覆嘗試記成缺陷，用的是工廠良率那副眼睛——那副眼睛看產線很準，看思考卻全錯。

就算那二十天算得準，這個框架也會教壞人

你當然也可以純從數字挑毛病。四成二加三成五是七成七，那消失的兩成三去哪了？報告沒交代。而「二十天」本身，是把一個受訪者自己回報的每日分鐘數，先年化、再包裝成一個好上標題的整數。這些都值得質疑。但抓它算術有沒有錯，其實是小事。真正要命的是那個框架：當一間公司開始把「AI 一次到位率」當成一個要優化的指標，員工會很快學會怎麼讓數字變好看——少試幾次、把探索過程藏起來、明明該多問兩輪卻硬著頭皮交出第一版。你獎勵「不重試」，就會養出一批不敢重試的人。而在一個答案得靠問對問題才長得出來的工具面前，不敢重試幾乎等於自廢武功。

這份報告真正量到的，其實不是浪費

有意思的是，報告自己就藏了反證。同一批人裡，六成五對用 AI 仍然有信心、甚至熱衷，五成八說用它最主要的理由是省時間。如果那二十天真的是純粹的痛苦損耗，這些數字說不通。比較合理的解釋是：員工自己並不把迭代體驗成浪費，「浪費」是分析師從外頭貼上去的標籤。而在這些吸睛數字底下，有一條被埋掉、卻真正該讓管理者背脊發涼的發現——三成五的人說，他們公司的知識傳承，現在主要是透過 AI 工具、而不是透過人。那才是資產負債表上真正的破洞。你花力氣去算員工多花了二十天，卻沒注意到組織的記憶正從同事的腦袋，悄悄搬進一個你不擁有、也不一定留得住的黑盒子。

如果你就是那個要在週會上被問「AI 到底有沒有回本」的人

先分清楚哪些工作該一次到位、哪些該鼓勵重試：合規文件、對外公告，錯一次代價很高，值得追良率；但草稿、發想、拆解假設，重試就是它的工作方式，別替它設良率。接著，把評量的問句從「這件事試了幾次」換成「這幾次試，值不值得」——看的是最後替你省下多少判斷時間，至於中間按了幾次重來，不必記帳。最後，真正該盯的儀表板只有一格：挑三個核心流程，對每一個問一句「如果 AI 明天當機，誰的腦袋裡還留著這件事」；答不出來的那一個，才是這份報告該嚇到你的地方。

老實說，我讀完第一眼，也想要我的團隊「別再試那麼多次、一次交對」。這種對零重工的渴望很誠實，也很危險——它骨子裡是想把思考變成一種可以一次交付、不必反覆的東西，而思考從來不長那個樣子。那二十天裡，確實有一部分是被爛工具和沒章法拖掉的，該省；但更大一部分，是一個人在跟問題來回討價還價、慢慢逼近答案的過程。把這兩者一起劃進「浪費」欄的那一刻，你省下的不是時間，是你的人繼續變強的那條路。

資料來源：BambooHR《Redesigning Work: AI's Performance Review》（2026 年 9 月 1 日發布，調查 1,600 餘位美國全職受薪工作者）；GlobeNewswire 報導。