AI 带来的大规模失业是否已经到来？亚马逊 CEO 安迪・贾西（Andy Jassy）给出了否定的答案。

在他看来，AI 对就业市场的影响，本质是一场结构性变革：过去二三十年里大量依赖人力完成的工作，未来确实不再需要那么多人参与；但与此同时，全新的岗位也会随之诞生。历史上每一次技术革命，最终都会催生出新的职业，这一次也不例外。他对长期趋势保持乐观，认为当下的商业世界正处在关键的转型期，而人们终将共同走过这一阶段。

不过，目前外界仍无法明确 AI 究竟会创造哪些新岗位。但随着 AI 工具全面渗透职场，企业的考核方式正在悄然改变，一种以 AI 交互数据为核心的量化管理模式逐渐兴起。而由此带来的 “AI 焦虑”，也正在职场人群中悄悄蔓延。

如今，不少企业开始将员工与AI工具的交互次数作为衡量生产力的重要指标，默认交互频率越高，工作效率越强。部分AI工具还会定期生成员工使用报告，梳理用户与AI陷入无效循环的行为模式，并提供优化建议。这种量化导向，正在悄然改变员工的工作心态——有从业者坦言，自己已出现类似“上瘾”的状态，总想着多完成一次交互，甚至在非工作时间也会纠结如何提升交互数据，这种执念的背后，是对量化指标的过度追求。

这种全员“加速”的工作氛围，也在不断侵蚀工作与生活的边界。即便大量基础任务已被AI接手，人们的工作时长并未随之缩短。越来越多的人称自己正经历“AI焦虑”——持续焦虑于错过下一次AI应用突破，而这种无形的压力，让每一次与AI的交互都变成了一场“效率竞赛”。

企业高管则对AI工具往往充满热情，这种热情大多源于亲自操作带来的新鲜感和即时成就感——比日常处理管理事务更能直观感受到“生产力提升”，这种即时反馈让他们对AI的价值充满期待，也更倾向于推动全员普及AI工具、强化量化考核。但这种热情与基层员工的实际体验之间，存在着巨大的认知断层。这种认知落差的核心，在于员工在适应AI工具的过程中，需要承担更高的转型成本：他们被隐性要求利用业余时间探索AI工具、尝试新的工作模式，但原有工作的任务量和考核标准并未相应调整，没有足够的空间容纳学习和试错的成本，最终陷入“既要完成原有工作，又要应付AI学习和量化指标”的双重压力。

除此之外，岗位安全感的隐忧也在这种变革中逐渐显现，随着AI工具降低了部分工作的技术门槛，一些原本需要专业人员完成的任务，非专业岗位也能借助AI完成，这导致部分外包需求被缩减，岗位边界逐渐模糊，基层员工不得不面临“技能被替代”的焦虑，进一步加剧了工作压力。

AI普及带来的不仅是认知鸿沟和岗位焦虑，更隐藏着更多的隐性问题。当非技术岗位员工借助AI生成半成品成果（如代码、原型等）时，专业人员反而需要花费大量时间清理这些半成品、修正漏洞、整合优化，原本的分工边界被打破，专业人员的工作量不仅没有减少，反而有所增加。这种变化正在重塑职场岗位分工，让越来越多的角色走向“混合化”，也让原本清晰的协作关系变得复杂，间接降低了整体工作效率。

更值得警惕的是，这场AI驱动的“生产力热潮”，背后可能隐藏着虚假繁荣。不少企业的量化数据看似亮眼，比如代码生产和交付速度显著提升，但深入观察会发现，大量产出属于“无效劳动”——无人关注的功能优化、仅满足短期需求的一次性成果、半途而废的原型项目，这些成果看似提升了量化指标，却无法创造真正的价值，最终只会变成被废弃的“虚耗产物”。

AI工具的核心价值，本应是解放人力、简化流程，而非成为量化考核的枷锁。当企业过度执着于AI交互次数、交付速度等表面指标，忽视了工作的实际价值和员工的真实体验，最终只会陷入“越忙越无效”的怪圈。让AI回归工具本质，平衡量化管理与员工体验，才能避免“AI焦虑”持续蔓延，实现企业与员工的共赢。