你好,欢迎您来到福建信息主管(CIO)网! 设为首页|加入收藏|会员中心
您现在的位置:>> 新闻资讯 >>
人工智能真的能帮员工节省时间吗?数据结果却相互矛盾
作者:CIO.com&睿观 来源:CIOCDO 发布时间:2026年11月06日 点击数:

导读:ActivTrak 的最新研究发现,重度 AI 用户的工作时间更长、切换应用程序的频率更高。这与其早些时候关于“AI 带来生产力提升”的研究结论形成了鲜明对比,也凸显出衡量 AI 对工作产生的真实影响究竟有多困难。

作者:塔琳·普尔姆

[图片 1:(Shutterstock/Shutterstock AI Generator 提供的概念图,展现人工智能辅助办公与员工生产力之间的关系)]

目前,人工智能(AI)辅助办公仍处于早期探索阶段,业界对其实际效益的看法褒贬不一:AI 究竟是真的创造了价值并为员工节省了时间,还是让员工陷入了繁琐的操作、增加了不必要的任务负担?

生产力追踪软件公司 ActivTrak 发布的数据似乎在这两种潜在的现实之间摇摆不定:该公司最新的研究报告显示,使用 AI 最频繁的重度用户每天的工作时间反而延长了多达 90 分钟;然而,该公司在今年早些时候发布的另一份研究报告却指出,总体而言,所有员工的实际工作时长正在减少。

这两份报告之所以出现结论偏差,部分原因可能在于数据收集的时间跨度与样本规模存在差异。但这一矛盾现象也向企业发出了明确的信号:对待技术供应商关于“AI 能够大幅提升生产力”的宣传承诺,企业仍需保持审慎态度。要精准量化 AI 带来的生产力收益,在实际操作中依然面临巨大的挑战。

一、AI 使用情况的深度对比


ActivTrak 本次发布的最新研究结论,基于 2026 年 4 月 1 日至 9 月 25 日(为期五个月)期间,从 467 家企业的 9,140 名知识工作者(Knowledge Workers)中收集到的工作行为数据。这一样本规模远小于其上一份报告——前一份报告的数据涵盖了 2023 年 1 月 1 日至 2025 年 12 月 31 日(为期三年)期间,来自 1,111 个组织的 163,638 名员工所累计完成的 4.43 亿小时的工作记录。

根据最新研究结果,重度 AI 用户每天的工作时长在 8.42 至 9.08 小时之间,而完全不使用 AI 的员工每天工作时长为 7.58 小时。相比之下,ActivTrak 之前的报告则显示,总体而言,员工的平均每日工作时长减少了约 9 分钟(降幅为 2%)。

在专注度与生产力方面,最新数据显示,重度 AI 用户的单次专注工作时长(Focus sessions)比轻度用户短 22%(分别为 37.8 分钟和 48.2 分钟),这表明使用 AI 可能导致工作变得更加碎片化;此外,重度用户切换应用程序的频率也比非 AI 用户高出 15%。

ActivTrak 生产力实验室经理 Sarah Altemus 在阐述最新研究成果的博客文章中指出:“随着时间的推移,这些频繁的打断会给那些需要高度集中精力、批判性思维以及持续关注的高价值工作增加阻力。”

回顾 ActivTrak 之前的报告可以发现,在早期研究周期内,随着职场引入 AI,员工的“专注效率”(Focus efficiency,即投入在专注、无间断活动中的工作时间占比)跌至三年来的最低点,仅为 60%;同时,2025 年的平均单次专注时长相比 2023 年下降了 9%。不过,同一份早期报告也指出,在职场引入 AI 后,员工每日的“有效产出时间”(Productive time)增加了 19 分钟(增幅为 5%),达到 6 小时 36 分钟,且有效工作时段的数量增长了 13%。

最新报告还重点追踪了使用“嵌入式 AI 工具”(Embedded AI)与使用“网页端 AI 工具”(Web-based AI tools)这两类用户之间的生产力差异。数据显示,使用嵌入式 AI 的员工每小时仅切换应用程序 0.6 次,而使用网页端独立 AI 工具的员工每小时切换应用的次数则高达 1.7 至 4.2 次——这一切换频率最高达到了完全不使用 AI 员工的 4 倍。ActivTrak 将这种现象形象地称为 “转椅税”(Swivel-chair tax),即员工因被迫在不同应用程序之间来回切换、搬运数据而付出的额外精力成本。

无独有偶,在 ActivTrak 之前的报告中,研究人员也发现调查期间整体的任务切换频率上升了 12%(耗时增加超过 10 分钟)。

另一个值得注意的发现是,最新研究表明,轻度 AI 用户在核心业务专属软件(Core job-specific apps)中投入的活跃工作时间占比反而更高(轻度用户为 81.4%,重度用户为 78%)。Altemus 对此指出:“换言之,更频繁地与 AI 互动,并不一定能转化为更专注的核心业务工作。”

Altemus 强调,更深层次的管理问题在于,组织如何处置 AI 为员工释放出来的那部分额外产能(Additional capacity)。“当员工能够更快地完成手头任务时,管理者往往会默认他们有余力承担更多的工作职责,”她解释道。如果缺乏清晰的工作负荷边界,原本由 AI 节省下来的时间就会被迅速填塞进更多的新增任务,最终反而加重了员工的身心负担。

二、表层数据往往无法还原全部真相


Greyhound Research 首席分析师 Sanchit Vir Gogia 认为,ActivTrak 确实提供了一个有益的观测视角,帮助企业了解工作流是如何在不同应用程序之间流转的;但他也客观指出,ActivTrak 本身正是销售这类监测软件的厂商。

Gogia 观察到,账面上记录到的 AI 使用情况,完全取决于底层监测工具(Instrumentation)能够捕捉到什么。例如,一名员工完全可能在工作中使用了 AI,但在系统统计中仍被归类为“非 AI 用户”——因为他在未经企业管控的个人设备(Unmanaged personal device)上所做的工作,处于监测系统的视野盲区之外。此外,通过后台 API(应用程序编程接口)或后台智能体(Background agent)自动完成的任务,根本不会产生前台的桌面会话记录;与此同时,被动的屏幕亮屏时间、通过日历记录的线下会议以及实际的计薪工时,也都是维度截然不同的衡量指标。更何况,监测“跨应用程序的窗口切换”,要比监测“员工在同一个应用程序内部的注意力转移”容易得多。

Gogia 最后总结道,评估 AI 真实价值的高管们,必须搞清楚当第一项任务被 AI 加速完成之后,接下来究竟发生了什么。“单位计薪工时的效率提升,可能会掩盖那些未被记录在工时表上的隐性付出,”Gogia 表示,“企业董事会应当能够清晰地回答:引入 AI 后,究竟是谁的工作日体验得到了切实改善?又是谁的幕后工作促成了这一改善的实现?”

💡 技术与管理名词速览 (Tips)

  • Swivel-chair tax (转椅税 / 窗口切换税):源于早期办公人员需要在不同终端电脑前转动椅子录入数据的形象比喻。在现代数字化办公与 AI 应用中,指由于 AI 工具未与核心业务系统打通,员工被迫在网页端大模型(如 ChatGPT)与业务软件(如 ERP、办公文档)之间频繁切换窗口、复制粘贴上下文所造成的效率损耗与注意力撕裂。

  • Embedded AI vs. Web-based AI (嵌入式 AI 与 网页端 AI):两种不同的企业 AI 交付形态。Web-based AI指独立的对话式网页应用,需要用户主动跳转访问;Embedded AI则通过 API 将大模型能力原生集成在员工日常使用的核心软件(如 Office 套件、CRM 系统)内部,支持在当前业务流中直接调用。

  • Background Agent (后台智能体):一种无需人工实时交互的代理式 AI(Agentic AI)。它通常通过系统底层的 API 触发,在后台静默完成数据清洗、跨系统同步、自动化报表生成等复杂任务,不会在员工的前端电脑桌面上留下操作轨迹。

  • Instrumentation (系统监测探针 / 埋点机制):软件工程术语,指在操作系统或应用程序中植入的代码监测机制,用于收集系统性能、应用切换频率、活跃时长等遥测(Telemetry)数据,是企业进行数字员工体验(DEX)分析的基础。


睿评:破除“AI 效率悖论”,以工作流原生重构取代浅层工具堆砌


ActivTrak 的矛盾数据揭示了当前企业 AI 落地的典型困境——“微观提速,宏观过载”。重度 AI 用户工作时间延长且专注度下降,根源往往不在于 AI 技术本身,而在于粗放的交付形态与滞后的管理机制。

对此,CIO 与 CDO 可从以下三个维度破局:

1、消灭“转椅税”,推进 AI 原生嵌入:网页端问答式 AI 迫使员工沦为不同系统间的“文本搬运工”,高频的窗口切换严重撕裂了深度思考。技术部门应减少孤立 AI 工具的采购,利用 API 与智能体架构将 AI 能力深度嵌入核心业务系统(Embedded AI),实现“业务流不中断”的无感调用。

2、建立“产能释放”的保护机制:若 AI 节省的时间被无休止地转化为新增派的繁杂任务,不仅会引发员工的职业倦怠,更会导致“消极使用”。管理层需明确工作负荷边界,引导员工将节省出的时间投入到高价值的创新与业务复盘中。

3、升级 ROI 评估体系:随着后台智能体(Background Agents)的普及,传统的“屏幕活跃时间”已无法反映真实的智能化产出。考核指标应从表层的“软件使用时长”,全面转向“业务流程周期压缩率”与“端到端交付质量”。