AI为工作者带来了提高效率和生产力的希望，使他们从重复性工作中解放出来，从而能够处理更复杂的任务，但是，随着企业向员工推出AI工具，许多人面临着不同的挑战：AI生成的工作成果适得其反。
AI生成内容的质量在很大程度上取决于与该工具协作人员的技能，而并非每个人都具备这方面的正确技能，这导致斯坦福社交媒体实验室和Betterup实验室创造了“AI工作烂稿(AI workslop)”一词——他们将其定义为“伪装成优秀成果的AI生成的工作内容，但缺乏实质性内容来有意义地推进既定任务”。
Pegasystems公司的CTO Don Schuerman表示：“当企业在错误的时间使用错误的AI时，就会出现AI工作烂稿，即将为创造性和推理而设计的大型语言模型部署到需要精确性、治理性和可靠性的情境中。其结果是输出的内容表面上看似完美，但经不起推敲——推荐内容不一致或质量差、出现幻觉，或者采取的行动与组织的政策或法规遵从性不一致。”
什么是AI工作烂稿，它是如何产生的?
根据斯坦福社交媒体实验室和Betterup实验室发表在《哈佛商业评论》上的一份报告，在接受调查的1150名美国员工中，40%的人表示在过去一个月内收到过同事提供的AI工作烂稿，他们估计这类内容约占工作中收到内容的16%。工作烂稿通常在同事之间发送(40%)，然而，员工也报告了下属向经理发送工作烂稿的情况(18%)，反之亦然(16%)。调查结果显示，虽然AI工作烂稿在每个行业都存在，但在专业服务和技术行业最为普遍。
麦肯锡的生成式AI平台Lilli的创始人Erik Roth表示，AI工作烂稿的一个例子是“员工几乎逐字采用大型语言模型的输出内容”，并将其作为最终内容。
这类AI内容的质量通常更差，因为采用这种方法的员工往往不擅长编写AI提示词，不知道如何发现AI的幻觉或虚假信息，也没有花时间确保AI生成的结果符合人类标准。
Roth表示，AI工作烂稿最终是“缺乏上下文、缺乏领域判断且几乎未经人工润色的内容。它是看似具有生产力，实则没有创造真正价值的假象”。
Dice公司的总裁Paul Farnsworth表示，他见过一些乍一看“很完美”的AI内容，但“再读一遍就露馅了”。无论是数学、数据、逻辑错误，还是“没有任何意义”的内容，他主要担心的是“过度依赖AI会产生一种虚假的效率感”。他表示，这让你产生工作更快的错觉，而“实际上你花了更多时间进行后续的回顾和澄清”。
AI生成的工作烂稿增加了额外的工作，让人感到沮丧
提供给同事的低质量AI内容往往会给接收方带来更多的工作。根据斯坦福社交媒体实验室和Betterup实验室的数据，AI工作烂稿平均给员工带来近两个小时的额外工作，因为他们不得不解析内容来纠正错误、识别虚假信息，有时还得从头开始重写内容或代码。
这些实验室估计，这种努力带来了每月高达186美元的“无形税”，且这笔费用会迅速累积。例如，实验室计算得出，一家拥有1万名员工且AI工作烂稿出现率为41%的企业，每年可能因生产力损失而损失近900万美元。
AI工作烂稿还会在同事之间造成紧张关系。当被问及收到这类内容时的感受时，员工的回答包括恼怒(53%)、困惑(38%)和受冒犯(22%)。报告还发现，同事们认为使用AI的同事“不如以前有创造力、能力和可靠性”，42%的人表示他们认为同事“不值得信任”，37%的人表示同事“不够聪明”。
这还导致员工向管理层举报彼此，34%的人表示他们已就AI工作烂稿问题通知了其他队友或经理，32%的人表示在收到工作烂稿后，他们不太愿意与对方合作。
Pegasystems公司的Schuerman表示：“管理不善的AI不仅会降低工作效率，还会破坏信任。当员工不断修复或核实AI生成的输出内容时，就会产生疲劳和怀疑。AI非但没有成为提高生产力的伙伴，反而成了待办事项清单上的另一项任务，而且这项任务增加的工作量多于减少的工作量。”
管理和避免AI工作烂稿
Schuerman表示，对抗AI工作烂稿的第一道防线是教育和治理，他建议IT领导者通过培训和实验让员工具备AI素养，并鼓励他们对AI输出内容提出质疑，了解AI如何生成结果。
他补充道，IT领导者还应建立防护措施，确保员工能够获得适合执行正确任务的正确工具。“当AI系统被集成到结构化工作流程中，具有可见性、反馈循环和审计跟踪时，员工就不必猜测‘优秀’的标准是什么。他们在每一项任务中都能看到示范。”
Dice公司的Farnsworth也提倡指导和治理。“企业需要记住，AI的好坏取决于背后的人。如果你没有在指导和治理方面进行投入，AI工具很快就会成为一种负担，而不是一种优势，”他表示，“关键是有意地使用AI——知道你要求它做什么，并准备好在需要时介入。”
并非所有人都会立即接受AI。尽管如此，IT领导者还是要积极带领员工踏上AI之旅，向他们展示优秀和劣质的AI内容示例，以便他们学习和理解，这一点仍然很重要。
Farnsworth表示：“培训员工有效使用生成式AI，首先要消除其神秘感。”
随着员工使用AI越来越得心应手、越来越精明，工作烂稿的数量会逐渐减少。
Pegasystems公司的Schuerman表示：“归根结底，AI质量不仅仅是一个技术问题，还是一个文化问题。投资于可预测、受管理的AI的企业不仅能获得更好的结果，还能打造出一支能够负责任地信任和提升这些系统的工作团队。”
