# 「workslop」不是生产力。它是一种税。

AI 本该替我们干那些琐碎杂活。可在很多团队里它干的恰恰相反：它生成看上去像模像样的产出，逼着下游的人去辨认、去破译、去重做。研究者给它起了个名字，叫「workslop」，而数字很难看——53% 的白领说自己收到过，每一次平均要花 ~2 小时收拾，还悄悄毒化同事之间的信任。这不是生产力的提升，而是生产力的转移——账单落到了下游某个人头上。

- **Author:** Fedor Chishchin
- **Published:** 2026-07-01
- **Tags:** business, methodology
- **Source:** https://fedorthinks.com/zh/blog/workslop-is-a-tax

---

AI 在职场里的卖点很简单：它把琐碎杂活从你盘子里拿走。可在很多团队里，现实恰恰相反——AI 把*更多*
的活儿放到别人的盘子里，还打扮得像是已经做完了。Stanford 和 BetterUp 的研究者给这件事起了个名字：
**workslop。**

## workslop 是什么

workslop 是 AI 生成的产出，表面光鲜、内里空洞——一份报告、一张幻灯片、一段 PR 描述、一条消息，
*读起来*像是做完了，但其实根本没把活干成。它能通过「瞄一眼」的测试，却过不了「读进去」的测试。于是
收到它的人不得不停下来，弄清楚哪些是真的，把缺失的实质补回来，往往还得重做一遍。发送的人觉得自己很
高产。活儿并没有消失；它只是搬了家。

[Harvard Business Review 的研究](https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity)
给这场转移配上了数字：**52.7% 的美国白领承认自己发过 workslop，38% 说自己收到过，每一次平均要花大约
1.9 小时来收拾。** 放大到规模，[一项估算把成本定在一家一万人的组织每年 ~$9M](https://futurism.com/future-society/ai-productivity-research)——仅仅是损失的时间。

> 一个只是把活儿挪到下游的「生产力提升」并不是提升。它是一张你寄给同事的账单。

## 数字里看不到的那一部分

还有第二张账单，而且更糟：信任。同一项研究显示，**53% 的人在收到明显的 AI slop 时感到恼火，22%
感到被冒犯**——而且这会拉低他们对发送者能力和可靠性的评价。这才是贵的部分。速度可以补回来。但一旦
同事们意识到你的产出得重新核查一遍，你此后发出的每样东西，起点都是怀疑。你花掉了自己的信誉，换来
「看起来很快」。

## 为什么会这样——以及怎样别成为源头

workslop 是当目标悄悄从*做完*滑向*看起来做完了*时，你会得到的东西。模型很乐意就任何话题产出一段
自信、看着完整的文字；如果标准是「产出了东西」，它每次都达标。解决办法是把标准挪回它该在的地方：

- **交付结果，而不是产物。** 交付物是一个已做出的决定、一个已修好的 bug、一个真正被回答的问题——
  而不是「有一份文档存在」。如果它没把活儿往前推，那它就是 slop，看着再干净也一样。
- **你是审阅者，不是转发者。** 如果你没读到能为每一行辩护的程度，你就不是在发送工作——你是在转发
  一份草稿，然后管它叫做完了。
- **把它落地。** slop 在没有可对照的真相来源的地方最茂盛。把产出绑到真实的事实、真实的数据、真实
  的规格上——正是那种让 [AI 诚实而不只是自信](/zh/blog/grounding-is-a-constraint)的纪律。
- **为读者的时间优化，而不是你自己的。** AI 的全部意义就是总工作量更少。你省下十分钟，却让下一个人
  多花两小时，那你没赢——是团队输了。

这和[便宜的代码才是最贵的代码](/zh/blog/cheap-code-is-expensive)是同一个陷阱：产出变得免费了，于是
人们开始衡量错误的东西。AI 文字的数量不是吞吐量。别人得重做的工作，是负的吞吐量。

## 结论

workslop 是你把「AI 产出了某样东西」当成「活儿做完了」时要交的税。对发送者来说它像是杠杆，落到接收者
那里却成了一张账单——用小时算，也用信任算。

**别发送你没真正做完的工作。一个只是把力气推到下游的 AI 不是生产力——它是一种税，寄件人一栏写着你的
名字。**