注意看，這個男人叫小帥，最近他們公司強制到點下班，但他每天修bug到深夜。
這是道德的淪喪，還是人性的扭曲？
我們采訪了他的主管，主管說，小帥的任務並不多；
我們又采訪了hr，hr說，打卡記錄顯示，小帥最近每天加班2小時；
我們又采訪了廁所所長，所長說，小帥沒有帶薪拉屎，每天上廁所不超過20分鍾；
我們又采訪了小帥，小帥說，我也不知道，我都用上AI了，但是bug越來越多。
最後破案了，原來小帥吃了賽博AI菌子，出現了大模型幻覺。

一、全世界的公司都在用AI

如今，全世界的公司都在推广 AI。
根据斯坦福大学《2025 年人工智能指数报告》，全球 78% 的企业已在至少一个业务功能中使用 AI，生成式 AI 的普及率更是从 2023 年的 33% 翻倍至 71%。
这说明，像小帅这样和 AI 打交道的打工人越来越多。
当AI技术首次被引入职场时，许多打工人对其充满了期待。AI的高效性和便捷性似乎预示着工作方式的变革，人们幻想它能够幫助他们更轻松地完成任务，甚至减少工作时间。然而，现实很快打破了这种幻想。
企業對AI的熱衷並非完全出于對效率提升的理性考量，而更多是源于一種“錯失恐懼”（FOMO）。
商業環境競爭這麽激烈，企業害怕落後于人，于是紛紛倉促上馬AI項目，而沒有充分考慮自身業務與AI的適配性。
這種盲目跟風導致了AI在企業中的應用並不順利，原本應該減輕工作負擔的工具，反而給打工人帶來了更大的壓力。
領導們對AI的期望過高，認爲它可以快速解決一切問題，于是開始不斷壓縮工作時間，要求員工在短時間內完成大量任務。
原本三天的工作量被要求在半天內完成，員工們不得不在AI的輔助下加班加點，卻依然難以達到領導的期望。
這種高強度的工作節奏讓打工人疲憊不堪，他們開始質疑：
AI是否真的爲他們帶來了好處？

二、我都用上AI了，咋還更忙了？

想一下，AI 是否真如设想中那般，必然带来工作效率的显著提升？
答案是不一定。AI 在展现强大功能的同时，也存在不可忽视的局限性，这些局限在一些场景下，不仅未能提升效率，反而成为工作推进的阻碍，这就是“大模型幻觉”。
大模型幻觉，指AI 输出内容看似合理，却与事实不符、与用户指令偏离或内部逻辑矛盾。这一现象源于 AI 基于概率预测生成文本的技术原理，以及训练数据质量参差不齐、推理机制不完善等因素。
美国律师史蒂文?施瓦茨曾接受委托，为一名被金属餐盘砸伤腿的乘客辩护。他在法庭上引用 ChatGPT 生成的 6 个虚构法律案例，最终被罚款 5000 美元。纽约大学法律伦理教授 Rebecca Roiphe 对此评价：“当律师把事实核查权交给算法，等于放弃了法律人的核心职责。”
类似地，特朗普前律师团队在封口费案中误用 Google Bard 生成的虚假判例，导致辩护策略受挫，这不禁让人思考，连对严谨性要求极高的司法领域都会被 AI 幻觉 “攻陷”，其他行业又怎能幸免？
在IT 行业，AI 代码生成工具的幻觉问题同样令人头疼。当 GitHub Copilot 等工具生成看似无误，实际却存在逻辑错误或安全漏洞的代码时，开发人员往往需耗费大量时间进行排查和修复，其效率可能还不如手动编写代码。
这让我们反思，花费大量时间去修正AI 生成的错误内容，真的比传统工作方式更高效吗？
面对AI 生成的错误内容，员工很难完全依赖 AI，不得不投入额外精力进行人工核查和纠正。
为避免 AI 幻觉导致的错误，员工需要对AI 生成的内容进行多轮交叉验证，这无疑增加了工作环节和时间成本。
“大模型幻觉” 的隐性成本恰恰成为延长工作时间的推手：企业期待 AI 提效后员工能承接更多任务，却忽视了纠错所需的额外工时。
当开发团队因代码漏洞反复调试、法务部门因案例错误紧急补救，这些 “非显性加班” 被计入 “正常工作流程”，导致实际工作负荷不降反增。
更关键的是，这种由技术局限性引发的额外劳动，往往被管理者视为 “个体能力不足”，而非工具缺陷，进一步加剧了打工人的被动处境。
至此我们发现，AI 提效的 “真相” 并非二元对立 —— 它在某些环节提升速度，却在另一些场景制造新的工作负担。

三、解鎖真減負：打工人自救攻略

作为资深打工人，想必大家都在AI兴起的浪潮里，都深刻感受到了其中的矛盾。怎样才能打破这种“伪解放” 的困境，实现 “真减负” 呢？下面，阿道从打工人的角度，分享一些实用方法：
（1）保持警惕：警惕“過度合理”，大模型說的話，特別是涉及到事實的，別全信，越細節豐富的回答越需謹慎，最容易産生幻覺的地方是人名、地名、時間、地點等實體或數據，一定要特別小心。
（2）优化提問：向 AI 提問时，提示词要清晰、具体。