AI 吸血鬼：效率越高，人越累？矽谷工程師的警告與解法

上個月我去一家科技公司做 AI 導入輔導，課後一個工程師悄悄把我攔住。

「老師，我最近下午兩三點就腦袋轉不動。去看醫生，醫生說沒問題。我以為是睡眠問題，結果也不是。你覺得是怎麼了？」

我問他：「你現在用 AI 工具，一天大概在處理幾個任務？」

他想了一下：「大概五六個？以前一天只做一個核心功能。」

找到了。

這不是睡眠問題，不是生活壓力問題，是使用 AI 之後認知負荷模式完全改變帶來的新型疲勞。

矽谷有個人比我更早注意到這件事，而且他把它說得比我清楚得多。

重點回顧

本文核心觀點：

• AI 加速了執行，但沒有減少認知切換的頻率——頻繁切換任務讓大腦持續付出「切換代價」
• AI 生產，你審查——產出速度 10 倍，但審查責任是 1:1 的
• 效率提升啟動惡性循環——哈佛商業評論追蹤 200 人確認這不是個人問題
• 解法是主動縮短工時，而不是繼續填滿時間

---

【獨家】AI 吸血鬼——矽谷 40 年老兵的警告

Steve Yegge 這個人你可能沒聽過，但他在矽谷的圈子裡有一定的份量。

他在 Google 和 Amazon 加起來待了超過 40 年，不是那種看過一兩個產品就寫心得的人——他是真的在第一線做工程師和技術主管做了幾十年的人。

他最近在部落格寫了一篇文章，把一個現象叫做「AI 吸血鬼」（The AI Vampire）。

內容大意是這樣：他和身邊的工程師，自從開始密集使用 AI 輔助寫程式之後，會在白天突然睡著。不是因為熬夜，是精力被吸乾了。

他用美劇裡的能量吸血鬼做類比——那種不吸你的血、只吸你的生命力、悄悄讓你枯萎的那種。

這個比喻讓我印象很深。

因為 AI 帶來的疲勞跟傳統的過勞不一樣。傳統的過勞是因為工作時間太長，你知道自己在加班，身體和心理都有明確的訊號。

AI 帶來的疲勞是悄悄的。你下班時間沒變，工作量看起來也沒變，但就是覺得累——說不清楚哪裡出了問題。

【獨家】切換代價：一個被低估的精力殺手

認知科學裡有個概念叫「任務切換代價」（Task Switching Cost）。

每次你的大腦從一個問題域切換到另一個問題域，都需要做三件事：

1. 清除舊的工作記憶——把前一個問題的上下文從暫存空間移走
2. 載入新的工作記憶——把新問題的背景、規則、目標重新建立
3. 重新進入狀態——達到足夠的專注深度才能開始有效工作

研究顯示，完成一次深度任務切換，平均需要 20 到 25 分鐘才能重新達到進入「心流」（Flow）的狀態。

在 AI 出現之前，工程師的工作節奏是有自然間隔的：下任務需要時間，環境設定需要時間，測試需要時間。這些「等待」其實是讓大腦切換狀態的機會。

Claude Code 出現之後，這些等待幾乎消失了。一個功能幾分鐘就跑完，接著馬上可以開下一個。

執行速度加快了，但切換本身的精力代價沒有改變。

更糟的是，當任務完成得快，人們（和組織）會自然而然地填入更多任務。以前一天處理一個功能模組，現在一天要切換五六個，每次都要付「入場費」，每次都要重新進入狀態。

一整天下來，你付出的切換代價遠超過以前，但你可能根本沒意識到。

【獨家】AI 是生產線，你是最後的品管員

這是我在輔導企業時觀察到的另一個重要現象。

很多人以為用了 AI 就是讓 AI 幫你做事，你只需要給指令就好。

但在實際的工作流程裡，情況是這樣的：

• AI 產出一份程式碼，你要審查邏輯、安全性、邊界條件
• AI 產出一份報告，你要驗證數據、確認敘述沒有錯誤、判斷格式是否符合需求
• AI 提出一個方案，你要評估可行性、風險、與現有系統的相容性

AI 的產出速度是人類的十倍，但每份產出都需要人類的判斷和審查。

更重要的是，AI 不能幫你承擔責任。最後如果出了問題，是你的問題，不是 AI 的問題。

所以你實際上在做的事情，不是「讓 AI 幫你工作」，而是「讓 AI 大量生產，然後你做大量品管」。

生產速度加快了，品管工作量也跟著加快了，而品管本身是高認知負荷的工作，不是點頭確認就好。

面向	沒有 AI 的時代	AI 輔助工作時代
每日任務數	1-2 個深度任務	5-6 個切換任務
切換頻率	低，自然節奏	高，持續切換
審查負擔	低（自己產出自己審）	高（AI 快速產出，你慢慢審）
下班時感受	累但有成就感	更累，說不清楚為什麼

【獨家】哈佛商業評論的惡性循環

哈佛商業評論（HBR）在 2026 年 2 月發表了一份追蹤研究，對象是 200 名科技公司員工，記錄了一個讓人心涼但非常真實的循環：

AI 讓你更高效 → 組織看到了，期待你做更多 → 你更依賴 AI 完成更多 → 任務範圍繼續擴大 → 認知負荷進一步加劇 → 反而比以前更累。

這個循環有幾個讓人很無力的特點：

第一，沒有人明著叫你這樣做。沒有主管說「你現在一天要做六個任務」。是組織的整體期待和你自身的進取心驅動你自動進入這個循環。

第二，每一步看起來都是好事。效率提升是好事，接受更多挑戰是好事，更依賴工具是好事。但好事的連鎖反應，可能會導致糟糕的結果。

第三，個人很難從系統內部看清楚。你只知道自己越來越累，但不知道是什麼機制在驅動。

阿峰觀點：能量上限，才是 AI 時代最重要的自我管理

我輔導超過 400 家企業做 AI 導入，最常看到兩種對待 AI 效益的方式：

第一種：「AI 幫我省了兩小時，那我就多做兩小時的事。」 第二種：「AI 幫我省了兩小時，那我就少工作兩小時。」

你可能覺得第一種才是進取的、負責任的，但 Steve Yegge 的研究告訴你的是：長期執行第一種策略，你的認知能量會被慢慢耗盡，最終的生產效率反而會下降。

頂尖創意工作者的研究告訴我們，每天真正高品質的深度工作時間，生理上的上限大概是四個小時。超過這個時間，工作品質會顯著下滑，只是你自己未必察覺。

Yegge 的做法很直接：把每天的有效工作日縮短到三四個小時，下午就關電腦，去散步、陪家人。

這不是偷懶的藉口，是他在把 AI 效益真正落到自己身上，而不是讓組織用更多任務把效益吃掉。

我建議三個具體做法：

1. 設定每天的「AI 切換上限」——決定一天最多切換幾個不同的任務域，超過就拒絕或延到隔天
2. 保留「高認知任務」的時間和精力——判斷、決策、架構設計這些只有你能做的事，不要用疲憊的大腦去做
3. 用 AI 贏回時間，不是贏回更多任務——把節省下來的時間至少有一半用來真正休息

「AI 是效率倍增器，不是能量製造機。」

當工具不斷告訴你還可以更快的時候，也許更值得問自己的問題是：我可以更慢嗎？

---

本文提到的資源

資源	說明
Steve Yegge《The AI Vampire》	矽谷工程師對 AI 帶來的新型疲勞的第一手觀察
哈佛商業評論 2026/02 研究	追蹤 200 名員工的 AI 效率惡性循環報告
阿峰老師 AI 培訓	www.autolab.cloud — 企業 AI 導入輔導

---

企業想帶團隊導入 AI，歡迎到官網聯繫阿峰老師：autolab.cloud

---

#

關於作者

黃敬峰（AI峰哥），企業 AI 實戰培訓專家，400+ 企業合作、10,000+ 學員。
核心心法：「會用、懂用、好用、每天用」
官網：https://www.autolab.cloud