企業人工智慧承諾能簡化工作負載，但最新研究顯示一個反直覺的副作用：疲勞可能侵蝕生產力並增加錯誤風險。一份由哈佛商業評論分析，並引用由波士頓顧問集團（Boston Consulting Group）與加州大學研究人員主導的研究，調查了近1500名美國全職員工，發現相當比例的受訪者經歷了研究人員所稱的「AI腦力炸裂」——由於持續與多個AI工具互動、監督及切換而產生的精神疲勞。這一發現正值科技與金融公司將AI更深層融入日常運營，從程式碼撰寫到客戶支援，進一步激化了實際生產力是否真正提升的辯論。
報告描述了員工在長時間使用AI後出現的精神宿醉、思維模糊、頭痛及專注困難的情況。在某些角色中，行銷與人力資源部門報告的這些症狀發生率最高，凸顯在員工同時處理提示、儀表板與自動化工作流程時，認知負荷會積累。雖然AI的承諾是取代重複性任務並加快決策速度，但受訪者卻描繪出更為細膩的畫面：管理AI系統的行為本身就可能成為一項耗能的核心任務。
科技與加密貨幣公司已將AI視為提升績效的關鍵杠杆，將AI的使用作為衡量產出與效率的指標。市場的熱情受到行業高調推動AI整合於程式碼撰寫、數據分析與自動化日常操作的動作所強化。同時，一些公司也公開討論加速AI主導的程式碼開發。例如，Coinbase（交易所代碼：COIN）CEO布萊恩·阿姆斯特朗（Brian Armstrong）曾公開表示積極推動AI採用，包括讓AI在軟體開發中扮演重要角色。這些聲明反映出一個更廣泛的行業趨勢：如果AI能產生平台大量的程式碼，對生產力提升的期待就會提高，即使組織仍在應對多工具環境帶來的認知負擔。
正如研究作者所指出，企業AI的現實是複雜的：企業部署多代理系統，要求員工在多個工具、提示與資料來源間切換。他們認為，這種切換可能成為與AI合作的主要特徵，而非簡化任務的解放。哈佛商業評論的文章強調，若沒有謹慎的治理，AI的輔助潛力可能會被認知過載所抵消，導致錯誤、思考變慢與工作滿意度下降。這種緊張局勢並非傳統職場所獨有，也在加密與金融科技團隊中回響，這些團隊在維持快速開發週期的同時，也必須確保安全與可靠性。
AI帶來「重大成本」，但也能改善倦怠
研究的核心發現是，AI引發的精神壓力並非微不足道；它會轉化為組織的實質成本。報告中，經歷AI腦力炸裂的受訪者比未經歷此狀況的同儕，決策疲勞的可能性高出約33%。這種決策疲勞的升高可能會累積錯誤並放慢策略決策，對大型企業來說具有潛在的財務影響。研究人員估計，疲勞與不匹配的AI工作流程結合，若在不同部門與地區擴展，可能每年讓大公司損失數百萬。此外，經歷腦力炸裂的受訪者中，約40%更可能表達有意辭職，顯示涉及AI流程的團隊存在較高的離職風險。數據也顯示，自我報告的重大錯誤（指可能造成嚴重後果的錯誤）在經歷腦力炸裂者中，幾乎高出40%。
然而，研究也揭示一個相反的見解：當AI用於自動化重複性、規程驅動的任務時，能有效降低倦怠感。利用AI來處理例行工作的受訪者，其倦怠水平比未使用AI的同儕低約15%。這一對比為領導者提供了重要的政策啟示：AI應在明確目的與可衡量成果的前提下部署，而非僅作為提升生產力的通用工具。當組織將AI計畫與具體目標掛鉤，例如縮短處理瑣碎任務的時間或加快關鍵決策窗口，員工就能從單調中獲得實質性解脫，而不會被工具繁多所淹沒。
業界觀察者也提出更廣泛的考量。隨著組織探索多代理系統與自動化程式碼流程，治理變得尤為重要，以確保AI能增強人類工作而非僅增加認知負擔。有評論認為，圍繞AI使用的激勵措施（如僅獎勵使用量）可能造成浪費、品質下降與精神壓力加劇。相反，領導者應明確闡述AI在組織中的目的，說明工作負荷的轉變方式，並強調可衡量與可審核的成果。實務上的結論是：AI計畫必須配合透明的預期與強健的變革管理措施，以避免將一種疲勞轉換成另一種。
對於希望了解科技與加密領域AI部署動態的讀者，相關報導已探討代理人與自動化工具如何超越傳統界限。例如，一篇廣泛引用的文章討論AI代理人在加密工作流程中的角色，提供了自動化如何與去中心化金融（DeFi）與區塊鏈項目交織的背景。專門領域中關於AI的討論持續強調謹慎整合與治理的重要性，而非一夜之間獲得神奇的生產力提升。
同時，業界對軟體開發中AI的敘事也凸顯了雄心壯志與實務間的緊張。例如，對Coinbase的報導展示了公司在追求雄心勃勃的AI程式碼生成預期與可靠性、安全性及人才留存的實際考量之間的平衡。
對加密開發者與投資者的啟示
隨著AI成為軟體開發與運營不可或缺的一部分，加密平台面臨雙重挑戰：一方面是加速程式碼產生、風險分析與客戶運作的潛力，另一方面則是由於協調AI驅動工作流程而產生的認知疲勞。研究結果暗示，加密建構者不應假設AI實施一定會直接帶來生產力提升。相反，他們應設計具有明確範圍、嚴格監督並著重於減少重複性工作的AI方案。證據顯示，策略性應用AI能緩解倦怠，但若缺乏謹慎治理與工作負荷重新定義，反而可能放大錯誤與疲勞。
對投資者與治理團隊而言，關鍵在於以透明方式監控AI成效，並超越純粹使用量的指標。企業應建立儀表板，追蹤認知負荷指標、錯誤率、決策延遲與員工流失率，並與傳統生產力指標並行。在自動化越來越被納入開發時間表與安全測試的市場中，量化AI對人類表現的影響將成為成功部署與否的關鍵差異。
此外，Coinbase的案例也凸顯了公開聲明與企業預期如何影響策略方向。隨著越來越多的加密公司探索AI驅動的程式碼與風險工具，市場將關注這些計畫不僅帶來的績效提升，也包括對工程文化、人才留存與程式碼可靠性的影響。在創新與以人為本的設計之間取得平衡，仍是高風險環境中持續推動AI的核心。
其意義何在
首先，這項研究重新定義了AI採用的人本議題。雖然自動化帶來效率，但也引入認知負荷，若員工必須不斷切換多個介面與提示，可能削弱績效。在精確性至關重要的領域，如加密開發與風險分析，理解與降低AI腦力炸裂的風險，可能是負責任擴展AI計畫的前提。
第二，研究提供了實務路徑：設定明確的AI目的、溝通工作負荷的變化，並優先追求可衡量的成果，而非僅追求互動次數。專注於使用品質而非數量，能幫助組織抑制疲勞，同時實現有意義的生產力提升。
第三，研究強調倦怠不僅是工作量的問題，更與工作流程設計有關。針對重複性任務的AI能帶來實質的福祉改善，但前提是團隊不會被工具與儀表板的海洋淹沒。未來加密平台與更廣泛科技生態系的路徑在於平衡自動化與治理，確保AI成為合作夥伴而非認知負擔的源頭。
最後，產業層面的影響也延伸至政策與就業實踐。隨著AI工具在軟體開發中的滲透，企業應重新評估績效指標、激勵措施與培訓方案，以確保採用能支持長期留任與高品質產出的目標。這些經驗教訓在加密工程等領域同樣適用，因為可靠性與安全性取決於AI引導流程的清晰度與團隊的福祉。
接下來的觀察重點
追蹤擴大樣本或專注於產業特定倦怠模式的後續研究，特別是針對加密與金融科技團隊。
制定明確界定AI目的、工作負荷與可衡量成果的公司治理更新，避免僅以使用量作為激勵。
推動更廣泛的AI自動化工具採用，並結合疲勞監測與以人為本的設計原則。
公開披露科技與加密公司在AI生成程式碼貢獻及其對可靠性與安全性的影響。
資料來源與驗證
哈佛商業評論：當使用AI導致腦力炸裂——來自BCG/UC研究的發現，涵蓋約1500名美國員工與14%的腦炸率。
波士頓顧問集團與加州大學研究人員在哈佛商業評論文章中引用。
記錄Coinbase AI計畫與領導聲明的連結，包括：
Coinbase偏好的AI程式碼工具被新病毒劫持：https://cointelegraph.com/news/coinbase-preferred-ai-coding-tool-hijacked-new-virus
Coinbase表示AI撰寫近一半的程式碼：https://cointelegraph.com/news/coinbase-says-ai-writes-nearly-half-of-its-code
AI代理人與加密工作流程概述：https://cointelegraph.com/explained/what-are-ai-agents-and-how-do-they-work-in-crypto
相關科技報導的補充內容：
Anthropic重啟五角大廈會談，科技團體推動特朗普放棄風險標籤：https://cointelegraph.com/news/anthropic-reopens-pentagon-talks-trump-supply-chain-risk
IronClaw關於加密背景下AI工具的報導：https://magazine.cointelegraph.com/ironclaw-secure-private-sounds-cooler-openclaw-ai-eye/
接下來的觀察重點
提及股票代碼：$COIN
AI倦怠與企業AI推動：對加密平台的意義
本文最初刊載於《AI在工作中引發‘腦力炸裂’：研究人員警告加密新聞》——您的加密新聞、比特幣新聞與區塊鏈更新的可信來源。
