企业人工智能承诺简化工作负载，但最新研究显示出一个反直觉的副作用：可能导致疲劳，从而侵蚀生产力并增加错误风险。哈佛商业评论的一项分析，借鉴由波士顿咨询集团和加州大学研究人员领导的一项研究，调查了近1500名美国全职员工，发现相当一部分人经历了研究人员所称的“AI脑力透支”——由持续与多种AI工具互动、监督和切换引发的精神疲劳。随着科技和金融行业的公司推动AI深入日常运营，从编码到客户支持，关于生产力是否真正实现提升的辩论也日益激烈。
报告描述了员工在长时间使用AI后出现的精神疲惫、思维模糊、头痛和注意力难以集中等症状。在某些岗位中，市场营销和人力资源报告的症状发生率最高，强调了在员工同时处理提示、仪表盘和自动化工作流程时，认知负荷的积累。虽然AI的承诺是接管重复性任务并加快决策速度，但受访者描绘了更为细腻的画面：管理AI系统本身也可能成为一项耗费精力的核心任务。
科技和加密货币公司已将AI视为关键绩效杠杆，将AI的使用作为衡量产出和效率的指标。市场的热情得到了行业内高调推动的支持，这些推动力包括将AI整合到代码编写、数据分析和自动化日常操作中。与此同时，一些公司也公开讨论加快AI驱动的编码项目。例如，Coinbase（交易所代码：COIN）CEO布莱恩·阿姆斯特朗曾公开表示，正积极推动AI的采用，包括让AI在软件开发中发挥重要作用。这些声明反映出一个更广泛的行业趋势：如果AI能生成平台代码的很大一部分，生产力提升的预期就会增加，尽管组织仍在应对多工具环境带来的认知负担。
正如研究作者所指出，企业AI的现实是复杂的：企业部署多智能体系统，要求员工在多个工具、提示和数据源之间切换。他们认为，这种切换可能成为与AI合作的定义性特征，而非任务的解放和简化。哈佛商业评论的文章强调，如果没有谨慎的治理，AI的辅助潜力可能会被认知过载所抵消，导致错误、思维变慢和工作满意度下降。这种紧张局势并非传统工作场所所独有；它在加密和金融科技团队中也引发共鸣，这些团队在维护快速开发周期的同时，还要确保安全性和可靠性。
AI带来“重大成本”，但也能改善倦怠感
研究的核心发现是，AI引发的精神压力并非小事；它会带来实际的组织成本。报告显示，经历“AI脑力透支”的受访者比未经历此类疲劳的同事，决策疲劳的可能性高出约33%。这种决策疲劳的增加可能会加剧错误，减缓战略决策——这对大型企业来说可能意味着财务损失。研究人员估算，当在不同部门和地区规模化应用时，疲劳与不匹配的AI工作流程的结合，可能每年给大公司带来数百万美元的成本。此外，经历脑力透支的员工中，主动表达离职意向的比例大约高出40%，显示出在AI驱动工作流程中的团队存在更高的离职风险。数据显示，报告的重大错误（即可能造成严重后果的错误）在经历脑力透支者中也高出近40%。
然而，研究也揭示了一个相反的观点：当AI用于自动化重复性、流程驱动的任务时，可以显著减少倦怠感。利用AI承担常规工作的受访者，其倦怠水平比未使用AI的同行低约15%。这一对比为领导者提供了一个重要的政策启示：应以明确的目标和可衡量的成果来部署AI，而非盲目追求整体生产力提升。当组织将AI项目与具体目标挂钩——如减少在琐碎任务上的时间或加快关键决策窗口——员工就能从单调中获得真正的解脱，而不至于被工具繁杂所压倒。
行业观察人士指出，更广泛的考虑因素也在不断浮现。随着组织探索多智能体系统和自动化编码流程，治理变得尤为关键，以确保AI增强人类工作而非简单增加认知负担。一些评论员认为，围绕AI使用的激励措施——如奖励使用量——可能会造成浪费、降低质量并加剧精神压力。相反，领导者应明确AI的用途，说明工作负载的变化方式，并强调可衡量和可审计的成果。实际操作的要点很明确：AI项目必须配备透明的预期和强有力的变革管理措施，以避免只是在不同形式的疲劳之间切换。
对于希望了解技术和加密行业中AI部署动态的读者，相关报道已探讨代理人和自动化工具如何超越传统边界。例如，一篇广泛引用的文章讨论了AI代理人在加密工作流程中的作用，提供了自动化与去中心化金融和区块链项目交叉的背景。关于AI在专业领域中的不断演变，强调了深思熟虑的整合和治理的重要性，而非一夜之间实现神奇的生产力提升。
同时，行业关于软件开发中AI的报道也凸显了雄心勃勃的预期与工程团队面临的现实紧张。例如，关于Coinbase的报道显示，企业在追求雄心勃勃的AI编码目标的同时，也在应对可靠性、安全性和人才留存方面的实际担忧。
对加密开发者和投资者意味着什么
随着AI成为软件开发和运营的核心部分，加密平台面临双重挑战：一方面是加快代码生成、风险分析和客户操作的潜力，另一方面是由协调AI驱动工作流程引发的认知疲劳。研究结果暗示，加密开发者不应假设AI的应用必然带来生产力的直线提升。相反，应以明确的范围、严格的监督和尽可能减少重复性工作的设计原则，规划AI项目。证据表明，战略性应用AI可以缓解倦怠，但如果没有谨慎的治理和工作负载的重新定义，反而可能放大错误和疲劳。
对于投资者和治理团队来说，关键在于以透明的方式监控AI的效果，超越单纯的使用量指标。企业应建立仪表盘，跟踪认知负荷指标、错误率、决策延迟和员工流失率等，同时结合传统的生产力指标。在自动化逐渐成为开发时间表和安全测试中不可或缺的一部分的市场环境中，量化AI对人类表现的影响将成为成功部署与偏差项目的关键差异。
此外，Coinbase的案例强调了公开声明和企业对AI的预期如何影响战略方向。随着越来越多的加密公司探索AI编码和风险工具，市场将关注的不仅是性能提升，还包括这些举措对工程文化、员工留存和代码可靠性的影响。在创新与以人为本的设计之间找到平衡，仍是高风险环境中实现可持续AI应用的核心。
为何这很重要
首先，研究重新定义了AI采纳的人本问题。虽然自动化带来效率，但也引入了认知负荷，如果员工必须不断切换多个界面和提示，可能会削弱表现。在对精度要求极高的领域——如加密开发和风险分析——理解和缓解AI脑力透支，可能是负责任扩展AI项目的前提。
第二，研究为领导者提供了实用的路线图：明确AI的目标，沟通工作负载的变化，并优先考虑可衡量的成果，而非单纯的交互次数。关注使用质量而非交互量，组织可以抑制疲劳，同时实现有意义的生产力提升。
第三，研究强调倦怠不仅仅是工作量的问题，更与工作流程设计密切相关。针对重复任务的AI可以带来切实的福祉改善，但前提是团队不被工具和仪表盘的“动物园”所淹没。未来，加密平台和更广泛的技术生态系统应在自动化与治理之间找到平衡，确保AI成为合作伙伴而非认知负担的源头。
最后，更广泛的行业影响还涉及政策和雇佣实践。随着AI工具在软件开发中的深入应用，企业应重新评估绩效指标、激励措施和培训体系，确保采纳有助于长期留存和高质量输出。这些经验教训在加密工程等领域同样适用，可靠性和安全性依赖于AI引导流程的清晰性以及团队的身心健康。
接下来应关注什么
跟踪扩大样本规模或探索行业特定倦怠模式的后续研究，特别关注加密和金融科技团队。
制定公司治理更新，明确AI的目标、工作负载和可衡量的成果，避免仅以使用量作为激励。
推动AI自动化工具的更广泛应用，结合疲劳监测和以人为本的设计原则。
披露科技和加密公司关于AI生成代码贡献及其对可靠性和安全性的影响。
来源与验证
哈佛商业评论：当使用AI导致脑力透支——来自BCG/UC研究的发现，涵盖约1500名美国员工，脑力透支率为14%。
波士顿咨询集团和加州大学研究人员在哈佛商业评论文章中被引用。
关于Coinbase AI项目和领导声明的链接，包括：
Coinbase被新病毒劫持的AI编码工具：https://cointelegraph.com/news/coinbase-preferred-ai-coding-tool-hijacked-new-virus
Coinbase称AI几乎写了其一半代码：https://cointelegraph.com/news/coinbase-says-ai-writes-nearly-half-of-its-code
AI代理人和加密工作流程概述：https://cointelegraph.com/explained/what-are-ai-agents-and-how-do-they-work-in-crypto
相关科技报道的补充内容：
Anthropic重新开启五角大楼会谈，科技集团推动特朗普取消风险标签：https://cointelegraph.com/news/anthropic-reopens-pentagon-talks-trump-supply-chain-risk
IronClaw关于加密环境中AI工具的报道：https://magazine.cointelegraph.com/ironclaw-secure-private-sounds-cooler-openclaw-ai-eye/
关注下一步
提及股票代码：$COIN
关于AI倦怠与企业AI使命的影响：对加密平台意味着什么
本文最初发表在《AI在工作中引发“脑力透支”》——研究人员警示加密新闻快讯——您的加密新闻、比特币新闻和区块链更新的可信来源。
