生成式技术普及两年后，企业管理者迎来的不是喝着咖啡看报表，而是一场醒不过来的质检噩梦。
Monday.com 与尼尔森联合发布的《AI at work 2026: Squinting in the Sun》调研显示，在受访的 7 个国家共 1,701 名总监与资深管理者中，超过半数表示引入 AI 后更难准确评估员工的真实产出。近半数受访者承认，自己现在要花更多时间去审核、校准团队提交的内容。
大家原本设想的效率跃迁，卡在了一个尴尬的裂缝里。
光鲜交付件背后的质检黑洞
员工端用大模型生成几页排版齐整、词藻圆滑的方案，只要几秒钟。但交付给下游时，问题才刚刚爆发。
BetterUp Labs 与斯坦福大学对 1,150 名全职员工的调查给出了注脚，40% 的受访者在过去一个月内收到过缺乏实质价值的 AI 工作垃圾。这种半成品外表极其体面，逻辑却经不起推敲。平均每次为了纠正事实偏差、补充缺失上下文或彻底推倒重来，协作者需要耗费 1 小时 56 分钟。折算下来，一家万名员工规模的企业每年为此承受约 900 万美元 的隐形沉没成本。
这不是员工摸鱼那么简单，而是一种工作负担的向下游转嫁。起草者通过工具省下了时间，却把沉重的验证与纠错甩给了平级同事和管理者。高薪中层原本该用来校准业务方向的精力，全耗在了给语言模型的输出做事实核查。
虽然 Monday.com 报告里 94% 的主管仍对新技术充满热情，但热情掩盖不住治理断层的拉大。微软《2025 Work Trend Index》覆盖 31 国 3.1 万人后的调查结论与之呼应，53% 的管理者要求生产力必须增长，而全球 80% 的员工感到精力透支。一边是无节制的产出提速，另一边是承载能力的彻底过载。
产出变快不等于价值增多，省下起草力气的人往往把核验成本转嫁给了团队。
- 风险.当交付物真实水平被模型抹平，组织质检成本会呈指数级上升，吞没微观效率收益。
考核异化与算法的噬尾蛇
面对真假难辨的交付物，考核机制首先撑不住了。
Monday.com 的数据显示，78% 的管理者因 AI 改变了对下属的评价方式，更多关注员工的提示词编写技巧与任务分派水平。与此同时，39% 的主管开始用 AI 代写员工绩效评语，46% 的人借助模型辅助管理决策。
这催生出一种荒诞的职场景观，下属用算法套皮拼凑工作成果，精疲力竭的主管再用算法生成评语予以反馈。这如同一条自我吞噬的贪食蛇，双方都在借助黑箱掩盖思考的退化。
学术界的实证研究早就敲响过警钟。德国经济研究所（IZA）第 18371 号讨论论文指出，在缺乏客观量化基准的情况下对个体评分，大语言模型会完整复刻人类主观评价的既有偏差。《PNAS Nexus》2025 年刊载的一项简历评估实验表明，主流语言模型在自动化打分中存在交叉社会偏见，资质完全对等的黑人男性候选人得分普遍低于白人男性。
当管理者放弃事实校准，把考评权让渡给机器时，放大镜下的偏差就会伪装成客观数据，彻底腐蚀团队的信任基础。
膨胀的软件栈与失控的代理前夜
企业最初采购新工具，目的是精简流程、淘汰过时的 SaaS 服务。但现实恰恰相反。
调查显示，57% 的管理者表示组织内软件数量比此前更多，仅有 29% 认为自身的智能架构达到了集约优化。员工私下引入的影子工具层出不穷，各系统间缺乏协同，管理层面对的是更臃肿的应用矩阵。
更棘手的局面还在后面。58% 的管理者预期，未来一年内自己管辖的自主代理数量将超过人类下属。微软的研究同样表明，81% 的企业高管预计在 12 至 18 个月内广泛接入代理程序。
但组织的配套约束几乎是一片空白。46% 的受访管理者担忧自己会对代理失去控制，35% 害怕为不可控的算法失误承担连带责任。机器做出决策的速度越快，追责的链条就越模糊。
西汉桓宽在《盐铁论》中写过：“明者因时而变，知者随事而制。”技术换代本需要制度的重构，但企业今天的做法，却是在旧的管理框架里硬塞进成倍的机器。管理者的职能原本是辅导人、调配组织，现在却被迫承担起无休止的算法兜底任务。
- 结论.跳出伪生产力循环的办法，是把考核从看表面材料转向验证端到端的业务成果，并在代理程序失控前划定明确的人工熔断线。
当文字被算法无限贬值，唯一能检验价值的不再是报告有多工整，而是谁能真正对最终结果负责。