帕金森定律说，工作会膨胀到填满所有可用时间。在AI时代，员工现在有了一个工具，可以扩展到填充任何大语言模型被说服生成的内容——换句话说，无上限。

这正是问题所在。一篇来自"No One's Happy"的观察文章（作者拥有超过二十年工程经验）描述了过去两年在职业环境中观察到的一种令人不安的现象：AI生成的内容正在系统性地制造一种"虚假生产力"——产出在增加，却几乎没有真正的进展。

文章描述了一个典型场景：一位非工程背景的同事花了两个月构建一个本应需要正规数据架构训练才能设计的系统。他用AI工具"用得很好"，生产了大量代码、大量文档、大量看起来像进度的东西。但当他被直接追问时，他无法解释任何一个部分实际上是如何工作的。更关键的是，这个系统从第一天起就是错的——任何在这个领域有两年经验的人都能看出问题。但由于管理层太热衷于拥抱AI的表象，没有人愿意戳破这个泡沫。

这个现象被学术界称为"output-competence decoupling"——输出与能力的脱钩。在过去的任何时代，一项工作作品的质量或多或少是生产者的能力可靠信号。初级写手的文章读起来就像初级写手；初级代码会以初级方式崩溃。AI已经切断了这种关系。一个初学者现在生产的作品不会暴露他是初学者，因为作品所反映的能力根本不是他的能力——而是系统的。人在这个交易中变成了某种管道：能够将输出传递给接收者，却无法在传递过程中对其进行评估。

更值得关注的是"跨界生成"的问题：不会写代码的人正在构建软件；从未设计过数据系统的人正在设计数据系统。大多数这类工作并没有真正交付——它被构建了，通常花了很多小时，可能以极大的热情内部展示，悄悄地使用，偶尔几乎不被注意到地浮出水面给客户。但这些作品从第一天起就错了，而且错了很久才会被发现。

生成式AI擅长在反馈快速、近似正确就足够、且人类保持最终仲裁者的任务上表现出色——头脑风暴、复制编辑、重新表述自己的想法、在已经理解的数据中进行模式检测。在每一个被推荐的使用场景中，人类提供判断，工具提供吞吐量。这与当前agent系统围绕"人是瓶颈"这一前提构建的方向完全相反。

德勤已经因AI幻觉导致的政府报告向客户退还了44万美元费用的一部分。这只是开始——可能是一座建立在幻觉规范上的生产系统，也可能是一位高级工程师意识到自己过去一年一直在名义上审阅他再也无法胜任审阅的工作——但最终的清算不会悄无声息。

对于组织而言，真正的竞争优势——那些工作可以被信任的公司的优势——并没有消失；如果有的话，它已经升值了，因为太多竞争对手正在悄悄地把自己转换成内容生成管道，并指望客户不会注意到。

参考来源：https://nooneshappy.com/article/appearing-productive-in-the-workplace/