最近，《哈佛商业评论》讲了一个很有意思的故事。

一家医院要求医生使用统一的 AI 工具。大部分医生都觉得这东西不好用：生成的内容空洞、格式混乱，改起来甚至比自己重新写还麻烦。只有一位 31 岁的医生，靠着自己不断试错，摸索出了一套非常高效的提示词模板。

这套模板好用到什么程度？

别人还在被 AI 折磨，他已经可以稳定生成高质量内容；别人需要花很长时间完成的工作，他很快就能处理完。他也很清楚，只要把模板分享给同事，整个团队的效率都会提高。

但他选择不分享。

看到这里，很多老板可能已经开始皱眉了：一个员工明明掌握了能帮助团队的方法，却故意藏起来，这不是自私是什么？

可只要你当过几年打工人，就会发现，这位医生做出了一个无比正确的职场决定。

因为打工人都知道一个朴素的真理：

你把两天的工作压缩到一天，公司不会奖励你一天假期，只会从此认定，这项工作本来就应该一天做完。

你省下来的时间，不会属于你。

它只会变成新的任务、新的指标和新的工作量。

不想让老板知道自己工作完成得很快

很多人刚开始使用 AI 时，都经历过一段兴奋期。

过去写一份方案，需要查资料、搭框架、改表达，来来回回折腾一两天。现在把需求拆开，交给 AI 处理，再由自己判断、修改，可能半天就完成了。

过去整理一份会议纪要，要反复听录音、找重点、列行动项。现在 AI 十几分钟就能搭出初稿。

过去一周只能测试两个创意方向，现在一天可以生成十几个版本。

从表面上看，AI 确实让工作轻松了，但事情并没有朝着自己理想的方向发生，因为你并没有因此变得更闲。你只是被安排了更多工作。

以前一天写一份方案，现在一天写三份；以前一周做两轮修改，现在客户上午提要求，下午就问你为什么还没改完；以前一项任务需要三个人，现在有了 AI，老板开始觉得一个人也可以做。

最可怕的不是公司逼你学 AI，而是公司知道你学会了 AI。

一旦管理层发现，原来这项工作可以在半天内完成，那么“半天完成”就不再是你的能力，而会迅速变成岗位要求，现在很多会用 AI 的员工，已经学会了一件事：不要太早交活。

三个小时完成的工作，最好下午五点再发；AI 半天生成的框架，最好告诉别人自己研究了一整天；好用的提示词自己留着，完整的工作流不要轻易放进共享文档。

因为在大多数公司里，效率提升之后，唯一不会提高的东西，就是你的工资。

为什么要隐藏自己的真实产能？

假设一个人原来需要八小时完成工作，现在通过自己研究 AI，只需要四小时。

如果他如实告诉公司，通常会发生什么？

公司会允许他四点下班吗？会因为他提高了效率，就把节省下来的四小时折算成奖金吗？会减少他的工作量，让他用剩余时间学习、休息或者做自己真正感兴趣的事情吗？

大概率都不会。

最常见的结果是，公司会在空出来的四小时里继续塞入工作。等到所有人都学会这套方法之后，原来的八小时工作量就会变成四小时工作量，而员工的一天仍然是八小时。

这就是 AI 时代最荒唐的地方，"多劳多得"，我说的是多劳多得几份不属于自己的额外工作。

员工通过自己的学习和试错，让公司获得了更高的生产效率；公司给员工的回报，却是证明这个岗位还可以继续压缩。

你越能干，公司越觉得你还能再干一点。你越快，公司越觉得之前给你的时间太多。越主动研究工具，公司越容易把你的个人优势变成所有人的最低标准。

打工人想隐藏的，从来不是 AI 本身。他们隐藏的是自己的真实产能。因为只要真实产能被公司看见，它就会立刻被写进新的 KPI 里。

率先公开自己效率的人，反而会招人烦。

一百多年前的工厂里，工人就已经明白这个道理。在著名的霍桑研究中，研究人员发现，工人并不会无限提高自己的产量。相反，他们会在群体内部形成一条默认的产量上限。

谁干得太快、太多，谁就可能被其他工人排斥。

只要有一个人证明更高的产量可以实现，管理层就可能提高所有人的标准。今天一个人多干了 20%，明天这 20% 就可能变成全体工人的基本任务。

那个最努力的人，在老板眼里是模范，在同事眼里却可能是亲手抬高工作量的人。

如今，工厂的流水线变成了办公室里的电脑，计件工资变成了项目、方案、周报和 PPT，但规则并没有发生本质变化。

假如说：公司里有一个员工突然在群里宣布：“我研究出了一套 AI 流程，原来两天的活，现在半天就能完成。”

老板的理解是：这个团队的产能还能翻倍。

同事心里满是不满：以后大家都要半天做完。他心里想：你为什么要让老板知道？

这也是为什么，很多真正好用的 AI 方法，并不会出现在公司的正式培训里。

它们藏在员工自己的文档里，藏在几个关系不错的同事之间，藏在不会被管理层看见的小群里。

大家不是不愿意互相帮助，而是不愿意把能够减轻劳动的方法，变成进一步增加劳动的证据。

当分享效率的代价，是集体工作量上涨，沉默就会变成一种职场道德。

老板说的“拥抱 AI"，是“一个人干三个人的活”

几乎每家公司都在谈 AI。管理层要求员工学习 AI，部门要求整理 AI 案例，公司组织 AI 培训，会议上不断强调“提升效率”“降本增效”“拥抱变化”。

这些词听上去都很先进。但翻译成打工人的语言，往往只有一句话：

公司希望你用更少的人、更短的时间，完成更多的工作。

所谓“提升效率”，很少意味着员工可以减少工作时间；所谓“降本增效”，降低的往往是公司的成本，增加的却是个人的任务量。

原来一项工作需要两天，公司愿意支付两天的人力成本。现在 AI 证明它一天可以完成，公司就会重新评估：这个岗位到底还值不值得配这么多人？一个人能不能承担更多职责？原来的时间预算是不是太宽松了？

AI 没有立刻取代你，但它先改变了公司衡量你的方式。

以前，公司判断你是否努力和成绩，可能看你投入了多少时间；现在，公司开始问，有 AI 之后，你为什么还需要这么长时间？

以前，一个人完成文案，一个人做设计，一个人整理数据；现在，老板会说，AI 都可以辅助，为什么不能一个人统筹呢？别人都可以，为什么你不可以呢？

最后，被压缩的不只是工作流程，还有每个人喘息、思考和犯错的空间。

打工人不敢表现自己很聪明

过去，员工的能力通常体现在经验、专业知识和判断力上，这些东西很难被完整复制。现在，一个人花几个月搭建出来的 AI 工作流，可能只需要整理成一份文档，就能被整个团队复制。

现在还流行自己花时间花精力把自己蒸馏自己，然后有可能会被“向社会输出优质人才”，公司还美曰其名：做出贡献，留下遗产，留下了赛博遗产。

当你把自己最核心的方法交出去之后，公司获得了你的能力，但未必还需要为这份能力持续付费。以前，只有你能完成这项工作；现在，其他人拿着你的模板，也能完成七八成。

曾经你是不可替代的人；现在，你帮助公司降低了对你的依赖。

这就是为什么很多员工面对公司要求“沉淀方法论”“整理最佳实践”、“共享提示词模板”时，会本能地抗拒。

打工人非常清楚：公司所说的知识沉淀，很多时候就是把个人能力拆下来，变成组织资产。成果归公司，流程归公司，方法归公司，最后连你训练 AI 时踩过的坑也要归公司。

而你得到的可能只是一句：“感谢你的分享。”

这句话通常不能加薪，也不能抵消加班，更不能在公司裁员时保护你。

一个人干三个人的活

过去一个方案需要两天，现在半天就能做完；过去一天只能推进三件事，现在可以同时启动十件事。单项工作确实变轻了，但工作并没有因此减少。相反，需求更多了，节奏更快了，等待时间也越来越短。

AI 降低了完成任务的成本，也在抬高了所有人对效率的期待，我们打工人最担心的并不是学不会 AI，不敢告知用了 AI，而是省下来的时间并不属于自己。

一天的工作压缩到半天，剩下的半天通常不会变成休息，而会被新的任务填满；一个人可以完成过去两个人的工作，也不一定意味着他能获得两个人的回报。最后常常是流程变快了，要求变高了，人的疲惫却没有减少。

当效率提升只意味着更高的工作量时，保护自己的方法，就成了保护工作边界的一种方式。对公司来说，想让员工主动分享，也不能只靠一句“鼓励创新”。

如果员工设计的 AI 流程为团队节省了大量时间，这份贡献应该进入绩效、晋升和奖励；如果效率提高了，也应该允许员工获得更多自主权，而不是立刻用新的任务填满每一分钟。

否则公司最后得到的，很可能不是一群不会用 AI 的人，而是一群明明很会用，却不敢让公司知道自己有多会用的人。

当一个组织奖励的不是创造效率的人，而只是继续消耗被节省下来的时间，员工就会越来越擅长工作，却越来越不愿意暴露自己的真实能力。

AI 可以帮助公司降低成本、提高产出，但它真正的价值，不应该只是让一个人承担更多工作。如果技术最后只让任务变得更多、节奏变得更快，那它解放的只是产能，而不是人。

而 AI 时代最公平的规则应该是：

员工愿意分享自己的方法，公司也愿意分享效率带来即时奖励。