ChatGPT 越用越焦慮？AI 時代知識工作者的心理健康指南

「我同事用 AI 兩小時做完我整天的工作。我打開電腦，看著他在 Slack 上丟出來的成果，只覺得很累。」如果你也有類似的感覺，也許這篇文章能有所幫助。

這篇文章寫給誰：所有每天都在用 AI 工具的知識工作者，不只工程師，也包括 PM、設計師、行銷、HR、客服、財會、學生等等。工程師專屬的場景（PR、code review、oncall）會收在獨立的灰色區塊或角色表內，可視需要跳讀。

TL;DR：今晚就能做的三件事

• 每天 60–90 分鐘「無 AI 思考時間」：不是反 AI，而是讓自己的判斷力不要被外包到萎縮。一張紙、一支筆，做設計、想方向、深度閱讀。
• AI 跑出來的初稿要切小份再交出去：不管是程式碼、簡報、提案還是文案，個人速度提升 ≠ 團隊交付提升，瓶頸通常壓在「下一個人要花多久才看得懂、改得動」。
• 建立你的「亮點清單」與緊急預備金：裁員邏輯越來越走向「可量化貢獻」。每個月寫三行「我這個月做了什麼、影響多大」，並準備 6–12 個月的生活費。光這個練習本身就會降低焦慮。

個人焦慮反映產業正在經歷的結構性轉變

過去兩年，ChatGPT、Copilot、Gemini、Claude、Cursor、各種 AI agent（可以自動連續執行多步任務的 AI 助手）像潮水一樣湧進日常工作。全球最大開發者社群 Stack Overflow 2025 年的年度調查發現：84% 的人已經在用、或計畫用 AI 工具，但「信任 AI 輸出」的比例反而從早期的 40% 一路掉到 2025 年的 29%。^{1 2}

換句話說：大部分人正一邊在用 AI、一邊其實不太信任它。每天被一個自己半信半疑的工具推著跑，就是現在的工作日常。

Microsoft × LinkedIn《Work Trend Index》（全球最大職場研究之一，訪問了 31,000 位知識工作者） 出現一組看似矛盾的數字：75% 已在用 GenAI、78% 自備 AI 工具上班，但 68% 覺得工作節奏難以承受、46% 感到 burnout（職業倦怠）。³⁴（註：46% burnout 數字主要出自 Microsoft 後續延伸研究 The Infinite Workday，並非 WTI 2024 執行摘要本身。）

美國自由工作平台 Upwork 兩年研究放在一起更直接：

• 2024：77% 用 AI 的員工反映 AI 增加了工作負擔⁵
• 2025：生產力提升最多的那群人，有 88% 同時報告 burnout，離職意願是其他人的兩倍⁶

換句話說：AI 越幫你提速，你越容易倦怠到想離職。

美國心理學會 (APA) 2025 年的《Stress in America》報告也顯示「對 AI 感到壓力」的成年人比例一年內顯著上升：18–34 歲族群從 52% 升到 65%、35–44 歲從 52% 升到 59%、受僱者從 51% 升到 60%。⁷

1.1 生產力悖論：感覺更快，不一定更輕鬆

生產力悖論 (Productivity Paradox) 指的是「明明引進了應該變快的工具，整體產出卻沒對應提升、人卻更累」這個現象。美國 AI 評估研究機構 METR (Model Evaluation & Threat Research) 2025 年針對資深開源開發者的隨機對照試驗：⁸

• 開發者事前預期 AI 會讓他們快 24%
• 用完之後自我感覺快了 20%
• 客觀計時卻慢了 19%

這 40 個百分點的落差就是焦慮的真正來源（明明看起來很順、實際卻變慢）。 從客觀記錄中，時間不外乎都被耗費在這幾件事上：

• 除錯 AI 產出的「極端案例 (edge cases)」：AI 寫的東西在常見情境下沒問題，但奇怪的輸入、邊界條件就會出包，這些 bug 不容易第一時間被發現。
• 閱讀和理解不是自己寫的邏輯：你寫的東西腦中有上下文，AI 寫的東西要從零開始讀懂、信任，比自己重寫還慢。
• 頻繁切換上下文 (context)：一邊跟 AI 對話、一邊看程式碼或文件、一邊評估它在說什麼，大腦的注意力切換成本被嚴重低估。

用 AI 跑一個看起來很簡單的程式碼小重構，預估 30 分鐘可以完成。結果三小時後才意識到，其中兩小時都耗在審查 AI 的輸出、補齊案例沒處理到的情境、再退回去叫它修；換成自己手寫，大概 40 分鐘就結束。當下完全不會覺得 AI 在拖時間，因為每一輪 prompt（給 AI 的指令）看起來都在進展。（METR 在 2026 年初已啟動新版本實驗，使用更新模型重跑，但目前仍未推翻「AI 讓開發者變慢」這個原始結論。⁹）

如果將 AI 工具套用到規模化的團隊使用情境中，類似案例更加顯著。美國工程效能分析平台 Faros AI（蒐集多家公司開發團隊的 git / Jira / CI 資料）整理 1,255 個團隊、超過 10,000 名工程師的數據：個人完成任務 +21%、提交工作量 +98%，但「等別人檢查」的時間暴增 91%。個人省下的時間幾乎全被「下一道審核關」吃掉，團隊整體交付幾乎沒變化。¹⁰

個人寫程式寫得更快，但組織交付卻沒同步加速。中間消失的那段時間，變成你下班還在改的東西、追的問題，跟揮之不去的疲憊感。

這個現象很可能在不同行業中均存在類似的情境：設計師用 AI 出十版稿等老闆挑、行銷用 AI 出二十支標題等審核、PM 用 AI 寫文件等利害關係人 review、客服用 AI 草擬回覆但還是要逐字確認。瓶頸不是「想出來」，是「下一個人類要花多久才看得懂、信得過、改得動」。

1.2 AI 在生理上造成的倦怠

「Technostress（技術壓力）」這個詞 1984 年就被提出，指的是「因不斷適應新資訊技術而產生的壓力、焦慮與心理健康問題」：

• 早在 2012 年，Riedl 等人的人機互動實驗就發現：當受試者正在使用電腦執行任務、「電腦突然當機、程式凍結、網頁跑不出來」的那一瞬間，壓力荷爾蒙皮質醇 (cortisol) 就會明顯飆升¹¹。這份研究雖然不是針對 AI，但同樣的生理機制在今天的 AI 工作場景裡一直重現：agent 跑到一半卡住不動、Claude 或 ChatGPT 當機突然連不上、多分鐘的對話記錄一鍵消失，身體會出現跟「電腦當機」一樣的壓力反應。諷刺的是，這類「微小的技術挫敗」現在一天可能要發生好幾次。
• Current Opinion in Psychiatry 2020 年的綜述指出，技術壓力與睡眠失調、焦慮、注意力下降、職場倦怠都有穩定關聯¹²。

2026 年 1 月《JAMA Network Open》（美國醫學會期刊）分析 20,847 位美國成年人後發現：每天使用生成式 AI 的人，出現中度憂鬱症狀的勝算高出 30%，焦慮、易怒症狀也有類似關聯，25–64 歲族群風險更顯著¹³。

（註：這是觀察性研究，不能直接推論「AI 造成憂鬱」的因果，但模式與社群媒體的研究類似，值得讓我們開始重視這些工具對於身心健康的影響。）

1.3 裁員陰影：恐懼合理，但別被恐懼綁架

2025 年是「AI 直接導致裁員」進入主流敘事的一年：

• 美國裁員追蹤公司 Challenger, Gray & Christmas 估計，全美直接歸因於 AI 的裁員約 5.5 萬人，是兩年前的 12 倍¹⁴
• 求職追蹤站 Layoffs.fyi：科技業 2024 裁掉約 15.3 萬人，2025 再加約 12.3 萬人¹⁵

有趣的是，這些公司同期都還在加碼 AI 投資。人力不是被 AI 直接取代，是被「AI + 重新分配的預算」一起擠出來的。

員工端的焦慮已經反映出來：美國民調機構 Pew Research 2025 年訪問 5,273 位勞工，52% 擔心 AI 對工作的衝擊、32% 認為 AI 會減少自己長期的工作機會¹⁷。美國勞動轉型研究機構 JFF (Jobs for the Future) 2026 年 3 月的調查更直接：44% 認為 AI 對社會弊大於利、只有 39% 樂觀；只有 36% 的勞工表示自己擁有在工作中使用 AI 所需的訓練與資源，低於 2024 年的 45%¹⁸。

而數據的另一面：

• Microsoft Work Trend Index 顯示 66% 主管不會雇用沒有 AI 技能的人，71% 寧可選資歷較淺但會用 AI 的候選人³。
• LinkedIn Economic Graph 2026 年 1 月《Labor Market Report》估計，AI 浪潮全球已創造約 130 萬個新型高技能職缺（Data Annotator 77.4 萬、AI Forensic Analyst 29.8 萬、Head of AI 17.7 萬、Forward-Deployed Engineer/PM（客戶現場工程師/PM，帶著產品進駐客戶端部署與調教的角色）與 AI Engineer 等）；美國資訊科技與創新基金會 (ITIF) 2025 年底的整合分析也指出：2024 年 AI 與資料中心建設帶動的就業人數，明顯高於同期直接歸因於 AI 的裁員人數^{19 20}。
• 史丹佛數位經濟實驗室 (Stanford / Brynjolfsson 團隊) 2025 年的研究指出：在「高 AI 暴露職務」（學界用語，指工作內容大部分可被 AI 取代或輔助的職位）中，22–25 歲入門級開發者與客服人員的就業數，自 2022 年底起下降 6–16%。年輕族群正承受當前轉型陣痛的主要壓力²¹。

也許我們真正該擔心的不是「AI 取代人類」這種末日故事，而是「會用 AI 的同事取代你」。後者更容易透過技能累積來改變。

你可以怎麼做

2.1 今晚就能做的一件事

• 把手機 / 電腦上的 AI 工具集中放到一個資料夾：不要散在桌面、瀏覽器分頁，讓「打開」變成有意識的動作。
• 明天早上前 60 分鐘不開 AI：用紙筆列今天的三個重點，一週試試看。
• 寫下「如果明天被 layoff，前 7 天我做什麼」：不用太精細，光寫出聯絡名單和財務狀況，降低焦慮。

2.2 個人層次：重新校準你和 AI 的關係

2.3 職場層次：做會用 AI、不被 AI 綁架的人

不管你是工程師、PM、設計師、行銷，Faros AI 觀察到的「個人變快、團隊卻塞在人工審核流程」現象和加州大學柏克萊分校《California Management Review》（管理學界知名期刊）與情商研究機構 Six Seconds 的研究^{24 25}都指向同一個邏輯：AI 越普及，跨系統判斷與人際協作的相對價值越高。

不同角色的具體建議

每天面對的問題不同，落地方式也不同。

給 Tech Lead / 主管的補充：這是團隊問題，不是個人問題

想像一個重度使用 AI 的團隊，某位成員很快把初稿交出來：一份看起來頗完整的程式碼修改、十幾版的設計稿，或一疊「應該差不多了」的文案。交付者感覺效率大爆發；但下一棒的人打開檔案，往往先愣住片刻，再開始補上下文、找缺漏、補測試、回頭跟利害關係人對齊。原本省下來的時間，幾乎都加倍償還在「理解與修正」。於是，為了無止盡地追逐高產出，整個團隊需要付出加倍的時間人工進行品質驗證，疲憊感不是因為大家不夠努力，而是流程悄悄把瓶頸推到了下一道人工關卡。 如果你帶的是這樣一支團隊，事先建立一些使用規範，會比鼓勵大家「再用更多 AI」更有效：

• 建立 AI 提交規範：設定明確的「單份交付上限」（程式碼 ≤ 400 行、簡報 ≤ 10 頁、文件 ≤ 2,000 字），超過要拆。要求每份 AI 產出附「為什麼這樣做」的一句話架構決策說明。
• 重新定義 review 重點：把 code review / 文件 review 的重心從「拼字、語法、格式」轉移到「系統邏輯、商業正確性、邊界情境」前者 AI 已經能做，後者只有人能判斷。
• 追蹤團隊指標，不只是個人指標：盯「end-to-end cycle time」（從開單到完成），不是只盯「個人提交數」。如果個人提交暴增、cycle time 卻變慢，你就抓到瓶頸了。
• 保留無 AI 的儀式：每週一次的 design review、架構討論、postmortem，刻意不依賴 AI 整理，讓團隊保留「自己思考」的肌肉。
• AI 訓練是雇主責任：JFF 調查顯示只有 36% 的勞工表示自己擁有在工作中使用 AI 所需的訓練與資源，低於 2024 年的 45%¹⁸。每季撥固定預算 / 時數給 AI 學習，比期待員工自己跟上更有效。

結語

AI 讓每個人看起來都「更快」、更能產出，但它也讓比較、焦慮、與自我懷疑變得更容易。也許在現階段，比較務實的做法是：先把壓力源頭分成三類。

• 工具造成的壓力（technostress）：降低「連續使用」與「連續失敗」的暴露時間。
• 流程造成的壓力（瓶頸轉移）：把 AI 產出拆小份、補上下文，讓下一棒更好接。
• 結構造成的壓力（裁員與市場變動）：把不可控的恐懼，轉成可控的準備。

當覺得被 AI 浪潮推著跑時，先重新審視引用工具對自己的影響，將壓力從「失控的想像」轉回「可控制的選擇」：

• 疲憊不是你個人意志力問題，而是有生理與環境基礎的「技術壓力」反應²³。
• 「感覺更快」不等於「實際更快」，更不等於「公司獲益」^{8 10}。
• 裁員風險真實存在，但「會用 AI 並具備跨領域判斷」的人，仍是市場上最被需要的角色³。

AI 工具會一直變強，但你的睡眠、判斷力，還有與身邊人的關係，不會因為更新就自動變好，仍需要你刻意照顧。每個人的工作環境、生理節奏與團隊文化都不一樣，上面寫的建議不一定每一條都適用於每個人。本文的核心目標，是梳理並理解背後的機制，在這個快速迭代的環境中，找到更適合自己的做法。

免責聲明：本文僅為一般性資訊與觀點分享，不構成醫療、心理或法律建議。如果你正經歷持續性的焦慮、憂鬱或倦怠症狀，請尋求合格的心理師、精神科醫師或員工協助方案 (EAP) 的專業支援。

參考資料