ChatGPT 越用越焦虑？AI 时代知识工作者的心理健康指南

“我同事用 AI 两小时做完我一整天的工作。我打开电脑，看着他在 Slack 上丢出来的成果，只觉得很累。”如果你也有类似的感觉，也许这篇文章能帮上忙。

这篇文章写给谁：所有每天都在使用 AI 工具的知识工作者，不只工程师，也包括 PM、设计师、营销、HR、客服、财会、学生等等。工程师专属的场景（PR、code review、oncall）会放在独立的灰色区块或角色表里，可按需要跳读。

TL;DR：今晚就能做的三件事

• 每天 60-90 分钟“无 AI 思考时间”：这不是反 AI，而是避免自己的判断力被外包到萎缩。拿纸和笔，做设计、想方向、深度阅读。
• AI 跑出来的初稿要切小份再交出去：不管是代码、简报、提案还是文案，个人速度提升 ≠ 团队交付提升，瓶颈通常卡在“下一个人要花多久才能看懂、改得动”。
• 建立你的“亮点清单”和紧急预备金：裁员逻辑越来越走向“可量化贡献”。每个月写三行“我这个月做了什么、影响多大”，并准备 6-12 个月的生活费。光这个练习本身就会降低焦虑。

个人焦虑反映产业正在经历结构性转变

过去两年，ChatGPT、Copilot、Gemini、Claude、Cursor、各种 AI agent（可以自动连续执行多步任务的 AI 助手）像潮水一样涌进日常工作。全球最大开发者社区 Stack Overflow 2025 年年度调查发现：84% 的人已经在用，或计划用 AI 工具，但“信任 AI 输出”的比例反而从早期的 40% 一路掉到 2025 年的 29%。^{1 2}

换句话说：大多数人一边在用 AI，一边其实不太信任它。每天被一个自己半信半疑的工具推着跑，就是现在的工作日常。

Microsoft × LinkedIn《Work Trend Index》（全球最大职场研究之一，访问了 31,000 位知识工作者）出现了一组看起来矛盾的数字：75% 已在用 GenAI、78% 自备 AI 工具上班，但 68% 觉得工作节奏难以承受、46% 感到 burnout（职业倦怠）。³⁴（注：46% burnout 这个数字主要来自 Microsoft 后续延伸研究 The Infinite Workday，并非 WTI 2024 执行摘要本身。）

美国自由工作平台 Upwork 两年的研究放在一起看更直接：

• 2024：77% 用 AI 的员工表示 AI 增加了工作负担⁵
• 2025：生产力提升最多的那群人，有 88% 同时报告 burnout，离职意愿是其他人的两倍⁶

换句话说：AI 越帮你提速，你越容易倦怠到想离职。

美国心理学会 (APA) 2025 年的《Stress in America》报告也显示，“对 AI 感到压力”的成年人比例在一年内显著上升：18-34 岁从 52% 升到 65%、35-44 岁从 52% 升到 59%、受雇者从 51% 升到 60%。⁷

1.1 生产力悖论：感觉更快，不一定更轻松

生产力悖论 (Productivity Paradox) 指的是“明明引进了应该变快的工具，整体产出却没有相应提升、人却更累”这种现象。美国 AI 评估研究机构 METR (Model Evaluation & Threat Research) 2025 年针对资深开源开发者的随机对照试验发现：⁸

• 开发者事前预期 AI 会让他们快 24%
• 用完之后主观感觉快了 20%
• 客观计时却慢了 19%

这 40 个百分点的落差就是焦虑的真正来源（明明看起来很顺，实际上却变慢了）。从客观记录中，时间往往都耗在这几件事上：

• 调试 AI 产出的“极端案例 (edge cases)”：AI 写的东西在常见情境下没问题，但奇怪的输入、边界条件就会出包，这些 bug 不容易第一时间被发现。
• 阅读和理解不是自己写的逻辑：你写的东西脑中有上下文，AI 写的东西要从零开始读懂、信任，比自己重写还慢。
• 频繁切换上下文 (context)：一边跟 AI 对话、一边看代码或文档、一边评估它在说什么，大脑的注意力切换成本被严重低估。

用 AI 跑一个看起来很简单的代码小重构，预计 30 分钟可以完成。结果三个小时后才意识到，其中两小时都耗在审查 AI 的输出、补齐案例没处理到的情境、再退回去叫它修；换成自己手写，大概 40 分钟就结束了。当下完全不会觉得 AI 在拖时间，因为每一轮 prompt（给 AI 的指令）看起来都在推进。（METR 在 2026 年初已启动新版本实验，使用更新模型重跑，但目前仍未推翻“AI 让开发者变慢”这个原始结论。⁹）

如果把 AI 工具放到规模化的团队使用情境中，类似案例更明显。美国工程效能分析平台 Faros AI（收集多家公司开发团队的 git / Jira / CI 数据）整理了 1,255 个团队、超过 10,000 名工程师的数据：个人完成任务 +21%、提交工作量 +98%，但“等别人检查”的时间暴增 91%。个人省下的时间几乎全被“下一道审核关”吃掉，团队整体交付几乎没有变化。¹⁰

个人写代码写得更快，但组织交付并没有同步加速。中间消失的那段时间，变成你下班还在改的东西、追的问题，和挥之不去的疲惫感。

这个现象很可能在不同行业里都存在类似情境：设计师用 AI 出十版稿等老板挑、营销用 AI 出二十个标题等审核、PM 用 AI 写文档等利害关系人 review、客服用 AI 草拟回复但还是要逐字确认。瓶颈不是“想出来”，而是“下一个人类要花多久才能看懂、信得过、改得动”。

1.2 AI 在生理上造成的倦怠

“Technostress（技术压力）”这个词早在 1984 年就被提出，指的是“因不断适应新信息技术而产生的压力、焦虑与心理健康问题”：

• 早在 2012 年，Riedl 等人的人机交互实验就发现：当受试者正在使用电脑执行任务、电脑突然当机、程序冻结、网页跑不出来的那一瞬间，压力荷尔蒙皮质醇 (cortisol) 就会明显飙升¹¹。这项研究虽然不是针对 AI，但同样的生理机制在今天的 AI 工作场景里一直重现：agent 跑到一半卡住不动、Claude 或 ChatGPT 突然连不上、多分钟的对话记录一键消失，身体会出现和“电脑当机”一样的压力反应。讽刺的是，这类“微小的技术挫败”现在一天可能会发生好几次。
• Current Opinion in Psychiatry 2020 年的综述指出，技术压力与睡眠失调、焦虑、注意力下降、职场倦怠都有稳定关联¹²。

2026 年 1 月《JAMA Network Open》（美国医学会期刊）分析 20,847 位美国成年人后发现：每天使用生成式 AI 的人，出现中度抑郁症状的胜算高出 30%，焦虑、易怒症状也有类似关联，25-64 岁族群风险更显著¹³。

（注：这是观察性研究，不能直接推论“AI 造成抑郁”的因果，但模式与社群媒体的研究类似，值得让我们开始重视这些工具对身心健康的影响。）

1.3 裁员阴影：恐惧合理，但别被恐惧绑架

2025 年是“AI 直接导致裁员”进入主流叙事的一年：

• 美国裁员追踪公司 Challenger, Gray & Christmas 估计，全美直接归因于 AI 的裁员约 5.5 万人，是两年前的 12 倍¹⁴
• 求职追踪站 Layoffs.fyi：科技业 2024 年裁掉约 15.3 万人，2025 年再加约 12.3 万人¹⁵

有趣的是，这些公司同期都还在加码 AI 投资。人力不是被 AI 直接取代，而是被“AI + 重新分配的预算”一起挤出来的。

员工端的焦虑已经反映出来：美国民调机构 Pew Research 2025 年访问 5,273 位劳工，52% 担心 AI 对工作的冲击、32% 认为 AI 会减少自己长期的工作机会¹⁷。美国劳动转型研究机构 JFF (Jobs for the Future) 2026 年 3 月的调查更直接：44% 认为 AI 对社会弊大于利、只有 39% 乐观；只有 36% 的劳工表示自己拥有在工作中使用 AI 所需的训练与资源，低于 2024 年的 45%¹⁸。

而数据的另一面：

• Microsoft Work Trend Index 显示 66% 主管不会雇用没有 AI 技能的人，71% 宁可选资历较浅但会用 AI 的候选人³。
• LinkedIn Economic Graph 2026 年 1 月《Labor Market Report》估计，AI 浪潮全球已创造约 130 万个新型高技能职位（Data Annotator 77.4 万、AI Forensic Analyst 29.8 万、Head of AI 17.7 万、Forward-Deployed Engineer/PM（客户现场工程师/PM，带着产品进驻客户端部署与调教的角色）与 AI Engineer 等）；美国信息技术与创新基金会 (ITIF) 2025 年底的整合分析也指出：2024 年 AI 与数据中心建设带动的就业人数，明显高于同期直接归因于 AI 的裁员人数^{19 20}。
• 斯坦福数字经济实验室 (Stanford / Brynjolfsson 团队) 2025 年的研究指出：在“高 AI 暴露职位”（学界用语，指工作内容大部分可被 AI 取代或辅助的职位）中，22-25 岁入门级开发者与客服人员的就业数，自 2022 年底起下降 6-16%。年轻群体正承受当前转型阵痛的主要压力²¹。

也许我们真正该担心的不是“AI 取代人类”这种末日故事，而是“会用 AI 的同事取代你”。后者更容易通过技能积累来改变。

你可以怎么做

2.1 今晚就能做的一件事

• 把手机 / 电脑上的 AI 工具集中放到一个文件夹：不要散在桌面、浏览器标签页里，让“打开”变成一个有意识的动作。
• 明天早上前 60 分钟不打开 AI：用纸笔列出今天的三个重点，一周试试看。
• 写下“如果明天被 layoff，前 7 天我做什么”：不用太细，光写出联系人名单和财务状况，就能降低焦虑。

2.2 个人层次：重新校准你和 AI 的关系

2.3 职场层次：做会用 AI、不被 AI 绑架的人

不管你是工程师、PM、设计师、营销，Faros AI 观察到的“个人变快、团队却卡在人工审核流程”现象和加州大学伯克利分校《California Management Review》（管理学界知名期刊）与情商研究机构 Six Seconds 的研究^{24 25}都指向同一个逻辑：AI 越普及，跨系统判断与人际协作的相对价值越高。

不同角色的具体建议

每天面对的问题不同，落地方式也不同。

给 Tech Lead / 主管的补充：这是团队问题，不是个人问题

想象一个重度使用 AI 的团队，某位成员很快把初稿交出来：一份看起来相当完整的代码修改、十几版设计稿，或一叠“应该差不多了”的文案。交付者感觉效率爆发；但下一棒的人打开文件，往往先愣住片刻，再开始补上下文、找缺漏、补测试、回头跟利害关系人对齐。原本省下来的时间，几乎都加倍偿还在“理解与修正”。于是，为了无止尽地追逐高产出，整个团队需要付出加倍的时间人工进行质量验证，疲惫感不是因为大家不够努力，而是流程悄悄把瓶颈推到了下一道人工关卡。 如果你带的是这样一支团队，事先建立一些使用规范，会比鼓励大家“再用更多 AI”更有效：

• 建立 AI 提交规范：设置明确的“单份交付上限”（代码 ≤ 400 行、简报 ≤ 10 页、文件 ≤ 2,000 字），超过要拆。要求每份 AI 产出附“为什么这样做”的一句话架构决策说明。
• 重新定义 review 重点：把 code review / 文件 review 的重心从“拼字、语法、格式”转移到“系统逻辑、商业正确性、边界情境”；前者 AI 已经能做，后者只有人能判断。
• 追踪团队指标，不只是个人指标：盯 end-to-end cycle time（从开单到完成），不是只盯“个人提交数”。如果个人提交暴增、cycle time 却变慢，你就抓到瓶颈了。
• 保留无 AI 的仪式：每周一次的 design review、架构讨论、postmortem，刻意不依赖 AI 整理，让团队保留“自己思考”的肌肉。
• AI 培训是雇主责任：JFF 调查显示只有 36% 的劳工表示自己拥有在工作中使用 AI 所需的训练与资源，低于 2024 年的 45%¹⁸。每季度拨固定预算 / 时数给 AI 学习，比期待员工自己跟上更有效。

结语

AI 让每个人看起来都“更快”、更能产出，但它也让比较、焦虑、与自我怀疑变得更容易。也许在现阶段，更务实的做法是：先把压力源头分成三类。

• 工具造成的压力（technostress）：降低“连续使用”和“连续失败”的暴露时间。
• 流程造成的压力（瓶颈转移）：把 AI 产出拆小份、补上下文，让下一棒更好接。
• 结构造成的压力（裁员与市场变动）：把不可控的恐惧，转成可控的准备。

当觉得被 AI 浪潮推着跑时，先重新审视引用工具对自己的影响，把压力从“失控的想象”转回“可控制的选择”：

• 疲惫不是你个人意志力的问题，而是有生理与环境基础的“技术压力”反应²³。
• “感觉更快”不等于“实际更快”，更不等于“公司获益”^{8 10}。
• 裁员风险真实存在，但“会用 AI 并具备跨领域判断”的人，仍是市场上最被需要的角色³。

AI 工具会一直变强，但你的睡眠、判断力，还有与身边人的关系，不会因为更新就自动变好，仍需要你刻意照顾。每个人的工作环境、生理节奏与团队文化都不一样，上面写的建议不一定每一条都适用于每个人。本文的核心目标，是梳理并理解背后的机制，在这个快速迭代的环境中，找到更适合自己的做法。

免责声明：本文仅为一般性信息与观点分享，不构成医疗、心理或法律建议。如果你正经历持续性的焦虑、抑郁或倦怠症状，请寻求合格的心理师、精神科医生或员工协助方案 (EAP) 的专业支持。

参考资料