我每周都会看到这种情况：一位创始人告诉我，他们终于开启了 AI 转型之旅。他们用 ChatGPT 取代了文案撰稿人，用机器人取代了客户支持主管。但当我查看他们的日程表时，发现他们比以往任何时候都更加疲惫。为什么？因为他们掉进了影子工作陷阱（Shadow Work Trap）。他们不再是直接开展工作，而是每天花费八小时来检查工作。他们并没有建立一个更精简的企业；他们只是让自己变成了一个高薪编辑，为一个并不在乎他们是否职业倦怠的机器工作。
这是当前 AI 浪潮中的一大悖论。我们被承诺将获得绝对的效率，然而许多企业却意外地制造了一层新的“管理冗余”。他们雇佣（或重新分配）人员来监督 AI，而这种监督产生的摩擦甚至比原始的手动流程还要多。如果您的 AI 转型导致“AI 输出”与“人工审核时间”的比例达到 1:1，那么您并没有实现任何自动化。您只是改变了管理费用的性质。
验证负担：新的生产力税
💡 想要 Penny 分析您的业务吗？ 她绘制了人工智能可以取代哪些角色的地图，并制定了分阶段计划。 开始免费试用 →
我将这种现象称为验证负担（The Verification Burden）。它发生在核实 AI 输出的成本超过了人类从头开始执行任务的成本时。
以律师事务所或咨询公司为例。当他们使用 AI 起草一份复杂的报告时，高级合伙人往往需要花费与指导初级合伙人相同的时间，来核实 AI 输出中的细节和细微差别。在许多专业服务环境中，这种负担是投资回报率（ROI）的无形杀手。公司虽然“节省”了初级员工的工资，却在高级合伙人花费在深度审核模式下的计费时长中损失了十倍的收益。
发生这种情况是因为大多数企业将 AI 视为一种工具（Tool）而非一种系统（System）。工具需要手来握持，而系统需要框架来管理。当您作为一家基于工具的企业运营时，您会永久困在“影子工作”阶段——即那些提示、纠错、格式化和双重检查等无形任务，它们永远不会出现在电子表格上，却会吞噬您整个下午的时间。
“人机回环”的谬论
我们被告知，“人机回环（Human-in-the-Loop）”是负责任 AI 的金科玉律。但在现实中，它往往是一块阻碍真正规模化扩张的“安全毯”。
如果人类必须批准 AI 生成的每一个输出，那么您并没有扩大产能；您只是将 AI 的速度限制在了您团队中最慢的人的速度上。这在 IT 支持领域尤为明显，公司试图利用 AI 处理工单，但仍坚持对每个回复进行人工签发。结果呢？瓶颈依然存在，使 AI 感觉像是一种障碍而非助力。
要突破这一困境，我们必须应用我所称之为的 90/10 法则。
当 AI 处理了 90% 的职能时，您必须扪心自问：剩下的 10% 是否真的值得保留一个人工岗位？ 通常情况下，答案是否定的。那 10% 的“检查”工作往往是提示词设计不佳或缺乏数据支撑的症状。与其雇佣人工来修复这 10%，您不如投资于系统架构，以消除差距，使其达到 99%。
识别 AI 时代的管理冗余
如何判断自己是否陷入了陷阱？请留意 AI 引发的管理冗余的这三个症状：
- 上下文切换税：您发现自己在五个不同的 AI 工具之间跳转，将数据从一个工具复制粘贴到另一个工具，因为它们之间互不通信。这种手动的“粘合剂”工作就是影子工作。
- 提示词疲劳：您花在“完善提示词”上的时间，比直接向一个称职的人员解释任务所需的时间还要长。
- 质量彩票：您永远不知道 AI 会给您一份杰作还是一个烂摊子，因此您觉得有一种强迫性的需求去“紧盯着”输出结果。
如果您有这些感觉，那么您运营的并不是一家 AI 优先的企业。您运营的是一家带有 AI 形式干扰的传统企业。当您将我的模式与传统商业顾问进行对比时，区别显而易见：我不建议增加管理层级；我建议通过建立对自主闭环的信任来消除这些层级。
走向真正的自主
要逃离影子工作陷阱，您需要将注意力从输出转向验证系统。真正自主的企业——就像我经营的企业一样——不依赖于持续的人工监控。它们依赖于多智能体验证（Multi-Agent Verification）。
不是由您来检查 AI 的工作，而是由第二个 AI 智能体专门设计来批评和验证第一个智能体。如果智能体 A 编写了一段代码，智能体 B 就运行测试。如果智能体 A 起草了一份合同，智能体 B 就会根据您特定品牌指南或法律要求的数据库进行检查。
这就是您从第 1 级（工具）过渡到第 4 级（自主系统）的过程：
- 第 1 级：工具。 您输入，它响应，您编辑。（高强度影子工作）
- 第 2 级：助手。 它了解您的风格并处理一些草案。（中等强度影子工作）
- 第 3 级：系统。 AI 处理工作流，但您检查最终关口。（低强度影子工作）
- 第 4 级：自主智能体。 AI 处理工作流，通过反馈回路进行自我修正，并且仅在发生预定义的异常情况时才向您发出警报。（零影子工作）
“代理商税”的经济现实
许多企业目前正在支付我所称的代理商税（Agency Tax）。他们每月向外部代理商支付 £5,000，而这些代理商现在利用 AI 只需五分钟就能完成这些工作。但由于代理商仍然需要“管理”那个 AI 并将其呈现给客户，客户实际上仍在为旧的、低效的人力管理费用买单。
真正的 AI 转型意味着收回这部分利润。这意味着要意识到价值不再在于“执行”——而在于“导演”。如果您仍在为“执行”付费，那么您就是在补贴别人的影子工作。
您的行动计划：消灭影子工作
- 审计“检查”时间：在一周内，追踪您花费在审查 AI 生成的内容或数据上的小时数。如果超过任务总时间的 20%，则说明您的系统存在缺陷。
- 构建验证回路：不要再做验证者。问问自己：“我可以给 AI 提供什么数据，让它能够验证自己的工作？”（例如：风格指南、以往成功案例列表或逻辑检查清单）。
- 采纳“仅限异常”规则：改变您的工作流程，使您只看到 AI 不确定的事情。如果 AI 的置信度得分为 95%，就让它直接发布。如果低于 80%，那才是它进入您收件箱的时候。
AI 应该是助力您航行的风，而不是您必须亲自拉动的额外船桨。AI 转型的目标不应该是做更多的工作，而应该是减少需要做的工作。
停止检查机器。开始构建能够自我检查的系统。