-
行业资讯
INDUSTRY INFORMATION
当生成式人工智能迅速渗透进各类办公场景，不少企业发现了一个反直觉的现象：引入效率工具后，部分员工非但没有释放出更多创造力，反而陷入了更隐蔽的躺平状态。这种消极怠工不再是简单的迟到早退或出工不出力，而是一种对工作意义的深度怀疑与抽离。当机器能快速完成常规文案、数据分析与代码编写，人在这套协作系统中的不可替代性似乎正在消退，随之而来的职业焦虑催生了防御性的退缩行为。面对这种新现象，传统的考勤打卡和指标强压往往适得其反，企业必须重新审视技术冲击下人与组织的价值关联。
一、AI语境下的“躺平”变体：从体力懈怠到意义感抽离
讨论AI时代的员工躺平，需要先厘清其与传统摸鱼的本质区别。过去的消极怠工多源于体力上的疲惫或对薪酬的不满，而当下的躺平更多指向心理层面的意义感剥夺。
防御性退缩：面对技能贬值的自我保护
AI工具对职场最直接的冲击在于大幅拉低了部分技能的门槛。过去需要数年经验积累的初稿撰写、基础代码调试、常规图表制作，如今通过大模型几秒钟就能生成雏形。这种技能折旧让员工产生了强烈的危机感。当努力提升单项技能的收益变得极不可控，甚至随时可能被机器平替时，部分员工会选择降低投入度作为止损策略。他们不再愿意钻研业务细节，只完成指令明确的机械动作，对需要探索和试错的复杂任务本能地回避。这种退缩是对不确定性环境的本能防御，也是在预期收益下降时的理性算计。
价值感剥夺：沦为机器的附庸
更深层的问题在于工作成就感的流失。当员工发现自己的核心工作变成了给AI生成的结果做校对、修边角，或者仅仅扮演一个提示词输入者的角色，工作的主体性便荡然无存。创造的过程被简化为审核的过程，成就感自然无从谈起。人类需要通过克服困难、产出独特成果来确认自身价值，一旦工作内容被剥离了探索的乐趣，只剩下枯燥的确认与微调，员工就会觉得自己成了机器的附庸。这种意义感的真空，是导致精神层面躺平的关键诱因。
二、技术冲击背后的管理错位
把躺平简单归咎于员工个人的懈怠，是管理上的偷懒。AI引入初期的阵痛，往往源于组织管理模式的严重滞后。
效率提升的幻觉与分配机制的脱节
许多管理者对AI存在一种单维度的期待：用机器换人力，或者同量人力产出翻倍。当AI确实提升了某环节的运转速度时，管理层容易陷入效率提升的幻觉，随即增加工作量或缩减编制。但问题在于，效率提升的红利并未与员工共享。如果员工用AI省下的时间，只是被塞进了更多的常规任务，且薪酬与职级没有任何调整，他们自然没有动力去主动适应新技术。当多劳不能多得，反而可能面临岗位优化的风险时，装作不会用AI、维持低效运转，就成了员工最现实的生存策略。
技能迭代的断层与培训体系的缺位
企业往往默认员工应该自发学习AI工具，但实际情况是，多数员工并不知道如何将AI有效融入现有工作流。简单的工具操作培训无法解决业务场景的结合问题。员工在尝试中遇到挫折，或者发现AI生成的结果需要花费大量时间纠错时，很容易产生排斥心理。组织如果没有提供试错空间、没有建立内部经验分享机制、没有将AI应用能力纳入清晰的职业发展通道，员工面对新技术的无力感就会转化为集体的消极抵抗。
三、重新锚定“人”的价值：HR的干预逻辑
破解AI时代的躺平困局，核心在于重塑人在组织中的价值坐标。HR与管理者需要从岗位设计到心理建设，进行系统性的干预。
岗位拆解与重组：剥离机械性，放大非线性价值
面对AI的介入，岗位的颗粒度需要被重新细化。管理者应当对现有工作进行拆解，将那些逻辑清晰、规则明确、重复度高的线性任务剥离出来，交由AI处理。而保留给人类的，应当是那些需要同理心、复杂沟通、跨领域联想与道德判断的非线性工作。
以客服岗位为例，常规的问答与工单录入完全可以由AI接管，人工客服的职责应转向处理情绪激烈的客诉、识别潜在的法律合规风险以及提供超出标准流程的个性化关怀。岗位重组的目的是让人回归到需要情感与智慧的位置，当员工意识到自己是处理复杂异常情况的最终兜底者，而非流水线上的操作工时，职业尊严感才能被重新激活。
建立过渡期安全网：缓解技能折旧焦虑
要求员工立刻转型是不现实的，组织必须提供缓冲地带。在引入AI的过渡期，企业可以明确承诺在一定期限内不因AI应用而裁员，给员工吃下定心丸。同时，调整对新工作模式的容错率。员工在探索人机协作时必然会产生低效阶段，管理层不能仅凭短期的产出波动进行负面评价。
在培训体系上，应当放弃大水漫灌式的工具教学，转而采用基于具体业务场景的实战演练。由业务骨干牵头，梳理出高频应用场景的AI操作SOP，让员工看到实实在在的效率提升，消除对新技术的陌生感与恐惧感。只有当员工确认AI是辅助工具而非替代威胁时，防御性退缩才会停止。
四、绩效与激励的再平衡
当工作模式从纯人工作业转变为人机协作，传统的绩效考核体系必须随之修正，否则将加剧员工的不公平感与躺平意愿。
从产出计量到过程赋能的评价转向
过去的绩效管理高度依赖产出数量与耗时，这在AI时代已经部分失效。如果一个员工借助AI在两小时内完成了过去需要两天完成的文案撰写，管理者若因此认为工作量不饱和而增加派发任务，就是在惩罚效率提升者。长此以往，员工必然会刻意拉长工作周期。
评价体系需要从单纯的计量转向对过程贡献的评估。除了最终产出，还要考量员工在调教AI模型、优化提示词、建立业务知识库上的隐性贡献。这些工作短期内可能看不到直接的业绩产出，但长期看是在为组织沉淀数字资产。绩效指标应纳入对知识共享、流程优化和团队赋能的考量，让那些愿意将AI使用经验分享给团队的人得到正向回报。
识别隐性贡献：人机协作中的兜底与修正
AI生成的结果往往带有隐蔽的偏差或事实错误，需要人类进行专业判断与修正。这种“兜底”工作极具价值，但在传统计件逻辑下却难以量化。如果审核修正AI错误的时间不计入有效工时，员工就会倾向于不纠错，直接让带有瑕疵的工作成果流向下一环节。
管理者必须在绩效评价中明确“质量把关”的权重。对于发现并纠正重大风险隐患的行为，应给予与创造新价值同等的激励。同时，在人机协作的成果署名与利益分配上，要明确人的主导地位。承认员工在构思、决策与最终把关上的核心作用，而非将其贬低为机器的附属操作员。
结语
AI时代员工躺平的表象之下，掩藏着对技能贬值与意义丧失的深层恐惧。技术本身不制造消极，错位的管理才是一切防御性退缩的根源。当机器负责处理确定性的计算，企业更需要为员工构建充满不确定性的成长空间。重塑岗位的不可替代性、提供转型的安全网、修正与人机协作匹配的激励规则，是打破僵局的关键。把人当人看，而非把人当算力看，员工才会把组织的事当成自己的事。
