AI 产出变成“工作垃圾”：Shopify、多邻国高管开始反思 AI 优先
据 IT之家 9 月 19 日消息，当地时间 17 日，《财富》杂志网站报道称，一些曾积极推动 AI 进入日常工作的科技公司领导者，正在对“AI 优先”的执行方式重新踩刹车。Shopify 联合创始人兼 CEO 托比亚斯·吕特克，以及多邻国 CEO 路易斯·冯·安，近期都公开谈到 AI 大规模使用后暴露的问题：未经检查的邮件、代码和内容被直接交给同事，表面完整，实际却需要别人返工。这类现象也被研究人员称为 “工作垃圾”（workslop）。
从“必须用 AI”到警惕 AI 滥用
Shopify 曾是企业内部强推 AI 的代表之一。来源显示，吕特克去年曾要求员工把使用 AI 视为基本要求，在申请更多人力或资源前，先证明现有工作无法通过 AI 完成。这样的管理思路反映了过去一年科技行业的主流情绪：AI 不只是辅助工具，而是提升个人和组织效率的基础设施。
但随着 AI 工具被广泛接入邮件、文档、代码和项目沟通，新的问题开始出现。吕特克批评部分员工把未经审查的 AI 邮件和代码直接交付出去，却不对结果负责。他把这类产物形容为“垃圾手榴弹”——发送者把看似完成的工作扔给他人，真正的审核、判断和修补成本却落在接收者身上。
这种问题并不只发生在文字场景。AI 可以把几句话扩写成长篇说明，也可以生成结构看似清晰的代码或方案，但如果用户本人没有认真阅读、测试和验证，AI 就不是在节省时间，而是在把工作转移给下一环节。
多邻国的 AI 优先也开始降温
多邻国此前同样对 AI 抱有激进期待。来源提到，路易斯·冯·安去年宣布公司转向“AI 优先”，员工考核将参考 AI 使用情况，部分人工承包商的工作会被 AI 替代，只有当团队无法自动化所需工作时才增加人手。
不过，今年 5 月接受《Fast Company》采访时，他承认自己曾被 AI 在写作演示中的表现打动，但在真正扩大使用规模后发现，AI 仍难以替代员工的创造力。以语言学习内容为例，如果需要生成大量故事，最终可能会出现相当一部分质量不合格的内容。对教育产品而言，内容质量和学习体验一旦受损，AI 带来的效率提升就会被返工、筛选和用户信任成本抵消。
“工作垃圾”为什么比普通低质量工作更麻烦
BetterUp 实验室和斯坦福大学社交媒体实验室今年调查了 962 名美国全职办公室员工。结果显示，52.7% 的受访者称曾把 AI 工作垃圾发给同事；机构越鼓励使用 AI，这种情况越常见。另有 38% 的受访者表示收到过这类内容，平均每月要花 3.4 小时进行修改。
研究所说的 AI 工作垃圾，并不是简单的“写得差”。它的麻烦在于外观往往像合格成果：格式完整、结构清楚、语气专业，但内部缺少真正有用的判断、信息或可执行性。例如，邮件格式和结构都很完整，链接却无法打开；代码本可以简单处理，却被 AI 写得异常复杂。
- 表面完成度高：容易让接收者误以为内容已经过认真处理。
- 验证成本后移：审核、纠错、重写被转嫁给同事或下游团队。
- 协作信任受损：接收者会质疑发送者的能力、态度和责任感。
- 组织成本上升：AI 节省的时间可能被返工和沟通消耗抵消。
调查还显示，一旦员工怀疑收到的是 AI 工作垃圾，就会认为发送者能力更差，也更不友善。在收到过这类内容的人中，36% 表示今后希望避免再与这些同事合作。这说明 AI 产出质量不仅是效率问题，也会影响团队协作关系。
解读：企业需要的不是“多用 AI”，而是“会用 AI”
过去一年，许多企业把 AI 使用率当作数字化转型指标，甚至把它纳入员工评价。但 Shopify 和多邻国高管态度变化说明，AI 普及的下一个阶段重点将从采用率转向质量控制。会不会使用 AI，不能只看是否生成了内容，而要看结果是否经过人的判断、验证和压缩。
对中文科技行业同样有启发。无论是办公自动化、客服、研发提效，还是内容生产和教育产品，AI 都更适合承担草稿、检索、归纳、测试辅助等环节，而不是替代最终责任人。企业如果只鼓励员工“把工作交给 AI”，却没有建立审核标准、交付规范和责任边界，最终可能得到更多看似高效的半成品。
从产业趋势看，AI 工具不会因此退场，但企业对 AI 的部署会变得更务实。未来的竞争点不只是模型能力，还包括流程设计、质量评估、员工培训和人机协作规范。真正有价值的 AI 应用，应当减少无效沟通和重复劳动，而不是制造更多需要同事拆解的“工作垃圾”。