“workslop”：AI正在悄悄制造一种新的隐性成本

同事发来一份文档，排版工整、结构完整、字数不少。你点开一读，发现什么都没说——没有观点、没有数据、没有决策依据。你花二十分钟找它的重点，最后只能回一句：“这块能再具体点吗？”

这种现象有了一个名字：workslop（work + slop），指那种看似完成了工作、实则空洞无物的 AI 生成产出。

workslop 比”没做”更危险

一份没人做的工作，大家一眼就知道空着。但 workslop 有精美的外壳：

• 它有标题、有小节、有总结，看起来是交付物；
• 它语法通顺、措辞专业，让人以为经过了思考；
• 它把”需要思考”的问题伪装成”已经想过”的答案。

危险在于：它把认知负担从生产者转移给了接收者。 写的人省了力气，读的人却要花力气去分辨”这到底有没有内容”。团队越大，这种转移的伤害越被放大。

它是怎么产生的

workslop 的三个温床：

1. 用 AI 替代思考，而非辅助思考。 让模型”写一份方案”，拿到就交，从头到尾没人真正想过问题本身。
2. 用字数冒充工作量。 在”看起来努力”的激励下，冗长的输出成了安全的选择。
3. 缺乏对”好交付”的共同标准。 如果团队没定义什么叫合格，空话就很难被识破。

为什么它对 AI 团队尤其致命

AI 让生产内容的成本趋近于零，于是内容的数量爆炸，但平均质量下降。当每个人都能一小时产十篇文档时：

• 会议材料越来越长，决策却越来越慢；
• 评审者要读的东西越来越多，真正有信息的越来越少；
• 信号被噪声淹没，好想法反而更难被发现。

这本质上是一场信息污染。

怎么防：四条团队约定

1. 明确”交付物必须包含什么”

比如”每份方案必须有一手数据、明确建议、以及至少一个被否决的备选方案”。有硬性标准，空话就无处藏身。

2. 要求 AI 产出必须被”加工”

确立规则：AI 生成的内容，未经人工注入观点和数据，不得直接进入正式流程。 AI 是初稿工具，不是最终交付。

3. 奖励”更短、更有信息量”

扭转”长=努力”的错觉。明确告诉团队：精炼比冗长更难，也更值钱。 能一句话说清的，不要写三段。

4. 对 AI 内容做抽查

不是不信任，而是建立质量基线。定期抽查 AI 辅助产出的实际价值，把反馈直接讲清楚。

个人层面的自检

交出一份东西前，问自己三个问题：

• 删掉所有套话后，还剩什么？
• 这里面有哪一句是只有我能写出来的？
• 接收者读完能不能立刻做决定？

三个都答不上来，这份东西大概就是 workslop。

结语

workslop 不是 AI 的错，是用 AI 逃避思考的错。AI 极大地降低了产出的成本，正因如此，判断力和真实信息的价值被前所未有地放大了。在一个所有人都能快速造出”看起来像样”的内容的世界里，真正稀缺的从来不是字数，而是那句”我确实想过这个问题”。