一週省 13 小時卻只有 13% 公司變好：Glean 報告揭開「替機器人擦屁股」的真相

TL;DR

• Glean 的 Work AI Institute 訪問六千名上班族，發現八成七的人都在用 AI、七成三覺得更有生產力、平均每週省下十三個小時，但只有百分之十三的人說公司整體因此明顯變好。
• 省下的時間有一半（每週六點四小時）被吃回去，花在「bot sitting」：餵 AI 上下文、盯它出錯、收拾它的爛攤子。報告替這個沒人計算、沒人獎勵的隱形勞動取了名字。
• 接著演化成「bot shitting」：把自己根本無法解釋的 AI 產出直接往下游丟，六成九的人承認做過。
• 個人生產力提升為什麼沒變成公司業績？關鍵在「協調失靈」跟「缺乏上下文」，而不是員工偷懶。
• 最痛的不是工作變多，是被要求自動化掉自己真正喜歡的那部分工作。

先認識一下這集的來賓

這集在 2026 年 6 月 10 日上架的是 The Cognitive Revolution，主持人 Nathan Labenz 專訪走在 AI 最前線的研究者跟創業者，定位是「給認真想搞懂 AI 怎麼落地的人聽」。這集的來賓是 Rebecca Hinds 博士，Glean 旗下 Work AI Institute 的負責人，也是暢銷書《Your Best Meeting Ever》的作者。

Hinds 是 Stanford 一路念到博士的人，研究主題就是 AI 怎麼重塑職場，之前在 Asana 創辦並帶領 Work Innovation Lab，現在跳到 Glean。Glean 你大概聽過，這家做企業 AI 的公司今年用七十二億美元估值募了第六輪，產品從早期的「企業內部搜尋」一路長成現在的 work AI 平台，核心賣點是 Enterprise Graph（企業圖譜，把公司的人、文件、任務、目標全部串成一張有上下文的網）。這份《Work AI Index 2026》報告就是 Hinds 帶著八位學者，訪問六千名分布在美國、英國、澳洲的知識工作者做出來的。

八成七的人在用，但公司沒變好

先把那組怪數字攤開。八成七的上班族在用 AI，七成三覺得自己更有生產力，平均一週省十三個小時。十三個小時，差不多是一週工時的三分之一。聽起來像天堂。

然後重點來了：只有百分之十三的人說，自己的公司因為 AI 表現「明顯變好」。

個人爽翻，組織原地踏步。這個落差不是 Glean 一家發現的，過去一年講「AI 預算燒了沒回報」的報導你應該看過不少。我自己之前整理Rajiv Jain 把整個 Mag7 砍光的時候就聊過，這位管一千六百億美金的老手算給你看，AI 三年要砸三兆資本支出、營收卻只有七八百億。錢進去了，東西出不來，是整個產業共同的尷尬。

這份報告的價值在於，它第一次認真去追問：那十三個小時，到底跑去哪了？

Bot sitting：替機器人擦屁股的隱形勞動

報告丟出一個新詞叫 bot sitting，字面上就是「照顧機器人」。它指的是讓 AI 真的能用所需要的所有雜活：餵它上下文、盯著它、debug 它、收拾它搞砸的東西。平均一週六點四小時，剛好把省下來的時間吃掉一半。

Hinds 講了一個很關鍵的點，她叫它「exhaustion multiplier」（疲憊放大器）。bot sitting 裡面最累的兩件事，一個是餵上下文，因為這本來就是 AI 該自己知道的事（哪份文件才是權威版、哪份是兩年前的舊檔），卻得人類一筆一筆塞給它。另一個是 debug，你看得出輸出是錯的，但因為 LLM 是機率性而不是確定性的，你根本搞不清楚它哪裡壞了，你動了一個參數它好了，你也不知道是不是真的因為那個參數。這種「黑箱裡瞎調」的感覺，最磨人。

我對這段超有共鳴。主持人 Nathan 講了一個自己的例子，他有個 agent 每天掃行事曆找新的 podcast 預約，然後自動去翻他過去幾百份訪綱、爬網路、做功課。結果這次因為漏接了一個連結（沒抓到這集要談的那份新報告），整份產出有八成是廢的。他發現了、補了一句「你漏了最重要的東西」，才救回來。這就是 bot sitting 的日常：AI 給你一個七成完成度的東西，剩下三成你得自己補，而且補的過程經常比從頭做還煩。

不過 Nathan 也提了一個我認同的反向觀點：bot sitting 真的有那麼慘嗎？以前這些事你得全部自己做，現在 AI 幫你做掉一大半，你只是負責收尾。問題的答案，Hinds 講得很準：差別在「員工累到沒有好奇心了」。對我們這種一天到晚在玩 AI 的人來說，調教模型本身就是樂趣。但對大多數本來工作就already滿載的人，多出來的不是探索空間，是又一層雜務。

Bot shitting：把自己都解釋不了的東西往下丟

bot sitting 累積到一個臨界點，就變成 bot shitting。

這個詞指的是：把沒檢查過、自己根本無法解釋的 AI 產出，直接往下游交出去。報告裡四成的人承認，他們交出過「被問起來也解釋不了」的 AI 工作。而更廣義的 bot shitting（包含用不該用的 shadow AI 工具、用了卻不揭露）算進去，比例衝到六成九。

六成九。這個數字有兩種讀法。悲觀的讀法是職場正在被 AI slop 淹沒。但我想換個角度：如果三分之二的人都在閉著眼睛把 AI 產出往下丟，輪子卻還沒整個掉下來，這某種程度上反而證明了這些東西已經夠好用了。當然，這不是什麼值得慶祝的事，只是說明問題比表面複雜。

Hinds 點出最致命的一種，叫「協調失靈」（coordination neglect）。她舉了一個讓我笑出來的例子：我把一個 bullet point 用 AI 擴寫成五頁報告丟給同事，同事覺得太長，再用 AI 把五頁壓回一個 bullet point。每個人看起來都超有生產力、都省了一堆時間，但整件事就是一個「燒高級燃料的倉鼠滾輪」。個人效率的提升，在團隊這一層憑空蒸發了。

說白了，這就是為什麼個人省十三小時、公司卻沒變好。生產力沒有消失，它是在人跟人交接的縫隙裡漏光的。

最痛的一刀：被要求自動化掉你喜歡的工作

報告裡有個乍看矛盾的發現：最害怕被 AI 取代的人，反而最積極地用 AI、甚至自動化掉自己本來想留著的工作。

為什麼？因為恐懼。你怕被淘汰、又看不懂這技術、公司也沒給你支撐，於是你想「看起來很 AI native」，本能反應就是盡量自動化。而你最熟悉、最容易拿來自動化的那部分工作，往往剛好是給你最多成就感的那部分。

Hinds 舉的例子是客服。一個花了幾十年練出「跟客戶建立長期關係」這門手藝的客服老手，突然被要求把這件事交給 AI，自己改去當「監工」，盯著 agent builder 的介面、看它哪裡出包。這個人當初會做這行，就是因為喜歡跟人講話啊。她引了一個 Stanford 的研究：四成一的 YC AI 新創，正在自動化「人們其實想保留給人做」的事情。

這裡藏著一個我覺得很重要的判斷：能自動化，不等於該自動化。工作裡的某些摩擦跟麻煩是有價值的，你親手把一件難事做出來，會長出 ownership、判斷力跟驕傲，而這些不是「nice to have」，是真正驅動高績效的東西。

但殘酷的是，從老闆跟客戶的角度，邏輯又幾乎無法反駁。Nathan 提到自己公司的客服，AI（Finn）的即時回覆對客戶就是實打實的價值，幾分鐘解決掉本來要來回半小時的問題。所以這把刀沒有標準答案，每個人、每個團隊、每家公司的算法都不一樣。這也是為什麼 Glean 一直在強調 Enterprise Graph，理論上一張夠完整的企業圖譜，能根據過往互動判斷「這類對話該交給人、那類該全自動」，而不是一刀切。我之前寫Anthropic CFO 拆解算力是顏料不是電費時也提過類似的概念：上下文才是讓 AI 從「通用廢話」變成「精準答案」的關鍵。

給管理者跟個人的幾個務實判斷

報告還有一個讓我覺得要留意的數據：做最多 bot sitting 的人，同時也最可能正在找下一份工作。Hinds 的解讀是，如果你整天在手動餵 AI 上下文，這本身就暗示你的公司根本沒有像樣的 AI 策略，員工會用腳投票。而 bot shitting 做最多的人，通常是已經對組織失去認同感的那群。

更刺一點的觀察是：那些 bot sitting 做到變成專家的人，往往發現自己的市場價值在公司外面更高。換句話說，你最會用 AI 的那批人，正是你最可能流失的人。

那管理者該怎麼辦？Hinds 給了幾個方向，我挑三個比較硬的：

做法	重點
獎勵協作而非個人	高績效組織獎勵「有效協作」的機率是低績效組織的五點五倍。Hackathon 不要只獎勵業績影響最大的，也獎勵「進步最多」「最佳前後 prompt」「最佳共創」
理解 shadow AI 的「為什麼」	偷用未授權工具的常常是高績效者，因為公司給的工具爛。該做的是把安全的路變成最有效率的路，而不是抓人懲罰
把資料交到員工手上	表現最好的那 13% 公司，不只量測生產力，還把數據「不成比例地」交回給員工，讓一切透明

至於 AI 偵測工具能不能抓 bot shitting，Hinds 的態度是「太早了，而且沒有對每家公司都對的答案」。她更在意的是文化跟心理安全感，理想狀態是員工願意自己舉手說「這份是 bot shit，我來解釋為什麼」。

我自己最認同的是她講的「mission premium」（使命溢價）。當組織被迫做出痛苦的改變時，如果員工根本不相信公司在做什麼有意義的事，這場轉型會非常難帶。反過來，如果使命夠清楚、員工又真的買單，他們對短期陣痛的容忍度會高很多。Hinds 還補了一句很到位的話：拆掉層級（flatten the org chart）之前，你得先有清楚的使命，因為層級本來就是員工在不確定時的行動指南，你拆掉它，總得拿東西補上。

最後關於 Elon 跟 Jensen 那種「明星 CEO 打法」，Hinds 的提醒值得抄下來：Jensen 不跟直屬部下開一對一會議，這招在 NVIDIA 行得通，是因為他們有「mission as boss」，每個人都清楚使命、完全買單。但這套硬複製到其他 99.9% 的公司，大概率會炸。AI 轉型尤其如此，因為它太「心理」了，別家頭條上看起來很猛的做法，貼到你公司未必管用。

這份報告最讓我反覆想的一句話是：AI 本身既不是好的也不是壞的，它不會自動讓你的組織變好或變壞，全看你怎麼用它。省下的十三個小時可以變成四天工作週跟更多創造力，也可以變成倉鼠滾輪上更多的 slop。差別不在模型多強，在於你有沒有認真對待「人」這一塊。

這類把 AI 落地拆到組織跟個人層面的觀察我會持續寫，訂閱 wilsonhuang.xyz 就不會漏掉。

Sources:

• Rebecca Hinds, PhD - LinkedIn
• Work AI Institute | Glean
• Babysitting the Machine - The Cognitive Revolution
• Glean Series F announcement