為什麼用 AI Agent 之後，反而越來越忙？
三個觀察、四份研究
用 Claude Code 半年、自動化越多、工作越多。一查才發現這不是我一個人的錯覺。 從 1865 年的 Jevons Paradox、MIT 2025 的 Cognitive Debt、到 Atlassian 2026 的 89% 高管說 AI 加速、卻只 6% 看得到 ROI，這篇拆給你看。
這篇不是教你怎麼用 AI、是討論用了之後的副作用。我自己用 Claude Code 半年的真實感受 + 4 份研究佐證。
適合已經在用 AI 的人（你會發現自己不孤單）、也適合正要導入 AI 的好奇者（提早知道副作用、別蹈覆轍）。每個技術名詞首次出現都會白話解釋。
導入 AI 半年後，我的工作時間沒減少、反而變更長
2025 年底我把 Claude Code 全面導入工作流：寫文章、批改學員作業、跑爬蟲、做漏斗數據儀表板、整理 Notion、回 Discord、發 LINE 通知，甚至寫 OG image 自動產圖。理論上應該超省時間。
結果半年後我發現：每天工作時間沒少、反而更長。而且體感更累、不是因為打字、是因為腦袋一直在切換 context、想下一步、驗證 AI 產出對不對。
一開始以為是自己的問題、後來查了 2025 到 2026 的研究、才發現這是整個產業集體的副作用、有名字、有研究、有數據。
AI 沒有讓你變閒。它把你的時間從「執行」搬到了「管理 + 驗證 + 想下一步」。如果你不主動設總量上限、工作只會像水填滿杯子那樣、自動長到 AI 省下來的空間。
接下來分三個觀察聊。每個觀察我會先講我自己怎麼感受到的、再帶 2025-2026 的研究數據、最後給讀者可以怎麼做。
1工作量會自動填滿 AI 省下的時間
半年前我主要經營 兩條產品線：BRAND 線上課程 + 1v1 諮詢。Claude Code 進場後、這兩條的營運壓力的確降下來了。
結果呢？我半年多了：接案實戰班的漏斗系統、9 篇 ai-lab 對外文章、記帳平台、內部 AI 主管團隊、Discord / LINE Bot 自動回覆、各種爬蟲跟自動化腳本 40+ 個...
不是因為這些「非做不可」、是因為「AI 能做、那就做吧」。原本兩條產品線、現在募成五六條、每條都接近滿格。原本以為 AI 會讓我做更少、結果它讓我做更多。
這個現象有名字、叫 Jevons Paradox（傑文斯悖論）。1865 年英國經濟學家 William Stanley Jevons 觀察到：蒸汽機效率提升、煤的單位用量減少、結果總用煤量反而暴增。因為效率讓做事的成本變低、人們就會做更多。
當某個資源變得更便宜或更有效率、人們不會省下來、而是會用更多。聽起來反直覺、但 160 年來在能源、汽車、運算資源都驗證過。 比喻：你以為買省油車會省下油錢、但結果開更遠、總油費還是一樣多。AI 就是那台省油車、你的工作量就是里程數。
效率 +10%、卻不是省時間、是多 order scans
頂尖經濟學家 Torsten Slok 在 2026 年 4 月引用 Jevons Paradox 解釋：AI 在放射科讓每張 scan 判讀效率提升 10%、但醫生反而 order 更多 scans，因為「現在更快了、就多做幾張保險」。最終放射科醫師的工作量沒減少、反而增加。
AI 加速個人、組織就提高速度期待
UC Berkeley 的研究觀察到「workload creep」現象：AI 讓個人任務變快、但組織會立刻提高速度期待、把省下的時間填回更多工作。原本 20 分鐘的任務變 20 秒、員工沒因此休息、直接被推進下一個 20 秒的任務。失去了原本工作之間的自然認知喘息空檔。
主動設總量上限、不要被效率綁架
效率提升 ≠ 工作減少。如果你不主動設總量上限、工作會像水自動填滿你騰出的時間。
- 設「每週產出上限」而不是「每天工時上限」（時數會自動延長）
- 把省下來的時間預先排成休息、像買股票要先 hold cash
- 誠實問自己：「這個 AI 能做的事、我『要不要』做」、而不是「我『能不能』做」
2管理 AI 變成一份新的工作
半年下來我累積了：56 個 Skill（指令）、近 400 條 Memory（記憶）、近 400 個自動化腳本。每一個都要維護、要更新、要 debug。
然後我發現：整理 Skill 比寫 Skill 還耗時。命名衝突、舊邏輯沒同步、memory 之間互相矛盾、腳本壞了不知道是哪個改動造成的。AI 工具越多、管理成本越高。本來是要省時間的、結果變成「管 AI」這份新工作。
這不是個人問題、是整個產業的集體現象。Atlassian 2026 年 State of Teams 調查了 12,000+ 知識工作者跟 170+ Fortune 1000 高管：
89% 高管說 AI 加速、卻只 6% 能指出 ROI
89% 高管說 AI 提升了工作速度。但只有 6% 能明確指出 AI 帶來的組織級 ROI 在哪。MIT Media Lab 的另一份報告甚至更悲觀：95% 的組織導入 AI 後看不到可衡量的回報。
80% 員工沒時間 / 能量做本職工作
Microsoft 2025 Work Trend Index 調查全球職場：80% 員工沒時間或能量做自己的本職工作、近一半的人形容工作「混亂且碎片化」。當 AI 加速個人輸出、但下游的審核、決策、整合卡在人類的判斷瓶頸、整體 flow 反而被堵住。
14% AI 用戶出現「Brain Fry」(認知過載)
波士頓顧問集團（BCG）調查 1,488 位 AI 用戶：14% 出現「brain fry」、也就是因為持續監控 AI 產出造成的認知過載。最累的不是寫 prompt、是「驗證 AI 寫得對不對」這件事。
Overhead 就是「為了讓事情運作而要付的隱形成本」。AI 自動化的 overhead 包括：寫 prompt、設 SOP、驗證輸出、整合多個 AI 的結果、修 bug、教 AI 你的偏好、維護 memory / skill 的一致性。 比喻：你雇了 10 個員工確實能做更多事、但你變成全職主管、每天開會、寫績效、調解衝突。AI agent 多了之後、你不知不覺也變主管了。
把 Agent 當員工管、不是工具用
工具用完就丟、員工要長期培養。AI agent 比較像後者。
- 每個 Skill / Agent 都要有 owner 跟更新節奏（不是寫完就忘）
- 定期復盤、砍掉沒用的（我的 40 個 Skill 裡有 10 個半年沒動過、該砍）
- 驗證流程做成 checklist、不要每次都從頭想（節省「腦袋切換成本」）
- 接受「AI 越多、管理越重」是常態、預留 20-30% 時間給管理本身
3習慣 AI 之後、自己重新思考變吃力
我發現一件可怕的事：當 Claude 暫時連不上、我會選擇先不工作、等 AI 恢復再說。
不是寫不出來、是「我覺得跟 AI 協作更有效率、自己做太慢、不如等」。
然後我嚇到：等等、半年前我每一篇文章、每一個決策、每一個策略都是自己從零做出來的。現在我是不是已經失去了自主工作的能力？不是不能、是不願意、也不敢相信自己一個人做會比較好。這個自願棄權的瞬間、比「想不出來」更危險。
這個現象 MIT Media Lab 在 2025 年做了一個著名的研究、用腦波儀 EEG 直接量測。
83.3% 用 ChatGPT 寫文的人、無法回憶自己寫過什麼
論文標題就叫「Your Brain on ChatGPT: Accumulation of Cognitive Debt」。54 位 MIT、Harvard、Tufts 學生分三組寫文章（用 LLM / 用搜尋引擎 / 完全自己寫）、用 EEG 監測腦波活動 4 個月。
結果：用 LLM 那組腦部跨區域連結度大幅下降、83.3% 的人無法準確回憶自己剛剛寫過的內容。當研究人員之後要求他們不用 LLM 寫一篇、他們很難重新啟動本來該用的神經迴路。
越常用 AI 的人、批判思考能力越低
2025 年另一份對 600+ 人的研究：受訪者的 AI 使用頻率跟批判思考能力呈明顯負相關。用 AI 越多、認知外包（cognitive offloading）越多、批判思考分數越低。不是 AI 讓他們變笨、是他們不再用自己的腦袋了。
類似於「技術債」的概念。技術債是「現在偷懶寫爛 code、未來要付出更多時間重構」。 認知債是「現在讓 AI 思考、未來自己思考變吃力」。每一次「直接讓 AI 寫」、都是在借一筆債。 比喻：肌肉不練會萎縮、思考也是。用導航久了、自己看地圖會迷路。用 AI 寫久了、自己起稿會卡住。
留下「不用 AI 的肌肉訓練時間」
不是叫你不用 AI、是要留下一些不用 AI 的時段、刻意練思考的肌肉。
- 每天留一段「手寫筆記時間」（紙本、平板都好、不能用 AI）
- 重要決策前、自己先寫一份判斷、再去問 AI（不是反過來）
- 每週留 1-2 個「裸測」任務、不開 AI、純自己做、感受啟動成本
- 讀書、寫日記、跑步思考這些「無 AI 活動」當成像健身一樣的固定肌肉訓練
最危險的不是 AI 取代你、是你開始覺得沒有 AI 就做不好。
用 AI 不變成 AI 的奴隸、要記住這三件事
工作量會自動填滿 AI 省下的時間。主動設「產出總量上限」、不是「工時上限」。預先把省下來的時間排成休息、不然會被工作偷走。
Agent 越多、管理 overhead 越重。把 AI 當員工管、不是工具用。每個 Skill 都要有 owner、定期復盤、預留 20-30% 時間給管理本身。
習慣 AI 會借「認知債」、要刻意還。每天留一段不用 AI 的時間、重要決策前自己先想一輪、每週做 1-2 個「裸測」任務練思考肌肉。
最後一個感想：AI 真的很強、但「想清楚自己要什麼」這件事永遠是稀缺資源。AI 能放大你想做的事、但無法替你決定該做什麼。野心要自己控、節奏要自己抓、思考要自己練。剩下的、再交給 AI 就好。
同主題的其他文章
2026 三大研究結論：multi-agent 的價值是「並行覆蓋」、不是「分工」。為什麼把 AI 排成組織圖通常會更糟。
Mega prompt + 5 個視覺心法 + Playwright PDF 匯出。新手可看懂的完整流程教學。
Skill / Memory / CLAUDE.md 三層架構、怎麼讓 AI 累積知識、不用每次重講一遍。
研究與參考來源
- Jevons Paradox： Fortune 2026/4：A 160-year-old paradox explains why AI will create more lawyers and accountants—not fewer
- AI Productivity Paradox： Fortune 2026/3：The AI productivity paradox: More work, not less
- Atlassian State of Teams 2026： The AI efficiency paradox: When productivity gains don't mean better results
- MIT Media Lab Cognitive Debt 研究： Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task
- Psychology Today 整理： Your Brain on AI: Cognitive Offloading, Debt, and Atrophy
- World Economic Forum： AI paradoxes: Why AI's future isn't straightforward