“再这样下去不行，必须改革，必须提高生产率。”
话说得很响。可一提新的做事方法，门就关上了。
还有一句更耐人寻味：“效率提高后省下来的时间，你准备干什么？”
当然是做更有价值的事，解决下一个问题，或者按时下班。如果目的只是让所有人一直忙，那不如把电子邮件也禁了。给每位同事写信，再亲自送过去读一遍，工时肯定惊人。至于产出，就不好说了。
这听起来像笑话，却暴露了职场中一种真实的矛盾：嘴上要求成果，实际却更在意忙碌的样子。
1. 还没提出改进建议，热情就已经没了
入职的第一周，确实充满干劲。
但到了下一周，培训内容开始重复。不同讲师轮流讲差不多的东西，整体安排缺乏连贯性。原本期待学到新东西，后来只想问：“这套培训到底是谁设计的？”
等到正式分配工作时，热情已经大幅下降。随后又看到逐条录入电子表格、逐条检查和不够清晰的资料。
必须把时间顺序说清楚：最初失去热情并不是因为改进建议被拒绝。培训阶段就已出现变化，实际工作只是进一步强化了那种失望。
2. 要求创新，却不给试验的机会
公司希望提高效率，可一谈使用 AI，就以“信息安全不允许”结束对话。哪些任务适合试用、哪些数据不能进入模型、能否在受控环境里做小规模验证，这些问题很难继续讨论。
信息安全当然重要。本地运行模型也需要权限管理、维护、数据保护和输出质量检查。技术上能运行，不代表企业已经具备安全使用的条件。
但合理的下一步是分析风险：划清数据边界，选择低风险场景，试验并记录收益与问题，再决定是否采用。美国 NIST 的 AI 风险管理框架提供的正是评估和管理风险的方法。
全面放开与一律禁止之间，还有很大的空间。一边喊创新，一边不允许研究如何创新，员工收到的信号自然是矛盾的。
3. 节省的时间，可以拿来做更好的工作
做一份报告，退回修改，再提交，再退回。如果这种往返耗费大量时间，也许该重新设计需求确认和审批流程，而不只是催人改得更快。
假设一份同等质量的报告从四小时缩短到三十分钟，就能节省三个半小时。这只是举例，并非某家公司的实测数据。按照 OECD 的定义，劳动生产率关注每小时劳动产生的产出。
腾出的时间可以改善其他流程、检查质量、服务客户。工作完成后减少加班，同样有价值。
“时间省下来怎么安排”可以是正当的管理问题；但如果潜台词是“你是不是想偷懒”，就会打击改善积极性。
真要比谁更忙，把电子邮件改成徒步送信就行。可人们采用邮件，恰恰是为了把事情做得更好。
4. 能干的人被奖励更多工作，结果反而不想干了
任务做完得快，就再来一项。下一项也完成，又来一项。工作量看不到上限，报酬、自主权和休息时间却没有同步改善。
这就形成了反向激励：越有效率，越可能失去自己节省下来的时间。
有关付出与回报失衡的研究，说明这种状况值得认真对待。不过，单个经历不足以证明热情下降的具体因果比例。
更合理的办法，是把改进成果同时用于控制负荷、员工成长和恢复时间，而不是无限追加任务。否则，员工很容易学到“别做得太快”。
5. 不只是把事情做快，还要问事情为什么存在
能否加快录入是一回事，为什么要重复录入则是另一回事。可以催快审批，也可以问为何每次都要反复确认。
组织学习研究区分两种做法：在现有规则下修正行动，以及重新检查支撑这些规则的假设。后者很有力量，但也需要核对法律、安全、审计等不易看到的约束。
个人内容生产也会遇到类似问题。为了避免公开个人信息，可以建立剔除规则与审核流程，而不是停止全部创作。规则还需要持续测试，不能当成万无一失的保障。
理解限制到底保护什么，再寻找符合限制的做法。这才是有意思的改进。
6. 交给公司的时间，也是自己的人生
一天的工作时间过去就不会回来。除了工资和头衔，还应该问：这些时间有没有让我掌握可以带到其他地方的能力，增加将来的选择？
拿到证书被夸奖当然不错，但赞美结束之后，自己究竟多了什么能力？这个问题更重要。
反过来，如果一个工作环境允许尝试新技术，也能控制负担，人就可能愿意向朋友推荐岗位。真正涉及朋友的人生，还要让对方自己核对职责与待遇。能不能推荐给在乎的人，是衡量一个职场的严肃标准。
结语：不是不想工作，而是不想白白花掉人生
有意义的难题，即使费力也值得投入。真正消磨热情的，是叫人创新却禁止尝试，叫人提高效率却只统计工作时长，看到别人做得快就一直加活。
“省下来的时间打算干什么？”
做更好的事，学习能带走的技能，或者按时回家。
如果非要看到大家长时间忙碌，那就先开个会讨论恢复手写信吧。会议纪要最好用毛笔写，仪式感拉满。
参考资料（5条）
- OECD 劳动生产率定义：https://www.oecd.org/en/data/indicators/labour-productivity-and-utilisation.html
- NIST AI 风险管理框架：https://www.nist.gov/itl/ai-risk-management-framework
- 双环学习的系统综述（2023）：https://doi.org/10.1111/emre.12615
- 付出与回报失衡研究（1996）：https://pubmed.ncbi.nlm.nih.gov/9547031/
- 员工表达意见与管理者回应研究（2012）：https://doi.org/10.5465/amj.2010.0562
