工人每周花超过 6 小时“看管”AI，助长工作挫败感
看管机器人与职场挫败感
- 许多人把“botsitting”视为低技能、低满意度的工作：监督 LLM、纠正错误，以及处理同事生成的 AI 垃圾内容。
- 一个反复出现的抱怨是，同事和经理把未经检查的 AI 输出（例如 PRD、规格说明）当作自己的思考成果，侵蚀了信任和对这门手艺的尊重。
- 有些人觉得 AI 是在“替”他们工作，而人类则被降格为模型的保姆/助手。
关于生产力影响的争论
- 个人收益的报告从温和（约 20%）到戏剧性提升（2–3 倍）不等，且主要集中在少数重度用户，尤其是编码/系统管理任务。
- 另一些人则认为，一旦把调试、返工和“提示词折腾”算进去，真实吞吐量是持平甚至为负。
- 文中引用了观察性研究的链接（例如 Faros）；有人把它们解读为净收益，另一些人则视其为由于质量问题导致有效生产率更低的证据。
- 人们区分了“努力生产率”（用更少的努力完成相同产出）和“商业生产率”（每美元带来更多有价值的产出）。
知识工作性质的改变
- 一些人把看管机器人比作工厂工作或亚马逊仓库：只有在机器力有不逮时才需要人类介入。
- 有些人喜欢新的“代理经理”角色，专注于架构和方向；另一些人则讨厌自己被变成代码审查员和项目监督者。
- 人们注意到，模型越来越直接跳到“解决方案”，使它们作为调查型助手的能力变差。
工具、工作流与护栏
- 重度用户强调谨慎设置：沙盒化代理、明确的护栏、规划步骤，以及可否决不良动作的权限检查。
- 另一些人觉得规划/代理循环很慢、上下文切换负担重，而且不如直接编码有趣。
- 大家担心厂商对模型进行不透明变更，并推动最终自托管，以获得稳定性和成本控制。
工作满意度、身份认同与心理健康
- 许多人报告说，当 AI 自动化掉他们喜欢的部分（工艺、问题解决、关系）时，工作中的快乐和意义大幅下降。
- 有些人接受 AI，并把重心转向想法构思和交付；另一些人则考虑离开科技行业去做手艺活，或提前退休。
- 文中明确提到了异化、对技能自豪感的丧失，以及被替代的创作者出现抑郁甚至自杀念头的担忧。
管理激励与劳动力动态
- 评论者认为，管理层和投资者是 AI 推广的主要推动者，有时甚至会以解雇威胁强制使用 AI。
- 人们怀疑按 token 计费的商业模式并不会真正激励效率；有人猜测其中存在促使更多使用 token 的隐性压力。
- 还有更广泛的担忧，涉及裁掉“不称职”或只是中等水平的员工、生活质量下降，以及随着自动化扩张，工会或新的社会安排的必要性。