人工智能與即時知識工作的興起

人工智能（AI）在職場中最引人注目的影響之一併非自動化本身，而是認知前置時間的壓縮。多年來，企業將“即時生產”（Just-In-Time）原則應用於物理供應鏈：減少庫存、消除冗餘、更快響應需求、最小化閒置產能。如今，AI似乎正將類似的邏輯引入知識工作，深刻改變白領工作的節奏與結構。

在AI工具普及之前，許多白領工作成果需要維持大量“認知庫存”，包括準備草稿、研究筆記、背景閲讀、演示框架以及半成品想法。這些庫存充當了關鍵緩衝，使得工作者能夠應對突發需求並保證質量。例如，一份銷售演示可能需要一週準備，技術提案需要多輪評審，戰略工作則依賴長期積累的背景知識和深思熟慮的綜合。這些認知庫存就像物理供應鏈中的安全庫存，雖然看起來是“浪費”，但實際上提供了抗風險能力。

AI極大地壓縮了這一過程。以作者的個人經歷為例，最近需要在僅幾小時通知的情況下準備一份客户計劃。以往他會要求至少幾天時間，但AI在一小時內生成了可行的初稿，他只需用剩餘時間完善、重構和壓力測試。結果不僅質量不低，在某些方面甚至優於以前。這種效率提升令人印象深刻，但同時也帶來了組織層面的深遠變化。

一旦這種即時響應成為可能，組織的期望會永久調整。經理更晚提出需求，截止日期壓縮，準備緩衝消失，即時響應成為常態。這與即時製造系統高度相似：效率提升巨大，但韌性被剝離。疫情期間，許多供應鏈因庫存緩衝消失而變得脆弱的教訓，同樣適用於知識工作領域。

AI可能在知識工作中製造類似的動態。提高即時響應能力的系統，也可能優化掉原本用於反思、錯誤檢測、深層理解和獨立判斷的認知冗餘。在AI輔助工作流中，人類角色從原創輸出轉向在高壓力下審查AI生成內容。這聽起來高效，但根本改變了工作的認知結構，使人類更像簡單審核員而非原創思考者。

深層風險並非“AI取代工作”，而是組織將人類認知視為按需資源：即時生成、庫存最小化、冗餘最小化、週期不斷壓縮。這創造了槓桿效應，但也催生了新的結構性脆弱性。我們最終可能會發現，知識工作中那些看似“浪費”的部分——過度準備、重複、空閒思考時間和積累背景知識——並非浪費，而是維持系統韌性的必要冗餘。