1.6 万人说更累了，报告该怎么读

一份报告的原标题直译过来有点刺人：Growing Nowhere，意思是"哪儿都长不成"，而不是"哪里都在增长"。这份报告叫 Workforce 2026，由光辉国际在 2026 年 9 月 8 日发布；样本是 11 个市场、1.6 万余名职场人。

报告里有组数字特别容易被截图。62% 的人说过去两年工作量明显加重；45% 说忙到没时间做真正有成果的事；44% 说被要求做超出自己能力范围的事。同一批企业里，79% 的 CEO 认为 AI 提升了效率，而一线员工里只有 51% 这么认为。一个报告，两套体感，这就是它真正刺人的地方。

这篇文章要做三件事：把报告的核心数字摊开，把另外几组研究放在旁边对照，再告诉你哪些数字能信、哪些得打折看。

报告说了什么：三条主线

第一条主线是"累"。62% 的人说过去两年工作量加重，45% 说忙到做不出成果。44% 说被要求做超出能力范围的事，还有 61% 的人正在承担不止一个岗位的职责。一个人干几个岗位的活，被这几个数字摆在了明面上，它解释的不是谁不够努力，而是分工本身在收紧。

有意思的是 AI 在这里扮演的双重角色。52% 的人说用上 AI 之后任务反而变多，同时又有 63% 承认 AI 确实提升了效率；这两句话并不矛盾，因为省下来的时间很快被新任务填满了。效率涨了，人更累了，这就是当下的真实状态，像换季整理衣柜，空出来的位置很快被新衣服占满。

第二条主线是"散"。39% 的人说，缺管理者让他们不知道方向在哪；同时有 42% 的企业在过去一年削减了管理岗位；留下来的管理者里 55% 处于精疲力尽的状态。裁掉的是中间层，先掉的却是方向感。

第三条主线是"动力变了"。推动员工留下来的原因里，薪酬占 85%，工作安全感占 83%，而"工作意义"这一项从前一年的重要位置滑了下来。用一句话概括：钱和安全留下了人，但没给他们方向感。

落差在哪：同一件事，两套体感

报告里更值得琢磨的，是感知落差。决策层看到的是效率数字变好，一线看到的是任务变多，同一件事在两张桌子上有两个版本。据中国经济网 9 月 10 日转述的麦肯锡调研，80% 的企业认为 AI 提高了效率；但只有 37% 认为它对营业利润有贡献。

同一份调研里，47% 的中层与一线表示对 AI 有压力或焦虑，高层这个比例是 31%。光辉国际自己上一年的报告也有类似发现：78% 的管理者认为团队已经掌握了 AI；而认同这一点的员工只有 39%。四个数字放在一起，指向的是同一个缺口。

落差本身就是信息。如果一项技术只在汇报里有效，它在流程里大概还没落地；就像体检报告上各项指标都正常，人却天天失眠，那多半说明查的项目不对。

预期与实际的差距，比技术差距更大

企业说要裁人，和企业真的裁人，是两件事。据麦肯锡 8 月 25 日的调研，上一年度 32% 的受访者预计企业会因 AI 缩减编制；一年后实际发生裁员的只有 14%。未来一年的预期是 39% 减少、43% 基本不变、10% 增加。

据标普全球 2026 年 8 月 17 日的报告，64% 的企业希望用 AI 理顺流程；59% 想提高单个人的产出；只有 24% 把缩减人员写进规划。一句话：预期总是跑在实际前面。

这不代表没有裁员。据第一财经 2026 年 8 月 26 日的报道，2026 年科技行业公开披露的裁员人数超过 11 万；同期也有大量岗位在被补招。总量在动，方向并不单一。

反方证据：技术跑得快，组织改造跟不上

如果只看企业宣传，会觉得 AI 已经改造完了世界，但另一批研究给出的画面完全不同。据麻省理工 NANDA 的研究，结论来自 300 多个企业 AI 项目；其中 95% 的生成式 AI 试点没能在损益表上留下可衡量的回报。RAND 的统计更直接：超过八成的 AI 项目会失败，大约是传统 IT 项目的两倍。

据 NBER 2026 年 7 月的企业调查报道，覆盖美英德澳近 6000 名高管；超过八成表示，过去三年 AI 对就业和生产率没有可衡量的影响。据普华永道 2026 年全球 CEO 调查，56% 的 CEO 认为 AI 投资还没带来收入或成本改善；同时实现收入和成本双向改善的只有 12%。Gartner 则预计，到 2027 年底超过四成的智能体类项目会被取消。

两组数据摆在一起看，结论不是"AI 没用"，而是从技术到位到收益到账之间，隔着组织改造这一段路。

中国这一半的拼图

上面这些报告，样本里基本没有中国大陆，所以必须补上中国的数据，否则容易把境外结论直接套到自己身上。据国家统计局 8 月 19 日的发布，7 月全国城镇调查失业率 5.2%；16 至 24 岁不含在校生群体的失业率是 17.9%；25 至 29 岁是 7.2%。

一个容易被忽略的数字是工时。同期企业就业人员周平均工作时间 48.2 小时，每周 48 小时意味着什么？按五天算每天接近 9.6 小时；按双休算等于每周多上一天班；再直白一点，相当于每个月多干四天半。每周多出来的这一天，像被没收掉的周末。

岗位结构这边，前程无忧在 2026 年 8 月 25 日发布了校招洞察。样本包括 6352 份企业问卷和 18792 份个人问卷。其中 68.3% 的企业称总体用人规模稳定，只有 7.3% 称基础岗位被替代；但 35.9% 的应届生自己感知到了替代压力。个人感知明显高于企业行动，这个差距和麦肯锡的"预期 32%、实际 14%"是同一个现象。

需求形状也在变，据猎聘 2026 年上半年的招聘数据，初级岗位需求增长 1.6%；中级增长 5.3%，高级增长 4.8%。另一条容易被忽略的线索来自法院。据杭州中院 2026 年 4 月 28 日的发布会，该院 2025 年受理劳动争议案件 12359 件。这个数字同比增长 61.68%。其中涉高新技术企业的案件占比，由不足 25% 上升到 50% 以上。岗位争议的重点正在从传统行业转向科技公司，变化的速度像医院门诊换了主要病种，这个信号值得记下来。

这些数字该怎么读

读了这么多组数据，有三条读法上的提醒，比数字本身更有用。第一，先看样本口径，再看结论。11 个市场、1.6 万人自报感受，这类数据的价值在趋势，不在绝对值；样本里没有中国大陆，就不能当作中国职场人的状态描述。

第二，分清自报和客观。员工说累，不等于生产率下降；企业说提效，也不等于利润上升，前者问的是感受，后者问的是财务报表，两者不能互相证明。第三，注意时间滞后：技术进入流程，和收益出现在报表上，中间通常隔着一个组织调整周期；所以短期内同时看到效率提高和回报未现，是正常的，不必急着下判断。

还有一条底线：不同口径的数字不能相加。12.5 万人的裁员统计是绝对值，14% 的裁员比例是占比，统计范围不同，放一起相加只会得出错误结论。仙踪问道团队在整理这类报告时注意到，口径不同的数字被放进同一张图里比较，是误读的常见起点。

普通人能做的三件事

第一件，把 AI 省下来的时间记下来。不带情绪地记一周：哪件事变快了、省了多久、省下来的时间去哪儿了。省时间这件事像往杯子里倒水，杯子不换，水就会溢出去，谁都不记得它曾经存在。如果省下的时间全部被新任务填满，那说明问题不在工具，在任务分配。

第二件，把工作里搬运类的部分单独列出来，比如整理材料、录入信息、按固定话术回复。这三类动作是最容易被改写的一段流程，像流水线上最容易换掉的那道工序。认清它，不是为了焦虑，是为了决定先补哪一块能力。

第三件，把结果留痕。能写清"我做了什么事、结果是多少"的人，位置比"我参与过某个项目"的人稳。这不是话术，是长期积累的差别。

总结一下

这份 1.6 万人的报告说明的，不是"AI 让人更累"，而是组织把技术收益兑换成业绩的时间，比员工承受变化的时间更慢。

效率涨了、人更累了，可以同时成立；钱和安全留下了人，方向感却掉在了半路。数字不会自己给出结论，读法才决定你能拿到什么。仙踪问道提醒：看职场类报告，先确认口径，再判断趋势，最后才谈观点。

如果你也在关心 AI 与职场的真实变化，欢迎关注。我会继续把这类报告拆开，把外文原文里的数字翻译成能用的判断。

你所在的公司，用上 AI 之后省下来的时间流向了哪里？评论区说说真实情况，我们一起看看这笔时间账是怎么算的。