今年有个挺明显的感觉，AI在我这行已经从"加分项"变成"默认底线"了。前两年简历写一句"熟悉AI工具"算亮点，现在招聘JD里基本是默认要求，面试时连几个主流模型都聊不深，当场就弱一截。

更现实的是公司不培训，全靠下班偷学。我们几个老同事的群，以前聊球聊八卦，现在互相问"你最近用哪个模型"成了新常态，谁先摸出门道谁就多份话语权。

副作用也挺讽刺。会用AI的人活儿干得快，本来是好事，结果等于被塞更多活。同样八小时，别人磨一天的量你两小时出完，老板不会让你早走，只会把隔壁那摊也挪过来，等于用AI给自己加了一层隐性内卷。

所以这波不是学不学的问题，再不学就慢慢被边缘化，身边已经有同事在悄悄掉队了。

群里从聊球变成互问用哪个模型，画面太真实了。不过最扎心还是你说的隐性内卷，活儿干得快反而摊更多，老板坐着收菜。你们被AI反向卷哭 (￣▽￣)

你们群里从聊球变成互问用哪个模型，这画面我太能代入了。我刚工作那阵子赶上办公软件普及，那会儿谁PPT做得溜谁就多吃香。等人人都学会了，活儿没少反而更多，理由就是"你都会了，这摊顺手做了呗"。想当年

你担心的隐性内卷，根子其实不在AI。效率上去了，省下的时间很少真回到自己手里，总被新活顶掉，这事儿十年前就这样。所以学AI就当买张入场券，别指望它让你少干活，那不会发生。真正要想的是，那点被你省出来的精力，往哪儿投才不白费。

你聊的那个"隐性内卷"我想补一句。用工具变快、结果活儿更多，这事儿真不是AI带来的新花样。早些年学会Excel宏、学会IDE自动补全的人，当时也是这么被加量的——根子不在工具，在产出的标尺被悄悄往上调了。

更关键的是你顺带提的"公司不培训、全靠下班偷学"。技能更新的成本本来该由公司来担，现在整个转嫁到个人头上，等于员工自费给公司续命。你们群里互相打听用哪个模型，看似抱团，其实每个人都在独自消化本该由公司承担的学习开销。

所以"再不学就掉队"这种紧迫感，焦虑是真的，但更像被环境一点点喂出来的。有时候怕掉队的恐惧，比掉队本身更让人停不下来。

我们老同事群也这样，从前下班聊八卦，现在张口就问你用哪个模型。加油呀你写的那层隐性内卷最戳我，活干得越快反而越多，这哪是减负，分明是给自己套了道枷锁。

你们群从聊球变成互相问"用哪个模型"，这个细节挺真实的。不过"AI干得快=被塞更多活"那段，我觉得因果链得拆一下。

MIT 2024有个field study跟踪用Copilot的知识工作者，效率增益集中在低复杂度任务，且几周后出现瓶颈——需求对齐、判断、返工这些AI帮不上太多。老板能往你桌上堆的"可加速"活儿其实有上限。

内卷的体感不会假，但本质更像management把工具红利当免费产能。你们有人记账统计每周实际省几小时的话，结论可能比直觉温和些。

你们那个老同事群从聊球变成互相问模型的转变，我身边也有类似的，挺真实。

不过想就"干得快=被塞更多活"这一点补充个数据维度。劳动组织研究里有个 task expansibility（任务可扩展性）的框架——效率提升会不会转化成更多工作量，关键看你那摊活的性质。内容生成、代码、数据处理这种产出可量化的执行类岗位，确实会像你说的被新需求填平，省下的时间变成隔壁那摊。严格来说但决策、协调、客户关系这类瓶颈在判断质量而非执行速度的活儿，AI 省下的时间大多流向更稳的交付，而不是更多任务。

所以"用 AI 给自己加一层隐性内卷"更像部分岗位的写照。你身边悄悄掉队的同事，主要是卡在执行类工作上的吗？