LENNY'S PODCAST・2026 年 7 月 12 日
AI 的蜜月期結束後
科技工作者真正害怕什麼？
在 Noam Segal 的科技工作者調查裡，最尖銳的壓力不只是「AI 會不會取代我」，而是同樣的薪水，卻被期待交出更多、更快、永遠跟上的工作。
SCROLL
在 Noam Segal 的科技工作者調查裡，最尖銳的壓力不只是「AI 會不會取代我」，而是同樣的薪水，卻被期待交出更多、更快、永遠跟上的工作。
Segal 在訪談中說，受訪科技工作者把「因 AI 丟掉工作」放在恐懼清單的後段；更往前的是一種熟悉但更難說出口的壓力：工具提高產出速度後，公司會不會把這件事換算成「同樣薪資、更多工作」？
這不代表工作保障不重要。它顯示的是日常經驗的時間尺度：人們先感受到的是工作量、節奏與期待如何改變，才是遙遠而不確定的職位消失。若組織只談採用率與效率，卻跳過這層感受，AI 很容易從助手變成壓力放大器。
訪談把受訪者的情緒分成四種輪廓：有人因新工具與機會而被點燃；有人同時看見機會與威脅；有人對路徑失去方向；也有人感覺被組織與產業改變所辜負。分類的價值不在替每個人貼標籤，而在於提醒管理者：同一份 AI 策略不會被所有人以同一種方式接收。
如果只看「大家有沒有使用 AI」，很容易把採用當成認同。更有用的追問是：誰因此得到更多自主權？誰只是收到更多任務？誰知道如何評估品質？誰擔心自己被迫追逐一套還說不清規則的標準？
Segal 將倦怠上升放進更長的背景：疫情後的重整、裁員記憶、工具變化與經濟不確定性都還沒有消失；AI 又帶來「必須更快」的新期待。把壓力全推回個人的適應力，會遮住真正能被改變的條件。
訪談裡的實用重點落在管理。員工是否能知道什麼是足夠好、哪些工作可以不做、何時可以說不知道、AI 產物要經過什麼驗證？這些不是附帶的文化口號，而是決定新工具會減少摩擦還是增加返工的操作規則。
一份調查能看見受訪者當下怎麼描述自己，不能單獨證明整個產業的因果。樣本怎麼來、題目怎麼問、不同職能與地區是否有差異，都會影響解讀。訪談中的百分比和情緒名稱值得拿來開會，但不該直接變成對每位員工的判決。
真正可行的下一步，是把外部訊號拿回自己的團隊：AI 導入後，哪些工作被刪掉、哪些被加上？評估標準有沒有變？人們是否敢提出風險？如果答案模糊，先補的是工作設計與對話，而不是下一個模型帳號。
AI 的壓力，不只來自它能做什麼；也來自組織決定把它換算成什麼期待。
這是依 Noam Segal 與 Lenny Rachitsky 訪談所作的繁中整理，不是逐字翻譯或獨立研究結論。
選完之後，分享你的觀點