编者按：随着 AI 工具的普及，我们常常感觉自己“变快了”，但一项对 16.4 万名知识工作者的研究却发现：AI 工具让行政任务增加了 90% 以上，却让深度工作的时间减少了近 10%。如何避免陷入这种“越忙越没有产出”的伪生产力陷阱？《深度工作》（Deep Work）作者 Cal Newport 提出了 3 个实用的建议。本文翻译自他的文章《Avoiding Digital Productivity Traps》。
上周，我在新闻简报中总结了一项有趣的研究结果，该研究分析了 164,000 名知识型工作者的行为。研究发现，引入 AI 工具后，行政任务增加了 90% 以上，而深度工作的投入却减少了近 10%。
我得出的结论是，问题在于数字生产力工具往往加快了错误的任务。这些任务可能在当下让你觉得很高效，但随着时间的推移，反而会导致我们真正完成的事情变少。正如我强调过的，AI 并不是唯一产生这种矛盾副作用的技术——我们在电子邮件、移动计算和在线会议软件中也看到了类似的情况。
那么，避免这些陷阱的解决方案是什么呢？
在我播客的最新一集中，我提出了三个可能有帮助的建议。我也想在这里总结一下：
建议 #1：使用更好的计分板 (Use a Better Scoreboard)
确保你衡量的是工作中真正重要的事情。例如，如果你是研究机构的教授，这可能是你每年发表的论文数量。如果你是团队经理，它可能是每月完成的优先项目的数量。
当你在工作流程中引入新的数字生产力工具时，不要过于关注它们对单个任务的影响（例如，“哇！发这封电子邮件比发传真快多了，”或者“AI 刚刚在 20 分钟内完成了一项原本需要我 3 小时的任务！”）。相反，你应该关注你的“计分板”。如果你没有比以前产出更多有价值的成果，那么这个工具并没有真正让你变得更高产。
建议 #2：关注正确的瓶颈 (Focus on the Right Bottlenecks)
如果你仔细观察许多知识工作项目，你会发现一个决定完成速度的关键瓶颈。如果你想变得更高产，你应该寻找方法来部署能够改善这一特定步骤的工具。
例如，在写《深度工作》（Deep Work）这本书时，我与一位著名的沃顿商学院教授交谈过。他告诉我，在他所在的领域发表期刊论文的关键之一，是获取有趣的数据集。他每年发表的论文比大多数同行都多，很大程度上是因为他花了更多时间与公司和机构建立联系，以寻找好的数据。这就是他工作的瓶颈。
因此，任何能够帮助他培养更多此类关系、并从已建立的关系中收集更好数据的工具，都会直接提高他的生产力。将此与使用 Claude Code 等工具来加快论文绘制图表的过程进行比较：后者可能在有限的时间窗口内让他的工作更加便利，但未必能增加他每年发表的论文数量。
建议 #3：将深度工作与浅层工作分开 (Separate Deep from Shallow Work)
我最后的建议最简单：在你的日常日历上，明确地将直接产生价值的专注努力时间，与行政、后勤和协作任务分开。这样一来，如果某个数字生产力工具最终意外地增加了你每天面临的浅层工作量，你至少能限制住这种损害，保护你在重要项目上取得进展的能力。
这让你能够更容易地尝试不同的工具，而不必担心自己会落入文章开头提到的研究对象那样的境地——突然被超高速处理的琐事淹没，而重要的事情却在慢慢停滞。
