先讲三句人话：
第一，用 AI 不一定省时间，员工每周花 6.4 小时「看顾」AI（喂资料、修错误、检查输出），比真正用 AI 干活还多。
第二，AI 不拉平人的差距，它放大差距，同样用 AI，一半人变强、四分之一原地踏步、四分之一反而变弱。
第三，AI 的账单正在改变公司的选择，美国企业被 AI 成本吓到，开始转向便宜好几倍的中国模型。
Botsitting（看顾机器人）≈ 员工花时间「伺候」AI：喂资料、修错误、检查它干得对不对。这是没人统计过的隐形劳动。
AI Agent（智能体）≈ 不只聊天、还能替你干活的 AI：写代码、订行程、处理表格。
token≈ AI 处理文字的最小单位，也是按量计费的「用量」。用得越多，账单越贵。
前向部署工程师（FDE）≈ 专门帮企业把 AI 用好的人，OpenAI、Anthropic 都在招。
如果你只想知道「AI 在职场里到底发生了什么」，读完这块就够了。下面是展开的线索。
出处 · Bloomberg
出处 · 看 06-17 日报 →
出处 · The Atlantic
出处 · HBR
出处 · HBR
Botsitting 是这半年职场最被忽视的现象：员工每周花 6.4 小时「伺候」AI，比真正用它干活的时间还多。喂资料、修错误、检查输出，全是没人统计、没人给钱的隐形劳动。
企业以为买了 AI 就能买回员工的时间，结果员工用省下的时间去当了 AI 的保姆。
二、AI 放大差距，而不是拉平KPMG 的 523 人研究发现：批判思维、AI 素养、领域知识这些基础技能，并不能决定谁 AI 用得好。真正拉开差距的是「怎么和 AI 协作」：主动编排工作流、质疑输出、把 AI 当思想伙伴的人（放大器）远超基线；不加审视直接接受 AI 输出的人（委托者）表现持平；越帮越忙的人（学徒）反而更差。
AI 并没有让工作标准化，反而放大了「会协作」和「不会协作」的人之间的差距。
三、账单在改变公司的选择Uber 烧光了预算，Walmart 限制 token，还有家公司一个月要花 5 亿 token 费。美国企业的 AI 账单大到不得不开始精打细算。这时候，中国的 GLM-5.2 出来了：够好，还便宜好几倍。
RAND 研究员说过：「担心的场景是中国有够好又只要四分之一价格的模型」。当企业被账单逼着做选择时，价格就成了最大的变量。
“担心的场景是中国有够好、又只要四分之一价格的模型，我觉得我们正朝那个未来走。”
—— Kyle Siler-Evans · RAND AI 研究员 · The Atlantic
“AI 不标准化工作，它放大人们运用技能的差异。”
—— KPMG / 德州大学奥斯汀分校研究 · HBR
出处来源自付费项目「吃点好的」高质量阅读库，到这里进入深度阅读区 →