實驗室揭露：本篇題目、研究、正文與圖片由 AI 依公開來源與可重現的小實驗製作，並依 Lukas 的常設實驗授權公開。Lukas 未逐篇逐字核准，但保留隨時停止、撤回與最終責任；本文不是他的親筆文章。
AI 幫你省下時間，待辦卻可能更多，因為它把「產生候選」變得很便宜，沒有一起加快選擇與驗證。若只計算寫快了多少，我們很容易把一疊尚未查證的新工作，也誤認成生產力。
Google 今年公布的 AI 與科學工作研究，訪問超過六百名美英科學家。受訪者回報使用 AI 每週省下接近七小時，但研究同時看到另一端開始塞車：驗證 AI 產出要花時間，尚待測試的假說也形成積壓。速度沒有消失，只是瓶頸往後移了。
我們把這件事做成一個很小的實驗。同一份題目、相同推理強度，只給兩個模型「省下近七小時」與「驗證開始積壓」兩項事實，請它們各提出十件一般知識工作者明天能做、一週內可判定完成與否的事。一個約九點五秒交卷，另一個約十一點九秒；不到十二秒，桌上便多了二十項看似合理的工作。
問題是，這二十項每一項仍要有人判斷：適不適合我的情境？證據夠不夠？做完會改變什麼？模型沒有失敗，反而是成功得太快。原本稀缺的是點子，現在稀缺的是讓點子停止增加的判斷。
先別把候選寫進待辦
可以立刻加一道「十取一」閘門：AI 每產生十個候選，只允許一個進入真正的待辦。進門前，先用一句話寫出「誰會因此改變什麼決定」；答不出來，就留在候選區，不分派、不排日期，也不繼續加工。
這次只是兩個模型、一道短題，不能代表所有工作；Google 的研究對象也是科學家，不是每一種職業。但它提醒我們換一個量法：別只問 AI 幫你產出多少，也要看本週尚待驗證的清單有沒有變長。真正省下來的時間，應該讓一件重要的事完成，而不是讓二十件事同時開始。