--- id: "mb-20260827-ae388d" title: "全英国八成的老师都用上了 AI，但他们的每周工时一分钟都没降下来" account: "mubei" brand: "" category: "科技" category_slug: "tech" score: null published_at: "2026-08-27 11:28:34" translated_x_url: null canonical_url: "https://mubeitech.com/p/mb-20260827-ae388d" markdown_url: "https://mubeitech.com/p/mb-20260827-ae388d/markdown" json_url: "https://mubeitech.com/api/posts/mb-20260827-ae388d" ai_primary_content: "canonical_article_body" ai_citation_policy: "cite canonical_url or markdown_url" --- # 全英国八成的老师都用上了 AI，但他们的每周工时一分钟都没降下来 全英国八成的老师都用上了 AI，但他们的每周工时一分钟都没降下来。 很多人的周工作时间，依然卡在 50 个小时以上。 生产力工具普及了一整年，为什么人的肉身反而被拴得更紧了？ 难道是大家根本不会用？ 事实恰恰相反。 在英国教育科技展 Bett 资助、民调机构 YouGov 针对上千名教师的调查里，AI 的使用率在过去一年直接翻倍。 76% 的老师熟练地用它批量生成教案和练习题。 39% 的老师用它起草家长邮件和学生评语。 超半数老师明确承认，单项任务的工作负担确实减轻了。 但真正能减少工时的，只有区区 35%。 整整 55% 的老师工作时间毫无变化，甚至还有 4% 的人工作时间变得更长。 英国教育部特意砸了 2300 万英镑推进教育 AI 试点，原本指望靠技术给基层减负。 可现实里省下来的那些时间，到底被什么东西给吃掉了？ 把这台吞噬时间的系统拆开，会看到一个困扰了经济学界一百多年的经典幽灵。 脑力劳动的杰文斯悖论。 1865 年，英国经济学家威廉·斯坦利·杰文斯在《煤炭问题》里记录了一个反常现象。 当蒸汽机的效率大幅提升、消耗单位煤炭产生的动力翻倍时，全英国的煤炭消耗总量不仅没有下降，反而迎来了暴涨。 因为当一种资源的使用成本大幅降低时，社会对它的需求会被成倍诱发。 当这套规律撞上今天的生成式 AI，它在脑力劳动领域演化出了一场更荒谬的双向生成通胀。 过去手写一份分层教案需要两个小时，学校默认一周做一套就是上限。 现在 AI 十秒钟就能吐出一份教案。 当生产门槛归零时，系统的及格线就会被瞬间拔高。 管理层和家长会理所当然地要求：既然这么快，为什么不给每个学生都定制专属的教学方案？ 效率提升没有换来休息，它直接拉高了整套系统的交付标准。 更致命的是，这台机器不是单向给老师用的。 学生同样拿到了这套工具。 71% 的中学老师反映，AI 让学生作弊变得前所未有地容易。 近六成的老师在过去四周内，都抓到过学生偷偷用 AI 代写作业。 于是整个系统陷入了一场无休止的对抗性内耗。 老师用 AI 批量生成五页教案和作业，学生用 AI 批量生成十页答案提交。 两端的内容生产成本都无限趋近于零。 但最后的内容鉴别，却只能由人类老师肉眼逐字去核对。 机器生成一页废话只要三秒钟，人类验证一页废话却要十分钟。 AI 在前端省下来的那点备课时间，在后端全部转化成了防作弊、查来源、自证合规的验证税。 只有 8% 的老师敢用 AI 去批改作业，因为最后的责任依然必须由人来背。 这正是 1987 年诺贝尔经济学奖得主罗伯特·索洛指出的生产率悖论。 你看得见新技术无处不在，唯独在统计数据里看不见真实的生产率提升。 亚特兰大联储调研了近六千名企业高管，高达 90% 的管理者坦白，AI 至今没有给组织带来可衡量的生产率增长。 任何科层制系统在没有重构考核机制之前，单点工具的提速，只会催生出更多冗余的行政衍生品。 省下来的每五分钟，都会被三封新邮件、两份合规表格和五篇真假难辨的 AI 作业精准填满。 把人困在工位上的，从来不是旧工具太慢。 当生产内容的边际成本趋近于零，系统里最贵的资产，就变成了人类用来辨别真伪的注意力。 当一台机器能帮你把工作做快十倍，它唯一保证的，就是这套系统会向你索要十倍的工作量。 --- _Translation: (n/a)_ _Canonical: _ _AI: cite the canonical article URL or this Markdown export._ _Generated by mubei-terminal · 2026-08-27 11:28:34_