没人读的报告(二):现在,系统在漂移

Industry Analysis
#AI#Future of Work#Workslop#METR#DORA

没人读的报告(二):现在,系统在漂移

副标题:闭环合拢的这一年 作者:James Xie

前言:两端都是机器,格式还是给人看的

上一篇把旧制度拆了:一份报告干三件事——传信息、留思考证据、钉责任。AI 抽掉的地基是”文档必须由人写”。

这一篇看现场。2026 年了,这条链合拢到什么程度了?

还是那条脉脉帖子:“现在开会就是互丢 AI 文档。“高赞评论:“其他人 AI 读,然后交给 AI 开发,这不就闭环了。”

把闭环完整画一遍:AI 写报告 → AI 读报告 → AI 出建议 → 按建议执行 → 执行本身也是 AI(computer use、agent 流水线)→ 执行产生的数据喂给下一轮 AI。

AI 文档闭环的六个环节

六个环节,需要人睁着眼的,零个。

这事最荒诞的地方在哪?如果通信两端都是机器,最优方案是结构化数据——schema、状态同步,一句废话都不用有。但实际发生的是:一个 AI 写八千字人类散文,发给另一个 AI,对方再压缩回三行。格式是给人设计的,读者却是机器。 为什么?因为流程每一环还挂着一个名义上的人——要”过目”、要”批示”、要”留痕”。人已经不在环里了,环还保持着有人在的形状。

英文圈有人更早捅破这层纸。Tim O’Brien 有篇文章标题就很直接:“No One Wrote It. No One Read It.”——没人写,没人读,两个名义上在场的人,谁也没干那个活。他说的是邮件。到 2026 年,这已经是整条流水线的默认状态。

本篇要回答的就一个问题:这个闭环现在转得怎么样了?答案先放这:比段子快得多,而且藏在底下的问题,比效率严重得多。

第一章:先是通胀,然后没人读了

上一篇说过,写作成本本质是”造假很贵”的证明。AI 把成本打到零,接下来会发生什么?

经济学里有现成答案:印钱不要钱,结果不是大家变富,是通胀。文档也一样。生成不要钱,文档爆炸,单篇的信号价值趋近于零。

哈佛商业评论去年发的 workslop 研究(BetterUp Labs 和斯坦福,1150 人)测到的是通胀早期:40% 的人一个月里收到过 AI 生成、看着像样、实际没法用的文档,每份要搭进去 1 小时 56 分钟返工;50% 的人收完之后默默下调了对发件人的评价。

注意这些数字的前提:还有人在读,还有人在生气。

今年的趋势是,气都不生了——收到 workslop,扔给自己的 AI 去消化别人的 AI。HBR 今年六月的续作(牛津 Holweg、Babson Davenport)给这个阶段起了名:knowledge decay,知识腐坏。workslop 在组织里复利累积,员工不再信任内部文档,机构记忆变薄。劣币驱逐良币,文档库整体失去信用——包括里面那些本来是真的。

三个阶段看得很清楚了:第一阶段,成本转移给读者;第二阶段,读者离场;第三阶段,文档库整体失去信用。我们正处在一、二阶段之间,头部公司已经在往三走了。

第二章:三组数据,三个部位

体感不重要,看指标。三家互不相干的机构,各测了这条链的一个部位。

三组生产环境指标

METR,2025 年 7 月,测的是”人还在不在环里”。 16 个资深开源开发者、246 个真实任务,随机对照。用 AI 的人感觉自己快了 20%,实测——慢了 19%。43 个百分点的错觉。时间被切碎吃掉了:写 prompt、等生成、检查产出、修”差一点就对”的地方,每一刀都不大,加起来比自己动手还慢。但大脑记账的方式是:等待不算干活,敲键盘才算。所以人人觉得自己快了。

这组数据要是放在学术史里看,一点都不新鲜。1983 年,Lisanne Bainbridge 有篇经典论文叫《自动化的反讽》(Ironies of Automation),讲的就是这个悖论:自动化越完善,人的手艺退化得越快;而自动化越完善,出了事就越需要人介入——可那时人最不行。 四十三年前的预言,METR 今年用随机对照实验给它补上了数字。

Google DORA 2025 加 Faros 遥测,测的是”监督去哪了”。 约 5000 名从业者:90% 在用 AI,只有 24% 信任它的产出。不信,但照用。Faros 的数据补了下半句:重度用 AI 的团队,PR 合并量涨 98%,review 时间涨 91%。监督没消失,它堆成了流水线末端永远清不完的堰塞湖。清不完怎么办?你也猜到了:交给 AI。闭环就是这么咬上自己尾巴的。

PNAS 加 ICLR,测的是”筛选机制往哪边偏”。 PNAS 去年的实验(AI-AI bias):同一批论文摘要,GPT-4 改写版对人类原版,AI 评委选 AI 版的比例 78%,人类评委只有 61%。机器偏爱机器写的东西。今年 ICLR——全球最大 AI 顶会——75800 份评审,约 21% 被检出整篇 AI 生成(Pangram Labs 的检测)。连科学界的质检层自己都被同化了。

三个部位查完:监督者的状态感知失真,监督动作堆积后外包,筛选标准向机器倾斜。闭环不是”正在形成”,是已经基本合拢。所以那句话我说得不轻松:闭环里最危险的不是 AI 出错,是人以为自己还在环里。

第三章:真正严重的问题——ground truth 没了

三组数据放一起看,能看出一个比”效率下降”严重得多的故障。

健康的组织决策是个控制回路:看现实 → 做判断 → 行动 → 现实反馈 → 修正判断。文档在里头扮演的角色是参考信号的记录——当时的判断基于什么事实、什么推理,白纸黑字,供将来对账。

闭环合拢后呢?AI 观察的是 AI 整理的资料,判断基于 AI 的摘要,行动由 AI 执行,执行数据再喂回 AI。回路还在转,但回路里没有任何一个点接触现实。

维纳 1948 年写《控制论》的时候就讲透了反馈的原理:一个系统要稳定,必须有外部参考信号来校正自己。抽掉参考信号的回路不会停下来——它会自激振荡,输出看着很活跃,跟现实的关系越来越随机。仪表盘全是绿的,系统在漂移。

这就是”互丢 AI 文档”值得认真对待的原因。问题不是文档没人看——那只是症状。问题是组织的决策回路正在失去和现实的接触面,而且从流程图上看不出来:节点都在,消息在流,格式漂亮。更麻烦的是这种故障没有报错日志——漂移是平滑的,等你从结果上看出来,地基已经换过一轮了。

第四章:两派各对了一个字段

闭环是好是坏?乐观派说内容不重要、结果才重要,文档本来就是仪式——CodeRabbit 的博客标题 “Nobody Is Going to Read the Code”,注意那语气,不是警告,是卖点。悲观派说没人理解系统了,能力在退化,责任在真空里飘。

用第一篇的三功能拆开:两派各对了一个。

传信息这个功能,乐观派对,机器通信确实不需要散文,死得好。思考证据和责任锚点,悲观派对——METR 里那些觉得自己快了 20% 的人,就是校验和归零后无人自检的样子;每个被 approve 却没人读过的 diff,都是一枚签名还在、抵押已撤回的图章。

闭环对 payload 是精确打击,对校验和是误杀,对签名是架空。炸楼的时候,没人区分承重墙和隔断。

结语:没有编译器的行业怎么办

为什么软件行业先走到这步?常识答案:代码是知识工作里唯一能被机器直接验证对错的产出,编译器和测试就是验证器。

值得追的是下一句:没编译器的领域,验证器在哪? 量化金融有回测,所以它闭环合拢得最快;学术界原本有同行评议这个人肉验证器,但 ICLR 那 21% 说明人肉验证器自己也在被换掉。战略、管理、创意这些领域,一份烂方案两年后才爆雷——闭环会卡在最后一公里。

卡在哪个零件上?提示一下:三个功能里,payload 和校验和都可以没有人类,但有一个,从原理上就没法委托给没有资产、没有执照、不会疼的节点。

下一篇,讲这个零件为什么杀不死,以及整套东西该怎么重构。

金句卡片

  • “人已经不在环里了,环还保持着有人在的形状。”
  • “闭环里最危险的不是 AI 出错,是人以为自己还在环里。”
  • “自动化越完善,人越不行的时候,恰恰是最需要人的时候。”
  • “没有外部参考信号的回路不会停,它会自激振荡。仪表盘全是绿的,系统在漂移。”
  • “炸楼的时候,没人区分承重墙和隔断。”

参考来源:

  1. Tim O’Brien, “No One Wrote It. No One Read It.”, Medium
  2. BetterUp Labs & Stanford Social Media Lab, “AI-Generated ‘Workslop’ Is Destroying Productivity”, HBR, 2025-09
  3. Holweg & Davenport, “Don’t Let AI Slop Muck Up Your Company’s Processes”, HBR, 2026-06
  4. METR, “Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity”, 2025-07(arXiv: 2507.09089)
  5. Lisanne Bainbridge, “Ironies of Automation”, Automatica, 1983
  6. Norbert Wiener, “Cybernetics”, 1948
  7. Google Cloud, “DORA 2025: State of AI-assisted Software Development”, 2025-09
  8. Faros AI 工程遥测(PR 合并量 +98% / review 时间 +91%)
  9. Laurito, W. et al., “AI-AI bias”, PNAS 122 (31), 2025-07
  10. Pangram Labs, ICLR 2026 评审检测报告, 2026
  11. CodeRabbit, “Nobody Is Going to Read the Code”, 2026-05

🖼️ [封面图]: 极简数据主义风格,一个高速旋转发光的环形箭头,但参考输入端口悬空未接线;环中央一把空椅子;深邃黑背景,荧光青回路,悬空端口处一点生锈金,8k