Glean发布《工作AI指数2026》：揭示AI可用性的隐形成本与'Botsitting'现象
在AI工具普及的当下，企业普遍关注其带来的效率提升。然而，Glean Work AI Institute于2026年7月发布的《工作AI指数2026》（Work AI Index 2026）却将视角转向了更深层的真相：AI节省的时间究竟去了哪里？
该报告基于对全美、英国及澳大利亚6,000名全职数字员工的广泛调研，结合Glean Work AI平台脱敏数据与数十位AI领袖的深度访谈，揭示了一个关键现象：员工每周报告节省的约11小时，实际上有一半以上被用于另一项工作——让AI变得可用。
什么是'Botsitting'？
Glean将这种为了弥补AI能力短板而进行的额外劳动定义为botsitting。数据显示，员工每周平均花费6.4小时进行botsitting，这一时间甚至超过了直接使用AI生产工作的时间（36%）。
botsitting主要包含三大核心活动：
- 补充上下文（Feeding AI context）：每周约2.3小时。员工需手动解释内部缩写、确认季度定义、指定优先数据源等，填补模型对组织隐性知识的认知空白。
- 监督输出（Supervising its output）：每周约2.2小时。即使AI输出看似完美，员工仍需核实来源、检查假设，确保结论符合业务逻辑。
- 调试错误（Debugging mistakes）：每周约1.7小时。当AI给出自信但错误的回答时，员工需重写提示词、切换模型或重置任务。
多工具切换加剧隐形成本
报告特别指出，工具碎片化放大了botsitting的负担。77%的AI用户每周使用多个工具，其中33%使用四个及以上。当首轮AI回答不满足需求时，60%的用户会将其输入到第二个工具中。
这种跨工具的重复劳动迫使员工成为“集成层”，重新引入任务、粘贴输入并比对多个相互矛盾的答案。数据显示，同时使用多工具的员工，其botsitting时间占比高出35%。
为何'Botsitting'依然隐形？
尽管botsitting是AI工作流中不可或缺的一环，但它往往被组织忽视。企业通常统计许可证数量、提示词用量或节省时间，却极少关注员工在修正输出、重建上下文和清理下游工作上所投入的精力。
这种不可见性导致了两个严重后果：
- AI效能递减：随着AI生成内容增多，若审核与期望不变，员工被迫降低标准，最终影响决策质量。
- 隐性成本无预算：这部分劳动被吸收进日常工作，缺乏专门的预算、流程或负责人，导致组织难以系统性优化AI工作流。
结语：从‘使用AI’到‘管理AI’
Glean强调，botsitting并非全是负面因素，它是负责任的AI使用的一部分。验证、 refinement（精炼）和判断是保障AI可靠性的关键。但问题的核心在于，当AI生成工作量的增长与审核资源停滞不前时，必须将botsitting从个人负担转化为组织可见的环节，通过工具链整合与流程设计，让AI真正释放生产力，而非成为新的效率陷阱。
“当AI生成的工作量增加，但审核时间和人员配置保持不变时，细致的审查变得难以维持。最终，人们开始降低标准。” —— Glean Work AI Institute
