疲憊不是來自 AI 本身：芬蘭三期追蹤研究把矛頭指向你的同事

過去兩年，關於職場 AI 的主流敘事一直是一個倦怠故事：不是跟上工具，就是被工具碾過。芬蘭一項新發表的同儕審查縱貫研究推翻了這個故事最簡單的版本——並換上一個更讓人不舒服的結論：資料顯示，耗竭不是來自 AI，而是來自隔壁座位的那個人，以及你如何看待他。

這篇論文發表於《SSM – Population Health》第 35 卷（文章編號 101945），作者為坦佩雷大學「AI 對工作的顛覆」（AI Disruption at Work）研究計畫的 Iina Savolainen、Teijo Osma、Roope Grönroos、Moona Heiskari 與 Atte Oksanen。研究追蹤了超過 2,100 名芬蘭受僱者，橫跨三波調查：2024 年秋（N = 2,109）、2025 年春（n = 1,680）與 2025 年秋（n = 1,479）。80% 與 70% 的後續回應率在此類追蹤研究中相當罕見地高，且樣本貼近芬蘭勞動人口結構——平均年齡 42.6 歲（全國平均 42.2 歲）、性別各半、大學學歷比例相當。

研究實際測量了什麼

研究團隊圍繞四個心理計量基礎穩固的工具建立分析：

• 工作耗竭——Maslach 倦怠量表（MBI）的情緒耗竭五題子量表，0–6 分計分，內部一致性極佳（各波 McDonald’s ω 介於 0.92 至 0.93）。在 0–30 的合成分數上，平均耗竭分數在研究期間其實略微下降，從 14.89 降至 14.54。
• 社會比較傾向（SCO）——愛荷華－荷蘭比較傾向量表（INCOM）六題版本，捕捉將自己與他人比較的性格傾向（各波 ω 約 0.85）。
• AI 準備度——五題的自覺 AI 能力量表：是否知道如何使用 AI 工具、能否在工作中熟練應用（ω 約 0.82–0.83）。
• 職場 AI 使用——從「從不」到「一天數次」的頻率，二分為每日使用與非每日使用。在回報有任何 AI 使用的受訪者中，每日使用的比例從基線的約 42% 攀升至 2025 年秋的約 54%——這是研究期間芬蘭日常 AI 使用多快成為常態的一個縮影。

關鍵在於，團隊不滿足於簡單相關。他們採用 within-between（Mundlak）多層次模型設定，以 R 的 lme4 套件進行 REML 估計，將個人內變化（你比自己的基準線更耗竭）與人際間差異（耗竭者與非耗竭者）分開估計。這個區分正是多數橫斷面倦怠調查做不到的事——而故事也正是在這裡變得有趣。

三個重新框架辯論的發現

第一：頻繁使用 AI 本身，什麼都沒預測。在主要模型中，每日職場 AI 使用與工作耗竭沒有任何關聯——無論是個人內或人際間皆然。就此證據而言，工具本身並不是直接的壓力源。

第二：社會比較才是穩健的預測因子。比較傾向較高的工作者在兩個分析層次都回報顯著較高的耗竭——人際間 B = 0.20（95% CI 0.15–0.25，p < 0.001），個人內 β = 0.02（95% CI 0.01–0.04，p = 0.001）。白話說：習慣拿自己跟同事比較的人更耗竭，而且當比較傾向上升時，耗竭也隨之升高。

第三：自覺 AI 準備度扮演了個人資源的角色。自覺能理解並應用 AI 的工作者回報較低的耗竭——第一個模型中人際間 B = −1.41（95% CI −2.17 至 −0.64），個人內也呈現保護性效果。無論實際技能如何，對 AI 時代感到「準備好了」，就與心理韌性相關。

還有一個附帶星號的探索性結果：在社會比較傾向高的員工中，頻繁使用 AI 與較高的耗竭相關（B = 0.05，95% CI 0.00–0.09，p = 0.035）。這個交互作用在主要模型中並不成立，但模式前後一致——如果你天生就愛比較，看著同事用你還沒掌握的 AI 獲得看得見的生產力，是一種特定而具腐蝕性的壓力源。研究將此現象稱為「科技比較」（techno-comparison）：原本私人的能力差異，隨著 AI 技能直接轉化為產出而變得日益可見。

為什麼此刻重要

這項發現正好落在一個真正混亂的證據基礎中間。一份被廣泛引用的 2024 年美國調查回報頻繁 AI 使用者的倦怠高出 45%；Workday 2026 年 5 月的全球研究發現 62% 員工表示 AI 降低了他們的倦怠風險；2024 年《Nature Humanities & Social Sciences Communications》的一項研究則發現 AI 導入對倦怠沒有直接效果，而是透過工作壓力運作。芬蘭這項研究提供了合理的調和：相互矛盾的結果，可能部分反映的是被研究者的差異——身處競爭環境、傾向比較的採用者，相對於獲得支持的使用者——而非技術本身的作用。

時機點同樣關鍵。這篇論文是 2026 年 9 月 27 日 AI 報導中流傳最廣的研究故事，原因正是職場 AI 的反彈已經從人資議題升級為政策議題。如果耗竭追蹤的是社會比較與自覺準備度，而非工具使用本身，那麼介入的槓桿就改變了：訓練與關於 AI 使用的透明規範，可能比使用限制更有效。強制推行「無 AI 星期五」所針對的，是這份資料顯示幾乎不具作用的變數。

誠實的限制

作者很謹慎，我們也應該如此。研究設計屬於關聯性——對 AI 使用、準備度或比較都無法做出因果宣稱。AI 準備度測量的是自覺能力而非實測技能，且該量表的因子結構配適度僅屬邊緣（RMSEA 0.10、SRMR 0.09），作者自己也明確標註。倦怠僅透過情緒耗竭面向操作化，完整症候群中的憤世嫉俗與效能感面向並未測量。所有資料皆為自陳報告，來自偏向既有調查參與者的 Norstat 線上面板。

但核心結果撐過了一個要求嚴苛的縱貫設計——高留存率、具代表性的抽樣框架、以及能區分特質層次與個人內變化的統計方法。在一個由廠商調查與橫斷面快照主導的辯論中，這是嚴謹度上的實質升級。

對任何正在管理 AI 轉型團隊的人，結論是：倦怠風險可能不在於導入本身，而在於導入的社會紋理——誰看起來游刃有餘、誰感到被拋下，以及兩者之間的差距有多麼顯眼。就此證據而言，機器是較小的問題。