网络上有一段极具讽刺的话：“现在每个单位的牛马都有一条狗管着，狗上班啥也不干，就盯着牛马看，活干好了全是狗的功劳，错了全怪在牛马身上。”
真正反常识的地方，不是“狗”越来越多，而是单位嘴上喊着技术提效，干活的人却被迫多打一份隐形工。2026年6月发布的一项跨国调查称，87%的数字劳动者已在工作中使用人工智能，75%觉得个人效率提高，可只有13%认为单位表现显著改善，这组落差才是问题的入口。
调查还称，员工每周平均要花6.4小时给人工智能补背景、查错误、重新提问和清理错误答案。机器看似替人省了时间，员工却成了机器的保姆、质检员和责任人，管理层拿到自动化报表，成本却悄悄转移到一线，这比传统的站岗监工更隐蔽。
1911年8月11日的美国沃特敦兵工厂“秒表罢工”与今天高度相似，都是管理者借助新工具，把复杂劳动压缩成单一时间指标；但当年的工具只是一块秒表，今天的软件可以同时记录位置、操作和产出，这意味着量化权力已经从车间角落扩展到整个工作日。
当时，铸工完成一项铸模和炮架任务通常要53分钟，计时人员却把标准压到24分钟，工人拒绝在秒表下继续作业，争议随后进入美国国会调查。那场冲突留下的教训不是效率不能测，而是谁制定标准、谁承担误差、谁有权质疑，必须同时写进制度。
百年前的工人反对的也不是新机器，而是有人用一个粗糙数字否定熟练工的经验。今天不少系统同样擅长记录容易记录的动作，却看不见提前发现风险、安抚客户情绪、修补流程漏洞这些价值，凡是无法装进表格的劳动，都可能被当成没有发生。
2026年6月12日，微软为Teams和Places推出通过企业无线网络进行工作地点签到的功能。微软文件称，该功能需要用户授予系统级位置权限，不会持续轮询位置，工作时间结束后信号可以自动清除，这些限制降低了侵入程度，却没有排除用途扩张的可能。
一个原本用于同事协作的“我在办公室”信号，只要与考勤、晋升或人员调整模型相连，就会变成新的服从证明。技术有没有越界，不只取决于它采集什么，更取决于谁能调用、调用后影响什么，因此真正要约束的是数据权力，而不只是软件开关。
6月4日，沃尔玛股东否决了一项要求公司报告人工智能对员工福祉影响的提案。支持提案的一线员工称，人工智能驱动的工作标准带来伤害、疲惫和高流动，并可能迫使员工跳过安全步骤；公司则强调负责任使用和人的判断。
这一投票比许多企业口号更有分量：资本市场愿意为自动化速度买单，却未必愿意为劳动后果增加披露义务。于是，牛马不仅要完成任务，还要承担系统定额带来的安全风险，而决定指标的人未必需要面对同等后果，这才是新的不对称。
同一份人工智能工作调查还显示，69%的受访使用者承认提交过自己未充分核验、不能完全解释或缺乏把握的机器生成内容。员工一边被要求加速，一边仍要对结果负责，时间不足时便只能压缩检查环节，因此质量事故可能是考核方式制造出的结构性风险。
由此看，“每个单位的牛马都有一条狗管着”已经不只是在讽刺闲散中层。新的“狗”可能是一套标准、一张排行榜、一个位置状态，也可能是一项没人能解释清楚依据的评分。它不必亲自抢功，只要规定什么才算工作，就能决定谁看起来努力。
对中国企业来说，最该警惕的不是使用数字工具，而是照搬西方一些企业把人变成数据附件的路径。制造、工程建设和技术攻关依靠大量现场判断，若系统只奖励速度和在线痕迹，就会逼着熟练劳动者舍弃那些难以量化却决定质量的动作。
真正有竞争力的数字化，应当先减少重复填表、无效汇报和多头审批，再谈提高定额。若人工智能节省出的时间全部变成追加任务，员工得到的只是更密集的节奏；若节省能转化为培训、休整和质量改进，技术才可能成为生产力，而不是新的鞭子。
接下来，企业会分成两条路线：一类把人工智能收益用于简化层级，让一线更快调用资源；另一类把收益变成更高指标、更细追踪和更多自证材料。前者会积累技能和信任，后者会积累表面繁忙与隐性返工，两种路线的差距会越来越大。
要堵住这种管理漏洞，关键不是禁止所有监测，而是要求每个指标都能解释、每次自动评价都可申诉、每项效率收益都有人核算质量代价。管理者若用算法定额，就必须对算法误判和安全后果负责，不能只把系统当作向下施压的免责凭证。
所以，“现在每个单位的牛马都有一条狗管着”真正刺耳的地方，在于牛马不仅被盯着，还在替那条“狗”喂数据、修错误、证明自己没有偷懒。一个单位若连管理成本都让干活的人偷偷承担，再先进的系统也只是给旧毛病套上新外壳。