导语
AI到底是在替代人，还是在重新制造一种新的低门槛劳动？
过去两年，围绕AI的主流叙事几乎都指向同一个方向：自动化、降本、裁员、效率提升。企业用AI压缩人力，白领担心岗位被重写，这些都是真实发生的变化。
但另一个更不显眼的变化也在出现：AI越被大规模引入组织，越需要有人在旁边照看、校正、解释和兜底。
这类工作现在有了一个新词：botsitting。
如果说babysitting是照看婴儿，那么botsitting就是“照看AI”。它听起来像个玩笑，但在企业内部，它已经开始变成一种真实的工作内容。
微软Copilot部门出现的“AI培训师”“数字化采纳专员”“AI倡导者”，本质上都带有botsitting的色彩：教同事如何使用AI，检查AI输出质量，把AI嵌入具体业务流程，并在AI出错时负责修正。
这背后真正的问题不是AI会不会干活，而是AI产出的东西，距离企业真正能用，还有多远。
根据人社部启动的互联网企业云端招聘月活动数据，今年暑假，超过5000家互联网企业集中释放了超过20万个就业岗位。京东、腾讯、字节跳动、美团等头部企业合计贡献超过4.6万个岗位，覆盖AI算法、大模型应用、高性能计算等前沿方向。
岗位在增加，工种也在变化。算法工程师、提示词工程师之外，一批围绕AI使用、评估、训练和落地的新岗位正在浮出水面。botsitting可能就是其中最容易被低估的一类。
它不站在AI浪潮最耀眼的位置，但很可能成为一批年轻人的新入口。
AI省下的时间，又被“照看AI”吃掉了
企业真正上手AI之后，很快会发现一个尴尬事实：从AI给出答案，到答案能被直接用于工作，中间隔着一段不短的距离。
比如，让AI写一份市场分析报告。第一步，你要把公司产品线、业务背景、目标客户和竞争环境喂给它。第二步，AI给出初稿后，你要逐条核实竞品数据，判断结论是否站得住。第三步，你还要删掉空话、补充内部信息、调整结构和排版。
整套流程下来，一两个小时并不夸张。
这就是botsitting最典型的工作现场。
Glean旗下Work AI Institute联合斯坦福、UC伯克利等高校发布的《Work AI Index 2026》报告显示，87%的白领已经在工作中使用AI，他们平均自称每周节省了13个小时。但同一份报告也指出，白领每周平均要花6.4个小时在botsitting上。
换句话说，AI帮你省下的时间里，相当一部分又被你拿去照看AI了。
报告进一步拆分了员工使用AI的时间结构：37%花在botsitting上，36%用于让AI生产内容，剩下27%用于学习工具、搭建Agent。也就是说，在真实工作流里，“照看AI”甚至比“使用AI生产”还更耗时。
这不是因为人太笨，而是因为AI进入组织后会遇到三个现实阻力。
第一个阻力是输出不稳定。报告显示，36%的AI会话直接“失败”，需要全部推翻重来。所谓失败，可能是AI理解错了需求，也可能是编造事实、逻辑断裂，或者给出一堆看似专业但无法落地的内容。
第二个阻力是工具碎片化。77%的AI用户每周要在多个AI工具之间切换，33%的人同时使用四个以上工具。Claude用户中，只有0.5%只用Claude，平均每个人还同时使用另外四个AI工具。
每换一个工具，之前输入过的公司背景、项目上下文、业务规则就断一次。用户必须重新解释、重新喂材料、重新校准语境。报告把这种损耗称为“上下文税”。
更值得注意的是，报告显示，每多花10%的时间给AI喂上下文，员工感到筋疲力尽的概率就会上升25%。
第三个阻力是审核机制缺位。69%的人会不经审核，直接把AI生成内容原封不动提交上去。这不是小问题。AI输出越不稳定，人就越需要花时间检查；检查越多，人越疲惫；人越疲惫，就越可能跳过审核；审核越少，组织越难看清AI到底创造了多少真实价值。
这也解释了一个看似矛盾的数据：75%的个人用户认为AI提升了生产力，但只有13%的人表示企业因为AI获得了显著改善。
中间那62%的落差，很大程度上就卡在botsitting上。
个人感觉“我变快了”，但组织没有真正变高效。因为AI不是自动嵌入流程的，它需要有人把它接进系统、看住风险、校准输出，并让它符合企业内部的规则。
为什么这件事适合刚毕业的大学生？
如果botsitting正在成为一种新工种，那么谁最适合做？
答案可能不是资深技术专家，而是一批刚毕业的大学生。
这听起来反直觉。毕竟，AI相关岗位通常让人联想到写代码、调参数、训练模型。但botsitting并不是算法岗，它更像是“AI使用现场的质检员、翻译员和流程助理”。
