當 AI Agent 可以同時工作，人類的注意力開始成為真正的瓶頸
最近我發現一件有點可怕的事。
AI 越來越強以後，我的工作效率確實變高了。
以前一天大概只能好好處理三、四件事情。
現在不一樣。
早上叫一個 AI Agent 幫我看程式，另一個整理研究資料，再叫一個寫企劃，順便請另外一個分析合約。
看到一半突然想到另一個 idea？
很好，再開一個。
以前我們說人不要 multitasking，因為效率會變差。
現在的解法非常先進：
自己不要 multitasking，叫五個 AI 幫你 multitasking。
聽起來非常合理。
直到半小時後，五個 AI 一起回來。
然後我看著螢幕：
「等一下……這個是在幹嘛？」
更慘的是，有時候 AI 還記得。
我自己不記得了。
AI 的 Context Window 越來越大，我的沒有
這幾年我們一直很關心大型語言模型的 Context Window。
從幾千 tokens、幾萬 tokens，到十幾萬、甚至上百萬 tokens。
大家都很興奮：
「太好了！AI 可以記得更多東西了！」
但最近我開始覺得：
真正需要擴充 Context Window 的可能不是 AI，是我。
AI 可以同時幫我處理：
- 一份專利
- 一個產品設計
- 一段程式
- 三篇研究
- 一份商業計畫
- 一個簡報
- 還有昨天突然想到但今天已經忘記為什麼很重要的 idea
技術上，全部都可以。
問題是，當它們同時回來時，我必須重新進入每一個工作的脈絡。
「這個專案目前做到哪裡？」
「為什麼當時我們選 A 不選 B？」
「這個 Agent 為什麼改了這一段？」
「等一下，我原本到底想解決什麼？」
於是開始出現一種非常現代的工作方式：
我請 AI 幫我工作，然後再請 AI 告訴我，剛才 AI 幫我做了什麼。
這應該算某種數位時代的職業傷害。
問題不是工作太多，而是 Context 太多
心理學其實早就知道，人類不太擅長一直切換工作。
Sophie Leroy 在 2009 年提出一個很經典的概念：
Attention Residue，注意力殘留。
研究發現，當我們從 Task A 切到 Task B 時，大腦不一定真的完整離開 Task A。
尤其 Task A 還沒結束時，部分注意力還會「黏」在上一件事情上，進而影響下一個工作的表現。
以前這個問題已經存在。
只是以前我可能同時掛著三件未完成的工作。
現在 AI Agent 出現後，我可以同時掛著十五件。
所以 AI 解決了一個瓶頸：
Execution Capacity。
卻意外暴露另外一個瓶頸：
Human Context Capacity。
AI 的 parallelism 越來越強。
人腦還是差不多那顆。
沒有因為你訂閱了 Pro Plan，就突然多裝 64GB RAM。
更詭異的是：AI 沒有消滅 Cognitive Load
我們原本以為 AI 最棒的地方，就是幫我們減少認知負荷。
以前自己寫報告。
現在 AI 寫。
以前自己整理資料。
現在 AI 整理。
以前自己修改程式。
現在叫 Agent 改。
乍看之下，我的大腦應該愈來愈輕鬆。
理論上我應該每天神清氣爽，下午四點開始泡茶看夕陽。
目前並沒有。
原因可能是：
AI 沒有把 Cognitive Load 消滅，只是把它搬家了。
Microsoft Research 在 CHI 2025 發表了一項研究，調查 319 位知識工作者，共蒐集 936 個實際使用生成式 AI 的工作案例。
研究發現，AI 介入後，人類的 critical thinking 並不是完全消失，而是逐漸從「自己產生內容」，移動到：
verification、integration、task stewardship。
也就是：
驗證、整合、監督。
以前：
「我要怎麼寫這一段？」
現在：
「AI 這一段到底寫得對不對？」
以前：
「我要怎麼分析這份資料？」
現在：
「這三個 Agent 的分析到底哪一個比較可信？」
以前是 Producer。
現在慢慢變成 Supervisor。
所以你省下了生產的力氣，
但增加了監工的工作。
這就是很典型的科技進步：
以前只有一個人做不完，現在變成五個 AI 做完，你一個人驗收不完。
2026 年，真的開始有人研究「人怎麼管很多 AI」了
這件事情現在已經不只是我的抱怨。
2026 年一項 N=80 的研究，直接研究人類如何監督多個 AI teammates。
研究發現，當不同 AI Agent 之間存在依賴關係時，人類監督者的工作負荷會提高，而且對某些 AI 錯誤的敏感度反而下降。
換句話說：
Agent 越多、流程越複雜，不代表人越輕鬆。
有些錯誤甚至可能因為其他 Agent 的輸出看起來合理，而被掩蓋掉。
這其實是一個很重要的訊號。
未來真正需要研究的，可能不再只是：
「AI Agent 一次可以完成多少工作？」
而是：
一個人，到底能同時監督多少個 AI Agent？
管理學以前有一個老概念叫：
Span of Control。
一個主管適合管理多少個部屬？
AI 時代可能需要新增：
AI Span of Control。
一個人可以同時管理多少個 Agent，還能真正知道它們在做什麼？
不是表面上有看。
是真的懂。
這兩件事情差很多。
我最近另外一個症狀，是越來越沒耐心看十頁文件
以前有人給我一份十頁文件，我大概會：
打開。
看。
畫重點。
前後對照。
想一下。
現在看到十頁文件，第一個念頭常常變成：
「丟給 AI。」
然後告訴它：
「幫我看有什麼問題。」
更糟的是，如果 AI 回我三頁，
我可能還會說：
「太長了，給我重點。」
仔細想想非常荒謬。
原始文件十頁。
AI 幫我濃縮成三頁。
結果我連三頁都嫌長。
最後希望它告訴我：
「可以。」
或者：
「不可以。」
人類文明花了幾千年發展文字，
最後我們努力把所有知識重新壓縮成：
OK / NG。
這叫 Cognitive Offloading
其實我們一直都在把認知工作外包。
記事本是一種 offloading。
行事曆是一種 offloading。
Google Maps 是一種 offloading。
你現在大概已經很難完整記得十個常去地方怎麼走，但我們通常不會因此宣布：
「Google Maps 摧毀了人類空間智能。」
因為它同時也讓我們可以把腦力用在其他地方。
AI 也是一樣。
心理學把這種把記憶或認知工作交給外部工具的行為稱為：
Cognitive Offloading。
2020 年的研究甚至發現，人有時候使用外部提醒，不只是因為真的記不住。
其中一部分原因純粹是：
省力。
這點我完全可以理解。
今天看到十頁報告時，我不是突然失去閱讀能力。
而是我的大腦已經知道：
「你旁邊不是有一個三秒鐘可以看完的人嗎？」
於是閱讀十頁文件的 opportunity cost 突然變得非常高。
不是我不能。
是我開始覺得：
為什麼？
但這裡真正值得擔心的，可能不是「AI 讓我們變笨」
我其實不太喜歡「AI 讓人類失去思考能力」這種論述。
太簡單了。
而且目前研究也沒有強到可以這樣下結論。
2026 年一篇 cognitive offloading 的 meta-analysis 顯示，在很多記憶相關工作中，適當使用外部工具本來就可以提升表現。
所以問題不是：
要不要把工作交給 AI？
當然要。
不然我付錢幹嘛。
真正值得問的是：
當 AI 幫我們完成愈來愈多工作時，人類自己到底還保留多少 Context？
以前「做」這件事情，本身就是建立理解的過程。
你自己查資料、自己寫、自己修改。
所以最後的成果雖然是十頁文件，
但那十頁背後的脈絡其實已經存在你的腦裡。
現在變成：
Prompt。
等一下。
完成。
成果出現了。
但你可能沒有經歷中間那段「形成理解」的過程。
2026 年甚至已經有人開始把這種現象稱為 AI supervisory cognitive load：當生產工作被委派給 AI，人反而必須進行事後的理解、驗證與監督，而且還保留最終責任。
講白一點：
東西不是你做的，但出事算你的。
這大概就是未來白領工作最精準的職務說明。
真正的瓶頸，可能已經從 Productivity 轉成 Attention
所以，我最近開始懷疑：
我們是不是還在用錯的方法討論 AI Productivity？
大家一直問：
「用了 AI，一個人可以做幾個人的工作？」
也許答案真的可以是三個、五個、十個。
但真正的問題是：
一個人可以理解幾個人的工作？
這完全是不同的問題。
AI 可以把 execution 無限平行化。
但人的 attention 沒辦法無限平行化。
於是未來的生產力瓶頸可能會從：
做不完
變成：
看不完。
然後再從：
看不完
變成：
理解不完。
最後從：
理解不完
進化成最可怕的狀態：
反正 AI 說可以。
這才是真正要小心的地方。
HR 未來可能要重新設計「工作」這件事情
如果這個趨勢成立，它其實跟 HR 非常有關。
未來我們做 Job Design，可能不能只問：
一個人負責多少任務？
而是要問：
一個人同時負責多少個：
Human + AI Work Streams？
哪些工作必須自己深度理解？
哪些可以完全 delegate？
哪些 Agent output 可以抽查？
哪些一定要人工 review？
一個人最大的 AI Span of Control 是多少？
甚至未來的 Competency Model 裡，可能真的會出現一個新能力：
Context Management。
不是會不會下 Prompt。
Prompt engineering 很可能只是 AI 時代早期的技能。
真正稀缺的能力可能是：
在十幾個 AI 同時替你工作的情況下，你仍然知道「現在發生什麼事情、為什麼這樣做、哪裡可能有問題」。
這其實是一種新的管理能力。
我們以前管理人。
現在開始管理 AI。
更麻煩的是，人類部屬做完事情至少還會跟你說：
「老闆，我做完了。」
AI Agent 不一樣。
它可能凌晨三點做完十四件事情，
第二天早上很有精神地等你驗收。
它完全不累。
累的是你。
最後，我有一種很奇怪的感覺
以前我們擔心：
AI 的 Context Window 不夠大。
現在我開始覺得這件事情遲早會被工程師解決。
真正比較麻煩的是另一個 Context Window。
我們自己的。
AI 可以記住我們過去幾個月談過的事情。
AI 可以同時處理十幾個專案。
AI 可以一邊研究、一邊寫程式、一邊分析資料。
而我可能只是開會開到下午，
就已經忘記：
「早上那個 Agent 到底為什麼在改那段 Code？」
或許 AI 時代真正的新型態 Digital Exhaustion，不是工作做太多。
而是：
我們開了太多 Context，卻永遠沒有真的 Close。
所以未來最高階的 Productivity Skill，也許不是如何讓更多 AI Agent 幫你工作。
而是知道：
哪些事情值得讓 AI 做，哪些事情自己一定要留在腦子裡。
因為 AI 的 Context Window 還會繼續變大。
但很遺憾，
至少到目前為止，
我的沒有。