# 用AI十倍提效，我成了模范老黄牛，然后升职失败了

> 原标题：使用AI十倍提效，成了模范老黄牛，就能加薪升职了？

- 来源：Computing Life · 鸭哥
- 发布时间：2026-06-20T18:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/39813
- 原文：https://yage.ai/ai-productivity-trap.html

## 摘要

作者是一个中厂研发，用AI把交付速度拉满，VP评价是“超人节奏”。但连续两次升职都被C suite毙掉。他复盘发现，问题恰恰出在“太好用”上：因为交付摩擦太低，CXO把他当成了“手”而不是“脑”，不断扔来零散、多变、救火性质的项目。活儿干得又快又多，但方向一两个月就换，最后很难讲清楚过去一年到底做成了什么。老板们的决策是理性的——既然打击比探测更便宜，...

## 推荐理由

这篇不是那种泛泛而谈的 AI 职场鸡汤，是一个中厂研发的真实复盘，把“提效反被卡晋升”的机制拆得很清楚。标题有张力，正文有具体案例和判断，读起来像朋友在跟你讲他踩的坑，对 AI 从业者来说共鸣感很强。三个维度都踩中了，所以给 featured。

## 锐评

这篇文章来自一位中厂研发的亲身复盘，讲了一个很讽刺的陷阱：AI用得越好、交付越快，反而越容易被塞满零散救火的脏活，职业发展越受限。核心在于，当你的交付摩擦成本被AI打到极低，老板会理性地选择“打击比探测更便宜”——有想法直接让你手搓一个demo看看，不行就换方向。这导致作者的项目方向一两个月就变，到升职时根本讲不清自己过去一年到底做成了什么。

文章把问题归结为“奖赏系统”的错配：公司现有的激励结构还是AI时代之前的，奖励多交付，但AI让交付变便宜了，于是上下级都在无意识地套利，最终双输。作者提出的解法不是更努力交付，而是主动管理你给老板的奖赏系统——对低价值需求要有判断地pushback，把精力集中在能讲出连贯影响力的方向上，用AI打磨判断力而非仅仅堆代码。

需要注意的是，这完全是个人经验总结，没有数据支撑，也没有披露公司具体的晋升标准和被毙的官方理由。作者自己也说“升职失败原因未必是官面原因”，所以结论更像是一个有启发性的假说，而非可复现的规律。如果你也在类似处境，可以参考这个视角，但别直接当行动纲领。