同事用 AI 交來的稿，一次清理中位數要 45 人分鐘：省到的時間，是不是只是搬到別人桌上？

週會上，大家最愛報的數字是「這週用 AI 省了幾小時」。很少有人報另一個數字：同事花了多久，幫你收拾那份 AI 一鍵生出來、你自己還沒讀完就傳出去的稿。如果省下的時間只是從你桌上搬到隔壁桌，公司到底有沒有變快？

美國行銷公司 Fractl 在 11 月 2 日公布一份調查，10 月 21 到 22 日問了 1,001 名美國受雇者：收到別人用 AI 做的東西之後，發生了什麼事。調查替一種情況取了名字，叫「AI slop grenade」，大意是一顆丟到別人手上的 AI 爛稿手榴彈：沒讀過、沒改過，就把 AI 生成的 email、程式碼、報告或簡報交給別人處理。這是美國的線上樣本，受訪者自我回報、數據未加權，不能代表全美，更不是台灣的數字；但它把一筆常被漏記的帳攤開來：

AI 的時間帳如果只記「做出來」那一半，看到的速度就不完整。

先講清楚：45 人分鐘是誰的數字

過去 30 天收過別人 AI 輔助成品的受訪者裡，47% 說要審的量跟預期差不多，27% 說比預期少，另外 27% 說比預期多一些或多很多。只有最後這 27%，也就是覺得別人的 AI 稿比預期難改的那群人，才被追問「最近一次」的細節。所以接下來的數字，描述的是這群人的最近一次事件，不是所有 AI 交件的平均，也不是每位上班族的日常。

大多數 AI 交件沒出事；出事的那一部分，才是這篇要算的帳。

45 人分鐘，攤在不只一個人身上

這群人估計，最近一次事件裡，所有相關的人花在審查、修改、核對、解釋的時間加起來，中位數是 45 人分鐘；一半的估計落在 30 到 90 人分鐘，43% 的事件合計達一小時以上。「人分鐘」是把每個人的時間加總：三個人各花 20 分鐘，就是 60 人分鐘，交稿者自己的時間也算在內。而且這通常不是第一次：這群人裡 62% 說，過去 30 天至少有三次必須大幅重做或修正同事的 AI 成品，改的是事實、計算或關鍵內容，不是順手校對。

一份稿省下的半小時，可能變成三個人各自的二十分鐘。

AI 到底有沒有省時間？收稿的人也意見分歧

有意思的是，就那一次事件把「做」和「改」的時間都算進去，仍有 43% 覺得 AI 整體省了時間，40% 覺得反而更花時間，17% 覺得沒差。調查也沒有問交稿者自己用 AI 省了多少。所以這份資料不能拿來說「AI 沒用」；它說的是，同一件事，交稿的人和收稿的人，可能各自記著一本不同的帳。

問題不在 AI 快不快，而在有沒有人把兩本帳放在一起看。

比時間更貴的，是信任

改完稿，事情還沒結束。事後 66% 說對交稿者作品的信任下降，67% 說之後比較不會不覆核就直接用對方的東西，59% 比較不願把重要工作交給對方，49% 比較不願跟對方合作。也不是每段關係都變差：12% 的人信任反而上升，22% 沒變化。對老闆來說，這代表下一份交件會被多看一遍、多問一輪，甚至乾脆不交給那個人。調查記錄的是受訪者自己說的態度變化，沒有證明因果，但足以讓人警覺。

一次沒讀就轉傳，賠掉的可能是之後好幾次合作。

誰丟出來、誰在收拾

最常交出這種稿的是同層級的同事，佔 45%；來自主管或高階的合計 24%（直屬主管 10%、更高階 14%）；較資淺同事 18%；客戶、自由工作者、代理商等外部 13%。最近一次事件裡，由交稿者自己扛下大部分清理的只有 22%，其餘多半落在跟交稿者同層級（29%）、比交稿者資淺（22%）或資深（15%）的人身上，另有 13% 說由大家平分。可是問到團隊慣例，58% 說通常會追究交稿者，40% 說通常期待交稿者自己修。

規矩寫的是誰交誰負責，實際動手修的卻常常是別人。

傳出去之前，先做這三件事

以下是建議做法。Fractl 自己也說，調查沒有測試解方，只從結果指出可以從哪裡開始：交出去前先自己看過、把責任歸屬講清楚、修正時間要和省下的時間一起算。放到小公司，舉個假設的情境：一間十人的設計工作室，業務用 AI 寫提案，常常一生成就轉給設計師接手。第一，定一條「自己讀過才轉傳」，至少核對數字、人名和客戶需求。第二，誰交出的 AI 稿被退回，就由誰先改，寫進團隊習慣。第三，月底不只統計「AI 省了幾小時」，也記一筆「改 AI 稿花了幾小時」。調查裡，全體受訪者只有 22% 說雇主有正式追蹤 AI 省下的時間，追蹤修正或重做時間的只有 14%，還有 45% 不知道公司有沒有在追這些。

只量省下來的，報表上就只會有好消息。

把收拾的時間算進來，才知道是不是真的變快

這份調查還有一個數字值得老闆記住：工作會接觸客戶的受訪者當中，23% 說過去一年公司曾把後來需要修正的 AI 成品寄給客人，12% 說發生過好幾次。爛稿不一定只停在辦公室裡。AI 確實已經是日常工具，八成受訪者在工作上用過生成式 AI；但團隊要的不是每個人各自變快，而是整件事做完、做對的速度變快。美國的數字不等於台灣，這筆帳的算法卻到哪裡都適用：省下的時間如果只是換了張桌子，就不算真的省。你的團隊收過讓人改到懷疑人生的 AI 稿嗎？現在你們怎麼分誰來改？歡迎在下方留言。

歡迎加入【蒲公英 AI 知識社群】。我們不追逐表面的資訊熱度，而是拆解每一次科技與商業決策背後的真實邏輯。在變動加速的時代，我們一起看的不是熱鬧，而是規則。

👉 點此加入蒲公英 AI 知識社群
🔑 入群通關密碼：94115

參考來源

• Fractl〈AI Slop Grenade: Measuring the Blast Radius of Bad AI Work〉／頁面標題 AI Slop at Work: The Cost of Bad AI Work（Published Nov 2, 2026；查閱 2026-11-09）：https://www.frac.tl/ai-slop-at-work/