AI到底改变了什么?从客服到工厂,看懂真实变化

2025 年发表的一项客服研究，分析了 5,172 名客服人员，发现获得 AI 辅助后，每小时成功解决的问题平均增加了 15%。〔1〕

另一项针对 16 名资深开源开发者的实验，使用的是 2025 年初的 AI 编程工具。在完成 246 项熟悉项目中的真实任务时，允许使用 AI 后，平均完成时间反而增加了 19%。〔2〕

顺着这两个案例往下看，会碰到比“AI 能写文章、画图片”更有意思的问题：它怎样传递经验，怎样改变分工，又会在哪些地方增加负担？

这些案例让我关心的，是 AI 怎样进入一项工作的具体过程。生成结果只是其中一步，使用结果还要经过判断、修改和验证。

AI 的范围比聊天机器人更大。识别产品缺陷、预测设备异常、生成文字和图片，都可以属于 AI。大家最近常用的聊天助手，主要属于其中的生成式 AI。

拿语言模型来说，它在训练中从大量材料里学习语言、知识及其关联，再根据当前输入生成回答。它能处理未见过的提问，但生成过程并不等于逐句核实事实。这是理解它既有用、又会出错的起点。〔3〕

回答像模像样，与回答有事实依据，是两件事。缺少可靠材料时，它仍可能编出一个听起来合理的答案。这种现象通常被称为“幻觉”。给它接上搜索和资料库可以提供依据，但不能保证每次都正确。〔4〕

目前有代表性的模型家族，先认清来自谁就够了。下面的公司归属依据各家官方文档。〔5〕

国内常见的还有这些：

这份表列的是家族，不是全部型号或能力排名。它们各有不同版本，也不能覆盖图像、视频、语音以及工业预测等所有模型。

模型和应用又有什么区别？ChatGPT 是应用，GPT 是模型家族。应用还需要处理文件、搜索资料、调用工具，才能把模型的能力变成可用的服务。

GitHub Copilot 就是一个例子。它是帮助开发者理解和修改代码的产品，背后可以接入 GPT、Claude、Gemini 等不同公司的模型。可选范围取决于套餐、客户端和管理设置。〔6〕

企业使用 AI，也不必都从头训练模型。可以接入现成服务，再配上自己的资料、权限和业务流程。

这与过去的办公自动化有什么不同？许多传统工具需要预先写清步骤，生成式 AI 则能根据自然语言处理改写、归纳、解释等不同任务。更多依赖经验、难以逐条写成规则的工作，开始有了可以尝试的工具。〔1〕

因此，同样一个模型，放在普通聊天框里和接进企业系统后，价值可能差很多。能拿到什么资料、能执行什么动作、结果由谁检查，都会影响它能帮到哪一步。

先看开头的 15%。

2025 年发表在《经济学季刊》的一项研究，分析了 5,172 名客服人员使用生成式 AI 助手的情况。平均而言，每小时解决的问题增加了 15%，经验较少、技能较弱的员工受益更多；最有经验的员工收益较小，部分质量指标还略有下降。〔1〕

研究中的系统主要在 2020—2021 年部署，向人工客服提供建议，员工可以采纳，也可以拒绝。这里观察的是人与助手共同工作的效果。〔1〕

为什么新人收益更大？研究者提出，AI 能把表现较好的员工的做法传递给其他人。〔1〕以前，新人需要慢慢积累的回应方式和处理思路，现在可以在工作过程中获得提示。

我看重的是这种经验传递。培训材料需要新人记住以后再用，AI 有机会把建议送到正在处理的问题面前，减少从“学过”到“会用”的距离。

但相同的提示，对老员工未必有同样价值。他本来就知道怎样回答，建议可能重复已有判断，甚至让回答变差。

这给企业一个判断标准：别只问“员工有没有用 AI”，还要看谁在用、解决什么问题。新人处理常见咨询，与资深员工处理复杂争议，需要的帮助不同。

15% 是这项研究中一个具体指标的变化，不能换算成“客服行业可以裁掉 15% 的人”。接下来是增加服务量、缩短等待，还是减少人员，取决于企业怎样安排。

软件开发把另一个问题暴露得很清楚：产出的速度，和工作的完成速度，可能不一致。

AI 评估机构 METR 在 2025 年做了一项随机实验：16 名熟悉各自开源项目的资深开发者，完成 246 项真实任务。使用的工具主要是 Cursor，以及当时的 Claude 3.5／3.7 Sonnet。允许使用 AI 时，平均完成时间反而增加了 19%。〔2〕

参与者在实验后仍觉得 AI 让自己快了约 20%。〔2〕感觉更省力，未必意味着计时结果更好。

对熟悉项目的人，一段代码要符合现有设计、处理特殊情况、通过检查，还得方便后续维护。我的理解是，若自己原本就能迅速完成，向 AI 解释要求、等待输出、检查修改，可能多出一轮工作。

所以，只看它几秒钟写了多少代码，很容易漏算成本。真正该比较的是：从提出需求，到得到可交付结果，总共花了多久。

不过，这个结果也不能当成今天所有编程工具的定论。

METR 在 2026 年 2 月公布后续研究时指出，新工具可能带来更多提速，但新样本存在选择偏差等问题，尚不能可靠估计当前效果。〔7〕

它既提醒我们别盲信“用了就快”，也提醒我们别把一次旧实验当成永久结论。工具在变，任务、使用者和质量要求也在变。

如果企业要评估效果，拿真实任务比较完成时间、返工量和最终质量，比展示一段漂亮的生成过程更有说服力。

接下来这个案例，已经超出了写文案和补代码。

宝洁是一家生产洗护和日用品的企业。涉及新产品时，研发人员与商业人员关注的问题不同：一个更懂技术实现，一个更懂消费者与市场。

一项涉及 776 名宝洁专业人员的随机实验，把个人和两人团队、使用和不使用 AI 的情况进行比较。2025 年公布的工作论文发现，在所测试的产品创新任务上，使用 AI 的个人，表现可以达到未使用 AI 的团队水平。〔8〕

研究还发现，没有 AI 时，两类专业人员的方案更偏向自己的领域；有 AI 后，方案更能兼顾技术与商业。这些任务模拟的是产品创新的早期阶段，不能直接推导成销量增长，更不能说一个人已经能取代整个研发部门。〔8〕

这个变化让我期待。AI 有可能降低接触另一门专业知识的门槛，让研发人员更早想到市场问题，让商业人员更早看见技术约束。

但初步方案是否可行，仍要经过专业验证。AI 提供另一个领域的思路，团队需要判断哪些有用、哪些与实际条件不符。

我的判断是，AI 会影响团队里一些基础咨询、信息转述和初步准备工作。跨部门讨论可以从更成熟的第一版开始，专业人员则把更多精力放在有争议、需要取舍的地方。

它可能改变的，是协作从哪里开始、谁先准备什么。团队仍然要对产品质量、生产条件和消费者体验负责。

到了教育领域，“更快得到答案”甚至可能偏离目标。

一项在土耳其高中开展、涉及近千名学生的数学研究，比较了普通 AI 助手、带教学约束的 AI 导师，以及不使用 AI 的情况。两种 AI 工具都基于 GPT-4。〔9〕

普通助手让练习表现提高，但在撤去 AI、独立完成考试时，这组学生的成绩比对照组低了约 17%。这里是相对差异，不是少了 17 个百分点。〔9〕

由教师参与设计、引导学生思考而非直接交出答案的导师工具，避免了这项实验中观察到的成绩下降。〔9〕

这不能说明所有 AI 教学都有效或有害，却把“目标”这件事讲得很具体：工具若围绕交出正确答案设计，可能帮人完成练习；围绕理解设计，就需要留住思考的过程。

我担心的是，工作里也有类似问题。初级员工整理材料、修改代码，看起来是在做重复劳动，同时也在建立判断能力。

当这些任务交给 AI 后，新人从哪里学习？组织需要安排练习、讨论和独立检查的机会。一个人如果长期只确认“看起来没问题”，未必能积累处理复杂问题的经验。

客服研究显示 AI 可以帮助新人，数学研究又提醒我们，帮助的方式很重要。能让人完成任务，与能让人逐渐掌握任务，需要分别检验。

有些行业的变化，不能只拿聊天助手来解释。

2026 年 4 月，中国宝武披露，宝钢股份的 AI 智慧高炉正式投入应用，已在宝山基地的部分高炉使用。系统结合炼铁工艺积累与生产数据，服务于炉况预测和生产调控。〔10〕

这是企业披露的案例，不能据此认定整个钢铁行业都达到了同样效果。不过，它提供了一个具体方向：AI 可以进入生产过程，帮助处理相互影响的现场变量。

在这里，资料质量意味着传感器数据是否可靠，执行能力意味着能否接入生产系统，检查意味着工艺和安全约束是否满足。买一个通用模型，并不能自动完成这些工作。

到了生命科学，Google DeepMind 的 AlphaFold 用来预测蛋白质的三维结构。蛋白质的形状与功能有关，预测可以帮助研究者开展后续研究。公开数据库已经提供超过两亿个结构预测。〔11〕

但预测仍需结合具体研究判断。例如，AlphaFold 2 对某些结构变化和相互作用有局限。研究者要检查预测的可信度，决定怎样开展后续实验。〔12〕

这两个领域里，AI 的价值与专业数据、设备、实验密切相关。它可以减少一部分探索和判断成本，但后面的生产验证、实验验证仍要继续。

理解这一点，就能看出为什么“哪个聊天模型最强”无法回答所有行业的 AI 问题。

把这些案例放在一起，我觉得最值得追踪的是三种变化。

第一种，准备一份可修改成果的成本下降。商品介绍、广告草图、会议纪要、初步代码，都可能更快得到第一版。亚马逊已让卖家用简短描述、图片或网页生成上架内容，再由卖家审核。〔13〕

对电商、广告、内容服务和软件开发，这会影响交付节奏。我的判断是，靠批量制作相似内容获得收入的环节，会承受更大的速度和价格压力。能理解真实需求、区分好坏、完成后续修改的人，仍有工作要做。

但一个人能交付更多，是否就一定需要更少的人？还要看需求有没有增加。生产成本降低，可能让小商家尝试过去负担不起的服务，也可能让企业用更少人完成原有业务。几个案例无法替我们算出整个行业的就业变化。

第二种，经验和专业知识的获取方式改变。客服新人获得及时提示，产品人员更容易跨越专业边界。企业的培训、分工和协作会受到影响，知识可能不再只沿着“老员工教新人、这个部门问那个部门”的路径流动。

金融行业也有具体应用：摩根士丹利的工具在客户同意后整理顾问会议，并生成供顾问编辑的后续材料。这些记录可以供后续工作参考，顾问仍需审核。〔14〕

第三种，检查和学习需要重新安排。AI 产出越多，检查者要面对的内容也可能越多。如果核查和返工增加的时间超过生成环节节省的时间，总成本就没有下降。程序员实验说明了为什么需要把整段过程算进去。

我的判断是，企业还要留意工作积压在哪里。第一版交得快了，若审核能力跟不上，成果仍会停在那里。要获得收益，可能需要连同流程一起调整。

教育案例进一步提醒我们，组织还要区分“今天完成工作”和“培养明天能独立负责的人”。省掉准备工作，不能顺手省掉所有学习机会。

所以，看到“某行业被 AI 改变”的新闻，我会先追问：它接走了哪项任务？最终结果有没有改善？谁得到帮助，谁承担了新增的检查工作？

这比单看使用人数或生成速度，更接近真实影响。

回到开头的 15% 和 19%：前者来自特定客服环境，后者来自特定时期的资深开发者实验。它们放在一起，提醒我们把任务、经验和成本放进同一张账里。

我对 AI 的期待，落在这些具体变化上：新人更容易得到指导，小团队更容易准备方案，研究者更容易开始下一步探索。它们能不能持续带来收益，要靠真实工作中的结果来证明。

—— Jaki

正文中的编号与下列资料对应。研究数据需结合样本、任务和研究时间理解；企业披露的案例用于说明实际应用，不代表全行业效果。

〔1〕客服研究：每小时解决的问题增加 15%。

Erik Brynjolfsson、Danielle Li、Lindsey Raymond：《Generative AI at Work》（https://doi.org/10.1093/qje/qjae044），2025 年 2 月 4 日在线发表，《经济学季刊》140 卷第 2 期，889—942 页。

研究分析 5,172 名客服人员，指标是每小时成功解决的客户问题数，平均增加 15%。系统主要在 2020—2021 年部署，基于 GPT-3，建议由人工决定是否采纳。结果来自特定企业，不能解释为全行业提效或裁员比例。

〔2〕程序员实验：允许使用 AI 后，完成任务耗时增加 19%。

METR：《Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity》（https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/），2025 年 7 月 10 日发布。

16 名资深开源开发者完成 246 项真实任务，任务随机分为允许或不允许使用 AI。工具主要为 Cursor Pro 与 Claude 3.5／3.7 Sonnet。19% 是平均完成时间的相对增加；实验后参与者仍估计自己快了约 20%。结果限定于当时工具和这组任务。

〔3〕生成式 AI 的基本机制。

IBM：What is generative AI?（https://www.ibm.com/think/topics/generative-ai）。支持文中关于训练材料、规律学习、按输入生成内容，以及不同生成任务的解释。

〔4〕AI 幻觉与检索的局限。

Cloudflare：什么是 AI 幻觉？（https://www.cloudflare.com/zh-cn/learning/ai/what-are-ai-hallucinations/）。支持“流畅的回答可能不准确”“检索提供依据仍不能保证正确”的说明。

〔5〕常见模型家族与开发公司。

公司归属与模型名称依据以下官方材料核对，列举范围不等于全部模型或能力排名：

〔6〕GitHub Copilot 使用哪些公司的模型。

GitHub：AI model hosting（https://docs.github.com/en/copilot/reference/ai-models/model-hosting）。支持 Copilot 可接入不同模型提供方的说明；可选模型受套餐、客户端和组织设置影响。

〔7〕编程实验的后续更新。

METR：《We are Changing our Developer Productivity Experiment Design》（https://metr.org/blog/2026-02-24-uplift-update/），2026 年 2 月 24 日发布。

研究者认为新工具可能带来更多提速，但后续实验存在选择偏差及时间测量问题，不能可靠估计当前效果。文中保留这项更新，避免将 2025 年的结果当成永久结论。

〔8〕宝洁产品创新与跨专业协作。

《The Cybernetic Teammate》工作论文，NBER w33641（https://www.nber.org/papers/w33641），2025 年公布；哈佛研究团队的解读（https://aiinstitute.hbs.edu/the-cybernetic-teammate-how-ai-is-reshaping-collaboration-and-expertise-in-the-workplace/），2025 年 4 月 2 日。

随机实验涉及 776 名宝洁专业人员，比较个人／团队与使用／不使用 AI 的情况。相关结果来自早期产品创新任务的评价，不等于产品上市后的销售效果，也不证明整个部门可以被替代。

〔9〕数学教学：练习表现与独立学习效果。

《Generative AI without guardrails can harm learning: Evidence from high school mathematics》（https://doi.org/10.1073/pnas.2422633122），2025 年发表于《美国国家科学院院刊》；另见 PubMed 摘要（https://pubmed.ncbi.nlm.nih.gov/40560616/）。

研究涉及土耳其高中近千名学生。普通 GPT-4 助手组撤去 AI 后，考试成绩相对对照组低约 17%；教学约束导师避免了实验中观察到的下降。17% 不是 17 个百分点，也不是所有 AI 教学的效果。

沃顿对研究的解释（https://knowledge.wharton.upenn.edu/article/without-guardrails-generative-ai-can-harm-education/）发表于 2024 年 8 月 27 日，属于论文正式发表前的研究解读。文中关于职场新人学习机会的讨论，是作者据此提出的类比分析。

〔10〕宝钢股份 AI 智慧高炉。

国资委刊载：中国宝武 AI 智慧高炉上线（https://www.sasac.gov.cn/n2588025/n2588124/c35400437/content.html），2026 年 4 月 9 日发布，所述上线日期为 4 月 3 日。

材料由中国宝武提供，支持文中关于投入应用、生产数据与工艺结合的说明。它属于企业披露，本文未据此给出独立验证的全行业提效比例。

〔11〕AlphaFold 与超过两亿个结构预测。

Google DeepMind：AlphaFold（https://deepmind.google/science/alphafold/）。数据库数字指蛋白质结构预测的数量，不代表每个结构都已通过实验确认。

〔12〕AlphaFold 2 的能力与局限。

EMBL-EBI：Strengths and limitations of AlphaFold 2（https://www.ebi.ac.uk/training/online/courses/alphafold/an-introductory-guide-to-its-strengths-and-limitations/strengths-and-limitations-of-alphafold/）。支持文中对结构变化、相互作用及使用边界的说明；这里的具体限制针对 AlphaFold 2。

〔13〕电商商品上架内容生成。

亚马逊：Product listings with generative AI（https://sellingpartners.aboutamazon.com/product-listings-with-gen-ai）。证明根据描述、图片或网页生成上架内容的功能存在，卖家仍需审核；本文未据此声称销量提高。

〔14〕金融顾问会议整理。

摩根士丹利：AI at Morgan Stanley Debrief 公告（https://www.morganstanley.com/press-releases/ai-at-morgan-stanley-debrief-launch），2024 年 6 月 26 日。支持客户同意后整理会议、生成后续材料并由顾问编辑审核的说明。