生成式AI:你的优势放大器

从文案撰写到软件开发，领导者都认为生成式AI可以帮助员工承担更高级别的职责。麻省理工学院教授戴维·奥托尔（David Autor）等人的研究表明，生成式AI能缩短新手掌握新任务的时间，但在提升员工技能方面的潜力仍然有待开发，其中一个关键问题是，它能否帮助员工像专家一样出色地完成任务？

为了尝试回答这个问题，斯坦福大学和哈佛商学院数字数据设计研究所的研究人员进行了一项对照实验，涉及英国金融科技公司IG集团的78名员工。他们首先将员工分成三组：专家、相关外行和无关外行。其中专家是定期为IG网站撰写文章的作者；相关外行是来自撰稿部门的营销人员，他们没有文章撰写经验，但大致了解撰稿人的工作内容；无关外行是完全没有营销或写作背景的开发人员和数据专家。实验中，每个小组都要完成两项任务：构思以及撰写一篇与公司官网风格一致的文章。研究人员随机分配了部分参与者使用生成式AI辅助工作，另一部分则不使用。随后，IG集团高管按照1分（最低）至5分（最高）的标准，给所有成果评分。

在不借助生成式AI构思文章时，撰稿人的平均得分最高（3.82分），其次是营销人员（3.04分）和技术专家（3.02分）。撰稿人和其他人之间存在显著的技能差距。然而，当实验对象获得生成式AI的辅助时，这一差距大幅缩小，撰稿人构思的内容平均得分为4.12，而营销人员和技术专家的构思得分分别为4.18分和4.05分。换言之，使用AI的营销人员表现略优于使用AI的撰稿人，且所有使用AI的三个小组，表现均优于未使用AI的撰稿人。

但在文章撰写环节结果则有所不同。在不使用生成式AI的情况下，撰稿人在所有小组中表现最佳。然而，即便借助AI，其他两组也无法写出与撰稿人同等质量的作品。不出所料，使用AI的撰稿人表现依旧最佳（平均3.96分）；获得AI辅助的营销人员紧随其后（3.92分）；但获得AI辅助的技术专家表现则不尽如人意，事实上，他们使用与未使用生成式AI的得分基本持平（分别为3.38分和3.42分）。

生成式AI对一项任务的提升效果为什么会远大于另一项，且对技术专家的写作帮助十分有限？

在对参与者进行访谈后，研究人员得出结论，员工如果不熟悉完成某项任务所需的知识，即使有生成式AI的协助，他们也难以达到有相关专业知识同事的水平。使用AI的非专家在构思方面表现更好，是因为这比写作所需的专业知识更少——人们只需判断一个提议的主题是否足够好。然而，撰写文章则需要知道如何用恰当的语言传达想表达的信息。一位参与者用一个比喻解释了这种区别：构思就像想象跑一场马拉松，而写作则像实际去跑一场马拉松，这需要完全不同层次的专业技能。

研究人员还发现，正是专业能力让人能更有效地与AI工具协作。营销专员了解撰稿人使用的通用语言，且拥有足够的领域知识来优化生成式AI产出的内容。但工作与写作毫无关联的技术专家则无法有效利用或改进AI给出的建议。他们缺乏判断哪些语言该保留、哪些语言该舍弃所需的直觉与知识。研究人员将这一现象称为“AI效果的分水岭”，即生成式AI在帮助人们完成其专业领域之外的任务时，存在能力上限。

这一发现对企业部署生成式AI工具具有启示意义。它挑战了一种假设，即这项技术可以消除技能层级差异，并实现学术界所称的“通用任务流动性”。相反，研究人员认为，生成式AI的效果取决于用户与任务领域的专业差距，他们还指出，“AI效果的分水岭”并不局限于撰稿人和技术专家的场景。

研究人员针对将生成式AI与不同专业水平的员工搭配，提出了两项实践建议。

员工必须对应用AI工具的领域具备基本理解和一定经验，这一点至关重要。他们至少应该拥有足够知识，能够评估并改进AI生成的内容。例如，在这项写作研究中，许多技术专家只是将AI给出的建议直接复制粘贴到文章中，因为他们缺乏调整和整合语言所需的细微判断力。“如果AI无法完全自动完成任务，它就不是解决工作中所有问题的万能方案。”主导该研究的斯坦福博士后研究员卢卡·文德拉米内利（Luca Vendraminelli）表示，“当AI无法独立完成工作，但又替代了专家时，它确实能帮助一部分人缩小与专家间的差距，但这仅限于特定的情况和条件。它并不是个一刀切的解决方案。”

我们需要思考一旦员工有效运用生成式AI，组织需要做出哪些改变。为了从中获得最大价值，企业可能需要调整流程、决策方式，以及团队的协作方式。生成式AI工具甚至可以模糊相关领域的职位，例如负责搜索引擎优化（SEO）的专员与内容策划。不过，利用AI弥合营销、销售、产品团队之间这类更大的鸿沟则要困难得多，因为这些岗位关联着不同的专业知识、预算与权力结构。将岗位设计得更宽泛、有灵活性，将有助于应对这一挑战，但要实现这种转变，企业还需要进行结构与文化层面的变革。

此外，将生成式AI融入工作流程时，还要考虑人的因素。谁在使用AI？这些人具备哪些知识？他们解读与优化AI输出结果的能力如何？“AI的作用终归有限，”文德拉米内利表示，“专业能力是无法复制的，没有任何技术可以替代它。”

·  FIN  ·

DeepL、ChatGPT｜译 孙燕｜编辑

关于本研究 《生成式AI的分水岭效应：审视职业内部人员与外部人员之间横向专业知识转移的局限性》（The GenAI Wall Effect: Examining the Limits to Horizontal Expertise Transfer Between Occupational Insiders and Outsiders），卢卡·文德拉米内利等，工作论文，2025。