AI縮小了員工之間的差距，水平越低的員工獲益越多？

法布里齊奧·戴阿夸 伊森·莫里克 凱瑟琳·克洛格 富蘭希思克·坎德隆

2022年底，OpenAI發(fā)布了人工智能聊天機器人ChatGPT，開啟了大模型領(lǐng)域的“速跑”模式，以真實的場景處理自然語言，實現(xiàn)了對話、閱讀、翻譯、寫作、編程、數(shù)據(jù)分析等功能。2024年伊始，OpenAI再度掀起熱潮，視頻人工智能模型Sora橫空出世，只需要一小段提示文本，Sora可生成長達(dá)60秒連續(xù)、穩(wěn)定、高品質(zhì)的視頻，并且提示文本越充分、細(xì)節(jié)越精確，生成的視頻就越真實。

事實上，ChatGPT也好，Sora也罷，都屬于OpenAI訓(xùn)練的大語言模型（LLM），是通過無監(jiān)督、半監(jiān)督或自監(jiān)督的方式，在海量的文本數(shù)據(jù)中掌握表達(dá)知識和能力的深度神經(jīng)網(wǎng)絡(luò)模型。

OpenAI研究發(fā)現(xiàn)，80%的美國員工至少有10%的工作任務(wù)會受到ChatGPT的影響。其中，19%的員工發(fā)現(xiàn)高達(dá)50%的工作內(nèi)容會受到積極的影響。

紅杉資本的報告指出，在特定領(lǐng)域，生成式人工智能將創(chuàng)造知識工作的邊際成本降至零，將產(chǎn)生巨大的勞動生產(chǎn)率和經(jīng)濟價值。高盛曾預(yù)計，生成式人工智能會讓全球財富在未來十年中增加 7%（近7萬億美元），推動生產(chǎn)率增長1.5%。

哈佛商學(xué)院、沃頓商學(xué)院、麻省理工學(xué)院、華威商學(xué)院聯(lián)合波士頓咨詢，發(fā)表了一篇題為《在參差不齊的技術(shù)前沿航行：人工智能對知識工作者的生產(chǎn)效率和質(zhì)量影響的數(shù)據(jù)分析》的論文，首次探索了企業(yè)中生成式人工智能的實際應(yīng)用，揭示了人工智能在提高績效方面的潛力，為企業(yè)如何部署人工智能提供了關(guān)鍵的啟示。企業(yè)在使用人工智能時必須審慎評估任務(wù)的性質(zhì)和難度，以充分利用其優(yōu)勢，同時避免潛在的風(fēng)險。

成也AI，敗也AI？

研究人員發(fā)現(xiàn)，雖然大語言模型可顯著提高知識工作者的生產(chǎn)力和工作質(zhì)量，但其三個特點決定了它對人類的影響將更為迅速且廣泛。

快速迭代：隨著模型規(guī)模的擴大和質(zhì)量的提高，大語言模型能夠在短時間內(nèi)快速迭代，并獲得超出預(yù)期的新能力。最近的研究表明，大語言模型在醫(yī)學(xué)和法律等專業(yè)領(lǐng)域發(fā)揮了極高的水準(zhǔn)，并在諸多創(chuàng)新指標(biāo)上超越了人類。

績效提升：無需太多組織和技術(shù)層面的投資，大語言模型可以直接提升員工的績效表現(xiàn)，特別是在寫作、編程等創(chuàng)造性工作方面。因此，預(yù)計大語言模型將對收入高、受過高等教育并從事創(chuàng)新性工作的員工產(chǎn)生更大的影響。

相對不透明：大語言模型的迭代是通過用戶在實際使用中不斷地試錯和糾偏完成的。雖然大語言模型在完成某些工作目標(biāo)時表現(xiàn)優(yōu)異，但在某些任務(wù)上可能會表現(xiàn)不佳，比如產(chǎn)生看似合理卻不正確的結(jié)果，在數(shù)學(xué)計算和文本引用上產(chǎn)生錯誤。更為棘手的是，這些容易出錯的任務(wù)就像是黑箱，難以提前預(yù)測。

為了深入探究人工智能對高水平知識型員工的影響，研究人員招募了758名波士頓咨詢的戰(zhàn)略顧問，進行對照試驗。參與者被隨機分為兩組：甲組（385名顧問）測試人工智能能力邊界以內(nèi)的任務(wù)，乙組（373名顧問）測試超出人工智能能力邊界的任務(wù)。

在具體的實驗流程中（如圖1所示），甲乙兩組的顧問首先在沒有人工智能參與的情況下完成評估任務(wù)，建立個人績效和能力的基準(zhǔn)線。隨后，顧問們被隨機分配到三個不同的組別：無人工智能訪問權(quán)限、有GPT-4 人工智能訪問權(quán)限、有GPT-4 人工智能訪問權(quán)限并具有及時的使用指導(dǎo)，完成和評估任務(wù)難度相似的實驗任務(wù)。

甲組的實驗任務(wù)B1中，顧問們要為一家鞋類公司的開發(fā)部門做新品提案，并在規(guī)定時間內(nèi)回答指定的18個問題。

在創(chuàng)新力方面，要針對一個特定市場或尚未充分開發(fā)的市場提出至少10個新鮮的想法；為新品策劃至少4個名字；用3～4句話描述新品的細(xì)節(jié)和特色。

在分析能力方面，根據(jù)目標(biāo)用戶分析鞋類行業(yè)的細(xì)分市場；羅列出潛在的競爭對手并解釋原因；描述焦點小組里需要囊括的人群以及焦點小組里要討論的5個問題。

在寫作能力方面，要為新品的發(fā)布起草一份公關(guān)稿；按照《哈佛商業(yè)評論》的風(fēng)格寫一篇大約2 500字的文章，內(nèi)容包括新品開發(fā)過程、市場策略和經(jīng)驗總結(jié)等。

在說服力方面，以一種激勵人心的方式解釋該新品為何能夠打敗競品，等等。

這些任務(wù)充分模擬了新品上市所經(jīng)歷的關(guān)鍵環(huán)節(jié)。研究人員雇傭了專業(yè)的評分員對顧問們回答的每個問題進行打分考核，每個回答都有兩位評分員打分，取平均分進入后續(xù)的數(shù)據(jù)分析，在工作速度、質(zhì)量和能力等方面考察他們的工作表現(xiàn)。

實驗結(jié)果表明，針對那些顯然處于人工智能能力范圍內(nèi)的任務(wù)，以前需要大量人力才能完成，但現(xiàn)在有了人工智能的支持，效率可以大幅提升。

如圖2所示，在人工智能能力邊界以內(nèi)，使用人工智能的兩組成績明顯優(yōu)于沒有使用人工智能的對照組。具體從數(shù)據(jù)上看，沒有使用人工智能的對照組完成了82%的任務(wù)，僅使用GPT的一組完成了91%的任務(wù)，使用GPT且有指導(dǎo)的一組完成了93%的任務(wù)，使用人工智能的兩組平均比沒有使用人工智能的對照組工作質(zhì)量高了40%以上，速度提升了25%以上，任務(wù)完成度提升了12%以上。

乙組的實驗任務(wù)B2中，顧問們根據(jù)復(fù)雜的財務(wù)數(shù)據(jù)和冗長的客戶訪談文件，為某公司CEO從三個子品牌中，選擇一個最有潛力的品牌進行投資，并通過分析數(shù)據(jù)和引用訪談對話證實為什么選擇該子品牌，最終提供具有創(chuàng)新性和策略性的品牌增長建議。

顧問們需要從海量的數(shù)據(jù)中找出關(guān)鍵細(xì)節(jié)，做出精準(zhǔn)的判斷，并為CEO準(zhǔn)備500～700字的匯報。最終結(jié)果顯示（如圖3所示），在超出人工智能能力邊界的任務(wù)中，沒有使用人工智能的對照組正確率達(dá)到了84.5%，僅使用GPT-4的一組正確率有70%，使用GPT-4且有使用指導(dǎo)的一組是60%。這意味著，與使用人工智能相比，沒有使用人工智能反而高出了大約20%的正確率。

研究人員總結(jié)出人工智能的能力水平存在著明顯的不均勻性，形成了所謂的“鋸齒狀技術(shù)前沿”（如圖4中所示的紅色實線）。當(dāng)工作任務(wù)處于人工智能的能力范圍內(nèi)時，人工智能可以成為提升員工生產(chǎn)力和工作質(zhì)量的強大助推器。然而，即便是在難度相似的情況下，一旦工作任務(wù)超出了人工智能的能力邊界，人工智能的輸出可能會變得不準(zhǔn)確且缺乏實用性。在這種情況下，過度依賴人工智能可能會導(dǎo)致更多的錯誤發(fā)生，帶來的風(fēng)險大于收益。

但是由于人工智能的內(nèi)部工作方式并不透明，其能力邊界也在不斷地擴展和變化，相似難度的任務(wù)可能會出現(xiàn)在人工智能的能力邊界以內(nèi)或以外，這使得人類很難掌握人工智能的能力邊界，也不能確定某些任務(wù)是否適合使用人工智能。因此，在使用AI時，員工需要保持警醒的狀態(tài)，交叉驗證和審查人工智能的輸出結(jié)果，確保專業(yè)的判斷。

人工智能的“均衡器”作用

在實驗過程中，研究人員還發(fā)現(xiàn)了人工智能對不同水平的顧問能力提升程度不同。具體來說（圖5），低績效的顧問在使用Chat GPT后工作質(zhì)量提高了43%，而高績效顧問只提高了17%。

此前，兩組顧問之間的平均績效差距為28.4%，但在使用了Chat GPT后，這一差距縮小到了4.7%。換句話說，人工智能縮小了低績效員工與高績效員工之間的差距，且水平越低的員工從人工智能中受益越多。參與論文寫作的沃頓商學(xué)院教授伊森·莫里克曾在另一篇文章中提到，“人工智能就像一個均衡器（人工智能 as Leveler），低績效的人獲得了最大的收益”。

此外，實驗中使用人工智能的顧問們在創(chuàng)意產(chǎn)出上出現(xiàn)了同質(zhì)化的結(jié)果。與未使用Chat GPT的對照組相比，使用Chat GPT完成產(chǎn)品創(chuàng)新任務(wù)的顧問們想法多樣性降低了41%。

這一發(fā)現(xiàn)印證了大語言模型的特征，過度依賴Chat GPT可能導(dǎo)致員工在處理相同類型問題時得到相似的答案，這不僅會削弱他們的個人創(chuàng)造力，也可能降低集體的創(chuàng)造力。與此相反，沒有使用人工智能的員工可能會憑借其獨特的創(chuàng)意脫穎而出，并取得顯著的成功。

隨著越來越多的企業(yè)將人工智能融入實際工作中，有些企業(yè)會優(yōu)先考慮員工的高質(zhì)量產(chǎn)出，而其他企業(yè)會更重視員工的探索和創(chuàng)新。該研究建議企業(yè)可以同時選擇多種人工智能模型，建立一個豐富的AI生態(tài)系統(tǒng)，或者增加人類的參與，來抵消創(chuàng)意同質(zhì)化的沖擊。

值得一提的是，顧問們在使用人工智能時呈現(xiàn)出了兩種不同的模式。一種是半人馬式（Centaur），類似于神話中的半馬半人生物，Centaurs在人和機器之間有明確的界限，根據(jù)每個任務(wù)的特點和能力，在人工智能和人工任務(wù)之間靈活切換。另一種是賽博人式（Cyborg），他們將任務(wù)流程與人工智能完全集成，并持續(xù)與技術(shù)進行交互。

毫無疑問，人工智能正深刻地改變著人類的工作方式。自ChatGPT問世以來，企業(yè)和員工一直在積極探索借助人工智能提升生產(chǎn)力的方法，而政府和學(xué)術(shù)界也在密切關(guān)注著人工智能潛在的風(fēng)險。例如，過度依賴人工智能可能會抑制員工的創(chuàng)新能力，同時企業(yè)可能會逐漸不再將人工智能能力范圍以內(nèi)的任務(wù)交給初級員工。

在研究人員看來，與其爭論知識型員工是否要使用人工智能以及員工和企業(yè)可能面臨的利弊，不如跳出這些簡單的二元思維，重新思考人類的工作流程和任務(wù)類型。我們需要全面評估人類和人工智能的協(xié)作方式，以及不同協(xié)作方式產(chǎn)生的價值，組織形態(tài)將會如何演變，企業(yè)如何提供專業(yè)的培訓(xùn)提升員工駕馭人工智能邊界的能力，等等。

正如波士頓咨詢負(fù)責(zé)運行該實驗的高級合伙人富蘭希思克·坎德隆所言，“公司不應(yīng)該錯誤地將人工智能視為近適合用于‘初稿生成，并迫使人類改進。應(yīng)該讓人工智能專注于其擅長的領(lǐng)域，將人類解放出來，去從事更有意義的工作”。

【編譯自Navigating the Jagged Technological Frontier： Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality.，完整文章發(fā)布在Harvard Business School Working Paper， No. 24-013，September 22， 2023】