北京
早晨，策划部的小周在群聊里甩出一份竞品分析，数据翔实、排版工整。但不到十分钟，三个同事同时指出：文中的市场份额数字，与半个月前自己亲手确认过的报告完全对不上。追问之下，结果令人哭笑不得——那是AI直接生成的段落，同事没核对就交了差。这个微观场景，正是越来越多企业眼下正在经历的一类“AI排异反应”。
正方观点从未显得如此诱人：引入生成式AI工具，在生产力上奔跑，降低对人力的依赖，同时还能向投资者释放一句“我们已经骑在了技术的最前沿”。但反方的声音也渐渐清晰起来。哈佛商业评论刊文直指，过度依赖AI正在引爆一场组织知识层面的静默滑坡，企业赖以制定战略的关键洞察，正被一点点消耗殆尽。
这种现象获得了一个恰如其分的名字——“知识衰退”。它描述的，不仅仅是员工个体遗忘技能，更是整个组织倚靠着过时的流程与信息，浑然不觉地向下滑动。当第一批员工开始用AI产出质量低下、不经核实的工作成果，便触发了一个危险的螺旋：同事要花更多时间挑错，信任开始松动，而本应沉淀下来变成集体判断力的组织知识，就在这种反复的稀释中，逐渐变成一锅无用的杂烩。
哈佛商业评论给出的推演格外冷静：一旦这种现象从个别行为蔓延到整个部门，一个企业的输出就会开始崩塌。而这样的趋势，其实早在AI热潮冒头之际就被不少专家点破。当时就有人警告，员工可能把更多时间耗费在追猎AI所产出的种种错误上，而不是在没有AI的情况下安然完成任务。有些不走捷径的企业，甚至专门招人，专职修复AI犯下的低级错误。
“错误会叠加、堆积。”哈佛商业评论写道，“对信息的信任遭到侵蚀。人们花更多时间去核实事实，否则就要冒代价高昂甚至危险决策的风险。最终，人们连完成自己本职工作所依赖的那些流程都开始失去信任。”这番描述没有把矛头指向单一主体，但恰恰点出了最棘手的地方：当整个信息环境的可信度都褪了色，修复起来远比修补一个bug要难得多。
而员工们的反应，与其说是一种“技术抵触”，不如说是一种身处夹缝中的自然防卫。在他们不得不服从企业推行AI指令的同时，劳动力市场正在实时地滑入疲软，这让他们进退维谷。老板们对AI的执念，已触发了一场范围不小的无声反抗：士气走低，对技术本身的信任不再，一些人甚至选择在工作中暗中破坏这套被强加进来的系统。这一切并不是对新鲜事物的本能抗拒，而是被迫使用的人，在发现产出质量下滑、自身价值被贬抑之后，所给出的反弹。
局面蔓延到了招聘上。AI介入招聘流程的每一步，听起来是“增强”，实则在求职者和招聘方两头，把信任压到了有史以来的最低点。哈佛商业评论对此有一段令人印象深刻的概括：“AI对每一步进行‘增强’的总体影响，是让招聘过程中的信任度跌至历史最低，无论对求职者还是招聘者而言都是如此。”筛选简历的算法能抓关键词，却抓不住真实的项目逻辑；自动化的沟通过程号称高效，却在一来一回的模板应答里，把候选人的耐心和期待消耗殆尽。企业想通过AI筛出更精准的人选，结果反倒在人才池里搅起一团浑水，让真正合格的候选人更难浮现。
正是为了阻止这种“工作的糟污化”和知识的持续衰退，商业领袖们现在不得不花大力气建立人工核验的堤坝。每一份由AI产出的内容，都要经过细致的二次核实，清除其中由AI幻觉或错误所留下的痕迹。这个过程极其耗费人力，偏偏又只能由真人完成——那个最初被希望“替代”或者“减轻负担”的人类员工，如今一头扎进了修补AI漏洞的循环里。
那么，下一步的路标指向何处？一个越来越清晰的共识是：需要一场方向性的转变。企业必须弄明白，怎样确保AI只被用在那些真正有意义、真能带来附加价值的环节。“对于许多任务而言，使用公开的大语言模型往往只会添加极少甚至完全不加真实价值，”哈佛商业评论明确地写道，“它生成的是一般化的文字，其中常包含错误。但使用专有模型，或者利用专有数据，则很可能带来增值。”这句话几乎为现阶段的AI运用划下了一条粗糙但有用的分界线——没有独有数据的滋养，没有对产出结果的严苛把关，公共大模型在企业办公桌前更多只能制造出看起来光鲜、实则一碰就碎的“知识泡沫”。
AI能否成为组织智慧的加速器，而非其慢性溶解剂，这道选择题目前仍然高悬在每一张会议桌上。答案并不在模型本身，而在于使用模型的人，愿不愿意拿出对待知识本应有的那种认真。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
