AI正在侵蚀员工赖以谋生的判断力

AI 聊天机器人能在几秒内生成完善的回复，让用户以最少的时间和精力打磨粗略的提示词。

这种速度已使 AI 工具成为越来越多美国职场人士的日常习惯，其中许多人觉得这笔账算得很值。

在总结会议记录、自动化数据录入和起草常规文件方面，AI 工具在职场中确实带来了竞争优势。

然而，越来越多的研究警告称，这种优势背后藏着一笔隐性成本，会随着时间不断累积，而且不会有明显提醒。

这种成本并不体现在 AI 擅长的任务上，而是体现在它慢慢替代掉的判断力、独立推理和解决问题的能力上。

沃顿商学院的认知投降研究揭示 AI 如何凌驾于员工判断之上

在一份于一月发布的工作论文中，沃顿商学院市场营销学教授 Gideon Nave 和博士后研究员 Steven D. Shaw 提出了“认知投降”的概念——所谓“认知投降”，就是几乎不加思考就接受 AI 生成的答案，既不过脑子也不做深入推理。

他们将其描述为一种几乎不加思考就接受 AI 生成答案的习惯，既不过脑子也不做深入推理。

该研究使用了近 10,000 次单人推理测试，其中一些参与者可以咨询一个被暗中设定为给出正确答案或言之凿凿的错误答案的聊天机器人。

当聊天机器人给出正确答案时，参与者的准确率比独自工作的人所设定的基线高出25个百分点。

当它给出错误答案时，准确率比同一基线低了15个百分点，也就是说，有AI帮忙反而比完全没人帮还差。

参与者有80%的情况都接受了聊天机器人的错误答案，而且不管答得对不对，他们的信心都涨了11.7%。

“我最大的体会是，当AI出错时，我们发现人们最后的表现比完全不用AI还差，而且对错误答案还更自信了，”Nave对《福布斯》表示。

职场新人面临AI导致技能退化的最大风险

沃顿商学院的数据给处于职业早期的员工敲响了一个警钟，这个阶段他们的判断力和专业能力还在成长。

弗吉尼亚大学商业与伦理教授多萝西·莱德纳警告称，对那些缺乏基础经验的人来说，风险最大。

“对年轻员工来说风险更大，因为他们没有足够的专业积累，没法把AI当作思维的放大器而不是替代品，”莱德纳对CNBC表示。

北卡罗来纳大学教堂山分校信息科学教授穆罕默德·侯赛因·贾拉希提出了一个相关概念，叫“认知债务”。

贾拉希向人力资源总监（HRD）解释说，这个词说的是：员工每次让AI替自己做需要独立判断的决策，自身能力就会被侵蚀一点。

他警告说，最危险的AI代劳情形，是那些需要硬判断的决策——而独立思考恰恰是靠反复实践和经验积累培养出来的。

这种担忧不只是个人技能退化的问题，还关系到员工为公司产出的想法在质量和原创性上会不会打折扣。

哥伦比亚商学院商业教授桑德拉·马茨已发表研究表明，随着时间推移，AI辅助的选择变得越来越可预测，越来越千篇一律。

研究发现，就算表面上措辞看起来五花八门，底层的想法其实都指向差不多的结果。

“当员工利用它来把批判性思维或创造性推理交给AI代劳时，确实有逐渐掉队、变得安于现状的风险，”马茨告诉CNBC。

乔治城大学神经科学教授亚当·格林通过其实验室研究，从生物学角度进一步印证了这一担忧。

格林向HRD解释说，认知技能如果长期不练习，大脑中会出现可测量的生理退化——而这一过程恰恰是通过当初构建这些技能的同一神经可塑性机制发生的。

AI是帮手还是职业隐患：界限在哪里

关键在于不是不用人工智能，而是要更有思考、更谨慎地去用。

沃顿商学院市场营销教授阿梅里库斯·里德二世在与CNBC分享的评论中，明确划出了AI的建设性用法与破坏性用法之间的界限。

AI应该帮人省去繁琐环节，而不是代替人做判断。目标是花更少的时间处理信息，花更多的时间做出有价值的判断。

里德指出，总结信息、分析数据和组织想法是AI能带来明确价值的领域，而判断密集型的工作，则是用户必须自己动脑、不能让AI代劳的领域。

由来自30多个国家和国际组织的专家提名人支持的2026年《国际人工智能安全报告》发现，依赖人工智能工具可能削弱批判性思维能力，并助长“自动化偏见”。

人工智能技能的薪资溢价正在上升，但仅有人工智能熟练度并不能说明一切

对于在加速吸纳人工智能的就业市场中寻找机会的劳动者来说，这组研究传递出的核心信息很明确。

上述研究人员共同发出一个警告：工具本身并非威胁，但对工具不加批判的依赖会悄然侵蚀那些让劳动者难以被替代的判断力和推理能力。

劳动力分析公司Lightcast的研究表明，要求人工智能相关技能的招聘岗位，薪资已比不要求此类技能的岗位高出约28%。

从长远来看，从人工智能中获益最多的劳动者，将是那些将人工智能技能与自身批判性思维和判断力相结合的人。

因此，沃顿商学院这项研究最后的建议很直接。Shaw和Nave总结道，人工智能系统应该引导人们自己思考，而不是替他们思考。

Shaw和Nave认为，在工具被重新设计以实现这一目标之前，保持独立判断的责任就落在每个用户自己身上。