生成式AI提效的真相：2025-2026一线实证拆解

一、提效是真的——但只在「能力边界」之内

生成式AI提效最干净的证据，来自波士顿咨询集团（BCG）与哈佛商学院合作的一项预注册随机实验（Dell'Acqua 等，Organization Science 2025）。758名顾问被随机分到无AI、有GPT-4、有GPT-4加提示工程培训三组，在18项处于AI能力范围内的真实咨询任务上：使用AI的顾问多完成12.2%的任务、快25.1%、产出质量高40%。这不是「感觉更快」，是实验组对控制组的硬差距。

更值得HR注意的是它的技能拉平效应：低于平均水平的顾问提升43%，高于平均的提升17%。AI先把最弱的人托到及格线之上。同一逻辑在客服场景被独立验证——斯坦福与MIT的 Brynjolfsson、Li、Raymond 在《经济学季刊》（QJE 2025）发表的对5,179名客服人员的实地研究中，AI助手让平均生产率提升14%，其中新手和低技能者提升34%，资深者几乎为零。AI在这里像一位「坐在旁边的资深同事」，对 newest 的人价值最大。

写作类知识工作也有同类结论。Noy 与 Zhang 2023年发表于《Science》的在线实验（444名受过大学教育的职场人，中等难度专业写作任务）显示，使用ChatGPT后耗时降低约20%、产出质量提升约60%（以标准差计），且低技能者获益更多、组间不平等收窄。68%的受试者直接提交了AI初稿而未做大幅改写。

开发者侧的争议，最需要一组数据来校准。Cui 等六位学者发表于《Management Science》（2026）的论文，合并了微软、埃森哲与一家匿名财富100企业在日常业务中做的三项随机对照实验、覆盖4,867名开发者：使用AI代码助手的开发者完成任务数提升 26.08%（标准误10.3%）。更关键的是，经验较浅的开发者采用率更高、增益更大——这与BCG的「技能拉平」结论一致，也直接对冲了「AI让资深开发者变慢」的单一叙事。需要说明的是，METR那项16人的研究发生在平均百万行的成熟代码库上，属于能力边界之外的窄场景；而Cui的样本横跨三家不同规模的企业、且以日常任务为准，对「开发者用AI到底值不值」更有代表力。

二、提效也是「反直觉」的——边界外与资深者

「锯齿前沿」（jagged frontier）是这篇论文贡献的核心概念：AI的能力边界是锯齿状的——两个看似难度相近的任务，可能一个在边界内、一个在边界外。在上述边界之外的那项复杂管理任务上，用AI的顾问比不用的正确率反而低19个百分点。他们过度信任了机器的流畅输出，在应该反驳的地方选择了顺从。

更反直觉的证据来自开发者。非营利机构METR（2025）对16名资深开源开发者、在平均百万行代码的成熟代码库上做了随机对照实验（246项真实任务）：允许使用AI工具（主要是Cursor Pro + Claude 3.5/3.7）时，他们完成任务反而慢了19%。而开发者事先预测会快24%，事后仍坚信自己快了20%——感知与现实之间横着一条19%的鸿沟。 slowdown 的来源很具体：主动编码时间减少，但写提示词、等待、审查AI输出、Idle 的时间大幅增加，且只有44%的AI生成代码被原样接受。需要强调的是，这是「边界外 + 成熟代码库 + 小样本」的窄场景，不能据此推到「AI让开发者整体变慢」——Cui 等（Management Science 2026）那项横跨三家企业的4,867人实验，恰恰显示净正增益。

把视角从开发者拉回更广泛的知识工作者，2026年7月发表于 arXiv 的一项随机现场实验（Bottesch 等，128名跨国工业企业知识工作者、三类任务）给出更细的颗粒度：生成式AI一致地提升效率，但质量因任务而异——在知识打包与知识创造上质量上升，在知识获取上反而下降；对打包与创造，它收窄了低绩效者的质量方差（利好弱者），对知识获取却扩大了方差。这与「锯齿前沿」一脉相承：工具在能力边界内放大人，在边界外制造新的不确定性。

《哈佛商业评论》中文版（2026年4月）报道的斯坦福与哈佛商学院实验，进一步说明「AI放大了谁」：在IG集团78名员工的构思任务中，使用AI后专家（4.12）、营销人员（4.18）、技术专家（4.05）的得分差距被大幅抹平；但在撰写环节，未用AI的专家仍最佳（3.96），用AI的营销人员紧随（3.92），技术专家几乎无变化（3.38）。结论很克制——生成式AI是「优势放大器」：它把新手快速托到熟练线，却难以替代专家在 execution 上的终局判断。

这两条证据合起来指向一个被忽视的事实：AI提效不是「开箱即用」的，它高度依赖任务是否在能力边界内、使用者是否还保有判断。把AI推到它不擅长的地方，或在资深者已游刃有余的领域强行插入，提效会瞬间翻转为拖累。

三、被忽视的人类成本：认知卸载

提效的另一面，是「认知卸载」。微软研究院与卡内基梅隆大学（Lee 等，CHI 2025）调查了319名知识工作者、收集936个真实AI使用案例，发现一个清晰的相关性：对AI越有信心的人，越少做批判性思考；对自己能力越有信心的人，反而越多做批判性思考。约60%的受访者表示在使用GenAI时仍会进行批判性思考——但方向已经从「解决问题」转向「验证AI输出、整合AI回答、看护任务」。当低 stakes 任务在时间压力下被交给AI，人的思考投入会显著下降。

这不是说AI让人变笨，而是说判断力是一种会 atrophy 的肌肉：当它频繁被外包，人就会逐步丧失在关键节点上识别「AI这次错了」的能力。对组织而言，真正的风险不是AI写错，而是没有人再核对AI写错了什么。

另一项被忽略的人类成本，来自工作强度的自我膨胀。《哈佛商业评论》中文版（2026年2月）报道了一项针对约200人美国科技公司、历时8个月的实地研究：AI工具没有减轻负担，反而让员工工作节奏更快、接手任务范围更广、把工作延伸到一天中更多时段——且多非受命，而是员工在「完成更多触手可及」的满足感中自愿承接。这提醒管理者，提效红利若没有配套的「AI使用规范」，可能悄悄转化为更长的工时与更高的倦怠，而非组织账本上的净增益。

四、为什么宏观生产率纹丝不动（悖论的核心）

个体任务层的亮眼数据，没有传导到企业层与宏观层。这正是「生产率悖论」今天最尖锐的形态。几组证据：

• 宏观TFP几乎没动。 诺贝尔经济学奖得主 Acemoglu 在2024年的测算中估计，生成式AI在未来十年对全要素生产率（TFP）的年均拉动仅约 0.07个百分点——远低于「革命级」叙事。
• 企业层多数无感。 一项覆盖约 6,000名高管、横跨4个国家的企业级调查发现，89%的受访者自报GenAI对其公司生产率「无影响」。
• 就业未被大规模替代。 国际劳工组织（ILO）2026年5月发布的全球职业暴露指数显示，全球约 25% 的岗位面临生成式AI暴露（高收入国家达34%），但最可能的路径是任务转型而非岗位替代；ILO同年7月的东盟研究进一步显示，22.9%的就业处于暴露区间，仅3.3%属于最高暴露，且迄今无大规模失业证据。
• 增益集中在结构化任务。 斯坦福《AI指数2026》汇总的多项研究显示，软件开发产出约 +26%、营销内容产出高达 +73%，但收益几乎只出现在「有标准答案、易校验」的任务上；越是需要深度判断的工作，增益越薄。
• 实验与现场之间横着一道衰减。 ILO 2026年6月发布的实证综述汇总随机与现场实验：结构化任务提速 20–65%（简单任务20–55%、复杂任务12–65%），但自然实验（真实代码提交）仅 2–6%；并明确指出，韩国、美、丹三国GenAI用户每周仅节省 3–5% 工时，4个经济体中 超80% 的企业自报AI暂无实质影响。增益真实，但要传导到组织账本，须越过「任务—流程—组织」三重衰减。

三道鸿沟解释了悖论：采用鸿沟（多数岗位只是暴露，并未真正用起来）、任务鸿沟（收益卡在结构化任务）、组织鸿沟（企业没有围绕AI重做工作流，红利停留在个人快捷键层面，没进到组织账本）。

五、给HR与组织的四个动作

提效的杠杆不在「部署AI」，而在「把AI放到对的位置并守住人的判断」。落到动作：

说到底，生成式AI提效的真相不是「有用还是没用」的二元题，而是一张需要组织自己绘制的能力地图：标清楚哪类任务在边界内、哪类要人守门、哪类会被认知卸载悄悄侵蚀。画对地图的企业，吃下的是真实红利；把AI当万能加速器的企业，等来的是 paradox——人人都在用，账本上却看不见。