AI Talk | 管理学家Hila：创造价值还是破坏价值，如何用好AI这把双刃剑

系列导读

华威大学管理学教授，华威大学“人工智能创新联盟”负责人，哈佛大学访问学者

研究领域覆盖AI技术创新、组织理论、职业身份认知等

该实验共758名来自全球的BCG咨询顾问自愿参加，他们拥有本科以上学历，平均工作年限长达四年。 实验参与者被分为三组：

• 完全不使用AI工具

• 使用GenAI工具

• 使用GenAI工具且接受简单培训（7分钟视频教学，介绍如何使用该AI工具）

实验围绕两类任务设计：

• 第一类任务是GenAI目前擅长的创意类工作 ，我们称之为Inside the frontier task；要求参与者集思广益，设计新产品来解决目前尚未满足的需求，为每种产品开发商业案例、制定测试与发布计划。

  
  

• 第二类任务是GenAI目前不擅长的分析决策类工作 ，我们称之为Outside the frontier task；要求参与者根据某虚构公司的高管访谈记录和历史业绩数据来了解三个子品牌的市场定位和经营表现，进而判断增加对哪个子品牌的投资能最大化公司整体营收水平和盈利能力。

实验整体结论可以概括为：使用GenAI工具并不能总是帮助人们实现更好的工作结果。 在GenAI可以发挥巨大价值的领域，人们往往对其不够信任；而在不适用该技术的领域，人们又对其太过信任 。

对于第一类创意类工作（参阅图1）：

• 使用GenAI工具的员工，其工作质量、效率都显著提升。

  
  

• GenAI缩小了员工的绩效差距 ，GenAI对低绩效员工的提升作用比高绩效员工更明显（+43% vs +17%）。对组织而言，需要 重新设计员工的岗位职能和具体任务，让原本高绩效员工去做更复杂、更有挑战性的工作 ；反之则无法充分开发员工潜力。

• 从组织整体来看， GenAI让员工的创意产出更为相似/雷同 。这意味着，对于原本以创意为核心竞争力的公司， AI的使用可能会阻碍创造力的发挥 ，削弱他们的竞争优势，同时 可能会削弱“认知多样性”的文化。

对于第二类分析决策类工作（参阅图2）：

• 使用GenAI的员工正确率比对照组更低 （70.6% vs 84.5%）， 使用GenAI且接受简单培训的员工正确率最低 （60%）。GenAI目前并不擅长处理分析决策类工作，但使用该工具的员工、特别是接受过简单培训后，会 因对AI过度信任而适得其反 。当人类过度信任AI时，可能会直接让AI接管工作，而非将其作为辅助工具，导致自身判断能力下降，我们称之为“在方向盘上睡着了”。这会损害人类的技能发展和生产力，且如果此时任务超过了AI的能力边界，会得到非常糟糕的产出结果。

  
  

• 实验还发现，无论决策是否正确 ，GenAI都会让输出更加具有说服力，这是十分危险的，特别是决策错误的时候。

实验表明，人工智能至少有两方面风险。一是 人类过度信任AI ，当不知道AI的能力边界时，很容易被AI欺骗、适得其反；二是 AI的输出有些同质化 ，可能会阻碍创造力的发挥，而这恰恰说明了人类与AI协作的重要性。我们要做的是， 通过人类与AI协作，产生比人类或AI单独完成的更多样化、更高质量、更正确的结果。

目前有两种不同的协作模式（参阅图4）：

• 半人马（Centaurs）：工作在人类与AI之间有一条清晰的界限，根据双方的能力优势进行战略性分工； 仅把锯齿状能力边界内的任务交给AI，其余由人类完成。例如，人类编写文本，AI翻译文本。 人类和AI的互动非常 “短暂” ，人类输入，得到AI的输出。

  
  

• 半机械人（Cyborgs）：人类和AI在每一个任务中深度融合、共同完成 ，AI在锯齿状的边界上来回移动。例如，AI基于人类提供的大纲进行创意写作，人类再基于AI输出进行文字润色和调整。 人类和AI的互动是深入的、连续的 ，涉及到测试AI能力的边界。

这两种协作模式没有优劣之分，大多数业务场景都要混合使用两种模式，具体取决于AI在该场景下的能力和人的偏好。但无论哪种合作模式，都 强调人的价值 。半人马模式需要人来进行 战略性分工 ，半机械人模式需要人类引导AI并校正结果；两种模式的有效性都需要 人类对AI能力边界有清晰的认知 ，而这种认知需要人类在实践中不断探索得到。

同时，组织在推进AI应用时，简单的技能培训是不够的，需要 对员工进行AI的全面培训 ，包括如何使用AI、AI的常见问题与风险、如何审核校正AI输出。

首先，需要 构建快速实验和迭代的文化 ，而非一步到位找到最优。同时尝试多种AI工具，以确定各项任务最匹配的AI工具，并结合团队需求不断迭代。迭代速度十分关键，通常是月级的试验周期。以一种实验性的方式开始， 先在战略重要性低、风险低的任务上试点 ，逐步向其他领域扩展。

AI转型需要自上而下推动 。在CEO之下可以设置一个独立的部门来主导AI转型，能级足够高，负责AI应用的教育、监督、消除障碍，推动AI在组织内规模化应用。

■ 核心启示

关于中国区专家

关于BCG亨德森智库

关于BCG X