AI变革中的隐忧：工具受控于人，但使用者的退化谁来关注？

我们都在学习如何运用AI，却鲜有人思考如何避免被AI所驾驭。

如今任何一家企业的工位上，屏幕前多半显示着一个对话窗口。会议中常听到的话是"先让AI出个初稿"。在老板的朋友圈，"不会用AI的人明年将被淘汰"被反复转发。

所有人都在学习如何使用AI。

但鲜有人问：当每日让AI代为查阅资料、撰写文档、做判断时，我们这一年是变得更有能力，还是更加退步？

先说明白，我并不反对AI，我自己每天都在使用，写这篇文章也并非劝人不用AI。恰恰相反，正因为要长期使用AI，才更应想清楚一件事。

AI转型其实包含两个方面。

一方面为工具：购买软件、搭建流程、进行培训、关注效率。这一方面有人管理，且越来越精细，预算、KPI、专人负责，样样俱全。

另一方面是人：员工的能力是否还在，判断是否准确，对机器的依赖有多深。这一方面，基本无人管理。

它看似虚无，代价却很现实。

以下数据和事例，都不是预测，是已经发生、能查到来源的。

一、写给打工人：你担心的不是被AI取代，是被自己用废

1. 先被替代的，恰恰是年轻人

2025年，斯坦福几位经济学家（Brynjolfsson 等人）做了一项研究，标题为《煤矿里的金丝雀》。他们没有使用问卷，而是直接调取了美国最大薪资服务商 ADP 的工资数据，覆盖几百万名员工。

结论如下：在AI渗透最深的岗位上，22到25岁的年轻人，从 2022 年底到2025年，就业相对下降了13%（更新版数据是16%）。而同样岗位上的资深员工，就业基本稳定，甚至还在增长。

这里还有两点更重要。

一是公司并非在裁员，而是不再补人。老员工走后，这个岗位就空着，不招应届生顶上。新人进入职场的那道门，正在悄悄关闭。二是减少的是人头，不是工资。公司宁可少招人，也没动薪资。

它还区分了AI到底在干嘛：在AI用来"替代"人的岗位上，年轻人就业下滑；在AI用来"辅助"人的岗位上，反而还在增长。

换句话说，年轻人懂的那点东西，正好和AI能干的活撞在了一起。基础岗位本来是练手、积累经验、增长能力的地方，现在这道台阶正在被抽掉。最先受影响的，不是不会用AI的人，是还没来得及把基本功练扎实的人。

2. 越信AI，越不动脑

第二件事，关于判断力。

2025年，微软研究院和卡内基梅隆大学在 CHI 会议上发表了一篇论文，调查了319名每周都用AI的知识工作者。它问的是：用AI的时候，人还有没有在认真思考？

结果很直接：一个人对 AI 越信任，他在这件事上做的批判性思考就越少；反过来，越是相信自己的判断，才越会去核对 AI 给的东西。

问题在于，AI的能力一直在涨。

人觉得自己比AI强的领域越来越窄，于是认真思考的场合也越来越少。研究者的原话大意是：AI确实提升了效率，但也可能让人不再深入参与工作，长期下去对工具形成依赖，独立解决问题的本事跟着退。

同一年，MIT 媒体实验室做了一个更直观的实验。他们找了54个人写文章，分成三组：一组用 ChatGPT，一组用搜索引擎，一组什么都不用。四个月里反复测，全程用脑电仪记录大脑活动。

用 ChatGPT 那组，大脑各区之间的活跃连接最弱，文章质量和评分也最低。

最扎心的一处是：写完没几分钟，让他们引用一下自己刚写的句子，这组人大多说不上来。文章是出来了，但好像没怎么经过自己的脑子。研究者管这叫"认知负债"。

要说明的是，这项研究还是预印本，只测了54个人、只测了 ChatGPT，结论还得更大规模去验证。但它和微软那篇指向的是同一件事：这不是用 AI 的人变笨了，是该自己想的事越来越多地交了出去，练得少，本事就生疏。

3. AI错得最像样的地方，人最容易栽

光不练还不是最危险的。更麻烦的是，人偏偏在 AI 最不靠谱的地方最信它。

这话有实验撑着。2023年，哈佛商学院和波士顿咨询（BCG）一起做过一个实验，找了758名 BCG 顾问，随机分组干活。

在AI擅长的任务上，用GPT-4 的人表现亮眼：完成的子任务更多，速度快了约四分之一，成果质量被打分高出约四成。

但研究者故意设计了一道AI不擅长、看上去却没什么特别的题。结果反过来了：完全不用AI的对照组答对率84.5%，用了 GPT-4 的掉到 70.6%，那些还额外学过"提示词技巧"的，反而只剩 60%。

AI 把表面的数字处理得漂漂亮亮，却漏掉了藏在材料里的关键信息。而用AI的人，看着输出像模像样，就直接信了。

研究团队把这AI能力时好时坏、边界又看不清的状态，叫"锯齿状的能力边界"。难就难在，你事先不知道手上这道题，落在边界的哪一边。

2026年这个团队又追了一篇。他们翻了70多名顾问跟AI较劲的完整记录，发现当人质疑AI、指出它错了的时候，AI不认错，反而更卖力地说服你：先道个歉，改两句，然后摆出更多数据，把原来那个错答案讲得更像真的。

你以为是你在审核AI，其实常常是AI在反过来说服你。

给打工人的三个动作

道理讲完，落到能做的事上。这三件，今天就能开始。

先想，再问AI。重要的活，先自己花十分钟，把思路框架手写出来，再丢给 AI 执行。顺序反过来，你就只是在给 AI 的答案盖章。

每周留半天不用AI。这半天所有活都自己来，不是复古，是逼自己把手和脑子重新使起来。

专门练AI干不好的事。把复杂问题拆开、跟人把事谈拢、从一堆乱信息里看出门道、对一个答案起疑心，这些 AI 接不住，也正是往后还值钱的地方。

二、写给管理者：只买工具不管人，是能犯的最贵的错

1. 一份报告，赔进去四十多万

2025年10月，德勤（四大之一）摊上一件事。

它给澳大利亚就业与劳动关系部做了一份约 44 万澳元的评审报告。报告发出去之后，被悉尼大学一位研究者发现里面问题不小：引用了几篇根本不存在的学术论文，还伪造了一段联邦法院判词，连法官的话都是编的。

德勤后来承认，报告制作中用了 Azure OpenAI，更正了版本，退还了部分款项。

讽刺的地方在于，德勤自己一直在对外卖"负责任地用AI"的咨询。

这件事的要害不是AI会出错——出错本就难免。要害是，一份要署名、要负责、要交给政府的报告，从头到尾居然没人把那些引用一条条核对过。AI写得太顺，人就懒得查了。

一个团队一旦养成"AI生成、直接提交"的习惯，这种事就不是会不会发生，而是什么时候发生。

2. 你今天省下的初级岗，是三年后没人接班

回到上面斯坦福那项研究。它对打工人是坏消息，对管理者其实是更长远的麻烦。

初级岗位是公司培养人的地方。一个人从新手做到能独当一面，靠的是无数次自己上手、自己搞砸、自己补救。你今天用AI把初级活全包了，省下几个新人的工资，账面上效率是高了。

但三五年后回头看，公司里会出现一批断层：能调教AI的人不少，能判断AI对不对、能在AI卡住时自己顶上去的人，越来越难找。

经验和判断这东西，AI替代不了，也教不会，只能靠人一年年熬出来。你今天裁掉的每一个初级员工，本来都是几年后能扛事的那个人。

3. 越信AI的组织，越扛不住一次低级错误

个人会在 AI 不靠谱的地方栽，组织也一样，而且代价是放大的。

哈佛和 BCG 那个实验里，越是闷头照搬 AI、越少去质疑它的人，表现越差。把这个放到公司里：如果一整个团队都习惯了让 AI 拿主意，那么 AI 哪天犯一个表面看不出来的错，就可能顺着流程一路走到最终决策，没人拦得住。

效率提升是平时一点点攒的，而一次方向性的错误判断，可能一次就把它全抵消掉。

最终为决策负责的，永远是人，不是机器。AI可以帮你做决策，但它替不了你做决策。

给管理者的三个动作

把人和 AI 的分工写进岗位说明。哪些事必须人来定，哪些可以交给 AI，白纸黑字写清楚。比如战略判断、对外承诺人来定，资料整理、初稿润色可以用 AI。别让边界全凭各人自觉。

建一道审核关，而且审核的人要负责。凡是 AI 生成的内容，提交前必须有人过一遍，签字的人对结果负责。德勤那件事，缺的就是这一关。

做 AI认知培训，不只是工具培训。别只教大家怎么调AI，更要教清楚：AI什么能干、什么干不好、什么时候最容易骗过你。让人对它有判断，而不是要么盲信要么害怕。

三、真正该拼的，是组织的AI认知适应力

上面这些，个人的、组织的，其实都指向同一个被忽略的能力。我把它叫做组织AI认知适应力：在和AI一起干活时，一个组织还能不能守住人这一头的价值。

它不看你买了多少工具，也不看大家用得多熟，而看四件事：

一是技能。核心能力是被AI放大了，还是在悄悄退。

二是判断。对AI的信任，配不配得上它真实的可靠度。

三是心态。员工面对AI的焦虑和价值感，处在什么水平。

四是边界。人和AI谁干什么，分得清不清，会不会一边倒地依赖。

往后公司之间真正拉开差距的，不是谁的AI工具更多更新，而是谁先把"人"这一半也管起来。

写在最后

技术那一半，公司里一直有人盯着。人这一半，不该一直空着没人管。

AI是个了不起的工具，但它是工具。

工具用来帮人省下重复、枯燥、磨人的活，这没问题。可一旦让它替我们去想、去判断、去拿主意，省下的那点时间，迟早要连本带利还回去。

这不是三五年后才要操心的事。上面那些研究和案例，时间都写在 2025、2026。

最后想问问你：

用AI这一年，你有没有遇到过那种情况——AI 给的东西错了，你却没看出来，照着用了出去？

后来是怎么发现的？欢迎在评论里说说你的经历。

文中数据与案例出处：

斯坦福数字经济实验室《Canaries in the Coal Mine》(2025)；微软研究院与卡内基梅隆大学 CHI 2025 论文《The Impact of Generative AI on Critical Thinking》；MIT 媒体实验室《Your Brain on ChatGPT》(2025，预印本，样本 54 人，结论尚需更大规模验证)；哈佛商学院与波士顿咨询《Navigating the Jagged Technological Frontier》(2023) 及其 2026 年后续研究；德勤澳洲为澳大利亚就业与劳动关系部所做报告的更正与退款事件（多家媒体 2025 年 10 月报道）。