---
title: "半人马与赛博格：在未来工作的前沿 [译]"
url: "https://paooo.com/ai-study/8571/"
author: "宝玉的分享"
published_at: "2024-09-28T12:19:52+08:00"
updated_at: "2026-05-23T18:25:44+08:00"
categories: "强化 AI 学习"
tags: "AI办公效率, ChatGPT, OpenAI"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# 半人马与赛博格：在未来工作的前沿 [译]

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/ai-study/8571/) · 作者：宝玉的分享 · 发布时间：2024-09-28

## AI 30 秒核心看点 (TL;DR)

- GPT-4 在 18 项咨询任务中全面领先，证明 AI 不只是辅助，而是能显著提升专业产出。
- 实验显示：完成率提升 12.2%，速度提升 25.1%，成果质量提升 40%，效果非常明确。
- 研究提出“锯齿边界”概念：AI 能力并不均匀，强项与弱项并存，使用场景选择很关键。

**关于 AI 是否将重塑工作的问题，似乎我们找到了答案....**

很多人都在好奇，AI 究竟能否真正影响未来的工作模式。最新的一篇研究论文给出了一个强有力的肯定回答。

在过去的几个月中，我和一群社会科学家一起，在波士顿咨询集团进行了一项大型研究，我们把他们的办公室变成了一个用于探索 AI 时代下专业工作未来的先锋实验场。我们的首份论文今天发布了。虽然论文中包含了许多重要且实用的细节，但先让我揭晓最引人注目的发现：在 18 项被选中的、反映精英咨询公司日常工作的任务中，使用了 ChatGPT-4 的顾问在各个方面都明显胜过那些未使用 AI 的顾问。


	
	

这是所有任务的成果质量分布图。蓝色代表未使用 AI 的组，绿色和红色代表使用了 AI 的组，其中红色组还接受了如何使用 AI 的额外培训。

使用 AI 的顾问在任务完成率上平均**增加了 12.2%**，**完成任务的速度提高了 25.1%**，而且他们的工作成果质量比未使用 AI 的顾问高出**40%**。这些数据揭示了 AI 带来的巨大影响。现在，让我们深入探讨其中的细节。

首先，需要强调的是，这项工作是跨学科的，包括了多种实验和数百次访谈，由一个杰出团队负责，其中包括哈佛大学的社会科学家 Fabrizio Dell’Acqua、EdwardMcFowland III 和 Karim Lakhani，以及来自沃里克商学院的 Hila Lifshitz-Assaf 和麻省理工学院的 Katherine Kellogg（还有我本人）。Saran Rajendran、Lisa Krayer 和 François Candelon 在波士顿咨询集团（BCG）领导了这项实验，动用了该公司 7% 的咨询人力（共 758 名顾问）。他们的工作非常细致，远不止这篇文章所能涵盖。因此，如果你想了解更多细节，特别是关于数据或方法方面的问题，请查阅完整论文。我在这里只能简要概述 58 页的研究成果，任何误差都是我的责任，而非我的合作者。此外，虽然这些实验已经预先注册，但这仍是一篇新的工作论文，可能存在一些错误或疏漏，目前还未经过同行评审。知晓这些，我们现在可以详细探讨这些内容……

## 
探索不均匀的 AI 边界

AI 的世界充满奇异。就连最先进的大语言模型（如 GPT-4）的全部潜能，也无人能够完全了解。我们还不清楚如何最佳地利用它们，或它们在什么情况下会出错。没有现成的使用指南。在某些任务上，AI 表现出惊人的能力，而在其他任务上，它可能完全失败，或出现微妙的错误。除非你经常运用 AI，否则很难辨别它的长短。

这就是我们所说的 AI 的“锯齿边界”。想象一下一座城堡的防御墙，有些部分高耸，突出于乡村之外，而有些部分则低垂，回缩向城堡中心。这堵墙代表了 AI 的能力范围，距离中心越远，任务难度越大。墙内的任务都能被 AI 完成，而墙外的则难以为继。难题在于这堵墙是无形的，因此一些看似与中心等距离的任务——例如写一首十四行诗与一首恰好 50 个词的诗——实际上难度却大不相同。AI 在写十四行诗方面游刃有余，但因为它是基于 token 而非词汇来理解世界，它在写出刚好 50 个词的诗方面却常常失败。同样，一些看似难以预料的任务（如创意生成）对 AI 来说却轻而易举，而一些看起来应该简单的任务（如基础数学）对于大语言模型却是一大挑战。

我曾请带有代码解释功能的 ChatGPT 帮助我们形象化这个概念：


	
	嘿 GPT，我想要你帮忙绘制一张图像，来展示我们关于 AI 对工作影响的新论文。论文的核心观点是 AI 能力的不均匀性，也就是锯齿边界。某些任务虽然看似难度相同，但有的恰好位于这个边界之外，有的则在边界之内。我想让你用任何技术绘制一张图，展示从中心点延伸出的锯齿边界，其中距离中心越远代表任务越难。并用点表示不同的任务，比如一个点位于边界内，另一个点位于边界外，还有一个任务标记为“边界外任务”，另一个为“边界内任务”，并有一条圆形线条显示它们距离中心的相同距离，因此难度相当。

为了深入探索 AI 对知识型工作的影响，我们选择了数百名咨询师进行实验，随机分配他们是否可以使用 AI。我们允许使用 AI 的人获得了对 GPT-4 的访问权限，这是全球 169 个国家的任何人都可以通过 Bing 免费使用或通过支付每月 20 美元给 OpenAI 使用的同一模型。他们使用的是未经特别微调或定制提示的纯净 GPT-4，仅通过 API 进行访问。

我们首先进行了大量的预测试和调研以建立初始基准，随后请顾问为一个虚构的鞋品公司完成了 BCG 团队精心挑选的各种任务，这些任务准确地反映了顾问的工作内容。这包括创意性任务（“为一个服务不足的市场或运动领域设计至少 10 种新型运动鞋。”），分析性任务（“按用户对鞋类市场进行分类。”），写作与营销任务（“为你的产品撰写一份新闻稿。”），以及说服力任务（“写一份鼓舞员工的备忘录，说明你的产品如何胜过竞争对手。”）。我们甚至还咨询了鞋类公司的高管，以确保这些任务的现实性 - 他们确认了这一点。而且，考虑到 AI 的发展，这些任务可能正是我们预期在技术前沿的工作。

根据我们的理论，正如我们之前讨论的，我们发现有 AI 辅助的顾问表现更佳，无论他们之前是否简要了解过 AI（在图表中为“概览”组）或未曾接触。无论是完成任务的时间、完成的总任务数量（我们设定了总体时间限制），还是工作成果的质量，表现都更好。我们用人工和 AI 评估者对成果质量进行了评估，双方评价一致，这本身就是个有趣的发现。


	
	

我们还发现了一个越来越明显的 AI 相关现象：它能够均衡技能水平。在实验开始时表现最差的顾问，在使用 AI 后表现提升了 43%，这是最显著的进步。即使是顶尖顾问也有所提升，尽管幅度较小。从这些结果来看，我认为目前还没有足够多的人意识到，当一项技术能够将所有工人的表现提升到顶尖水平时，这意味着什么。这有点像过去人们关心矿工挖掘岩石的能力好坏……直到蒸汽铲的出现，挖掘能力的差异就不再重要。虽然 AI 还没有达到那种颠覆性的变革水平，但它在技能均衡方面的影响是巨大的。


	
	

## 
超越创新的边界

故事背后还有更深层的含义。BCG 设计了一个特别的任务，旨在确保 AI 无法给出正确的答案。这个任务的设计颇具挑战。正如我们在论文中提到的：“鉴于 AI 显示出惊人的能力，设计一个在 AI 能力范围之外、且人类凭借高水平的专业知识能够持续胜过 AI 的任务并不容易。”但我们最终找到了这样一个任务，它利用了 AI 的局限性，确保 AI 对人类能够解决的问题给出错误但看似合理的答案。实际上，没有 AI 协助的人类顾问解决问题的正确率高达 84%，但当他们依赖 AI 时，表现反而下降，正确率仅为 60-70%。这是怎么回事呢？


	
	

在我们合作的另一篇论文中，Fabrizio Dell’Acqua 指出过度依赖 AI 可能带来的弊端。他在一项实验中发现，使用高品质 AI 的招聘人员变得懒散、不够细心，并在判断上失去锐度。他们错过了许多优秀的候选人，做出的决策甚至不如那些使用低质量 AI 或不使用 AI 的招聘人员。当 AI 表现出色时，人们往往不再努力思考和关注细节，而是任由 AI 主导，忽略了将其作为辅助工具的初衷。他将这种现象形容为“驾驶时打瞌睡”，这可能会对人类的学习、技能提升和工作效率造成负面影响。

在我们的实验中，我们也观察到了类似的现象。那些使用 AI 的顾问给出的答案准确度实际上低于那些未被允许使用 AI 的顾问（尽管他们在撰写结果方面的表现仍优于未使用 AI 的顾问）。如果对 AI 的边界认识不清，AI 的权威性可能会误导人们。

## 
半人马与半机械人的合作模式

尽管如此，许多顾问成功地处理了 AI 技术的内部和边缘任务，既利用了 AI 的优势，又避免了其不足。他们通常采用两种策略之一：化身为半人马或者成为半机械人。幸运的是，这里说的“化身”并不涉及在身体上植入任何电子设备，或者变成希腊神话中那种半人半马的生物。这其实指的是两种在 AI 锯齿般边界上高效协作的方式，巧妙地结合人类和机器的工作。

在半人马模式下，人和机器之间的分工非常明确，就像神话中的半人马那样，人的躯干和马的身体界限分明。半人马模式下，根据各自的长处和能力来分配责任，灵活地在 AI 和人的任务之间切换。比如，当我借助 AI 进行数据分析时，我会以半人马的方式来操作：我决定使用哪些统计技术，然后让 AI 负责绘制图表。在我们 BCG 的研究中，半人马们会亲自完成自己最擅长的工作，然后把位于 AI 锯齿边界的任务交给 AI 来处理。

而半机械人模式则是将人与机器紧密结合，深度融合两者。在这种模式下，人不仅仅是分配任务，而是与 AI 密切合作，灵活穿梭于 AI 的锯齿边界。他们会将任务的一部分交给 AI 来处理，例如，他们可能会启动一个句子，然后让 AI 来完成，从而实现与 AI 的并行工作。这就是我推荐用 AI 进行写作的方法，例如。这也是我在论文中制作两幅插图的方式（包括“锯齿边界”图像和“54 线图表”），这两幅图都是我在 ChatGPT 的初步指导和引导下完成的。


	
	

## 
在充满挑战的前沿起舞

我们的论文，加上其他学者的一系列杰出研究，均指出，无论人们如何围绕 AI 的本质和未来展开哲学和技术辩论，AI 已成为我们实际工作方式的一大变革力量。这不是一项需要五年才能改变世界的被过度宣传的新技术，也不需巨额投资和大公司的资源支持 - 它已经出现在我们眼前。那些顶尖顾问所使用的工具，其实和我们每个人现在能用的工具没有两样。而且，顾问们目前使用的工具很快就会变得比大家现有的还要落后，因为技术前沿不仅多变，还在不断扩展。我非常自信，在未来一年内，至少会有两家公司推出比 GPT-4 更为强大的模型。这个充满挑战的前沿正在快速发展，我们必须做好准备迎接。

除了这种说法可能引起的不安之外，AI 的其他不足之处也值得注意。人们使用 AI 时容易进入“自动驾驶”模式，对 AI 的错误视而不见。另外，正如其他研究所发现的，AI 的输出虽然在质量上超过人类，但在总体上看却显得过于雷同和单一。这就是“赛博格”和“人马合体”变得重要的原因 - 它们让人类能够与 AI 合作，创造出比单独由人类或 AI 完成的工作更多样、更准确、更出色的成果。而成为这样的存在并不困难，只需在工作中频繁使用 AI，你就会逐渐领略到这个复杂前沿的轮廓，明白 AI 在哪些方面表现出色，以及在哪些方面还有所不足。

在我看来，关键的问题已经不再是 AI 是否会重塑我们的工作方式，而是我们希望通过 AI 重塑工作带来什么样的意义。我们可以选择如何利用 AI 来使工作更高效、更有趣、更有意义。但我们必须尽快做出这些选择，以便我们能开始以道德和有价值的方式积极利用 AI，像“赛博格”和“人马合体”那样，而不只是被动地应对技术变革。与此同时，那个充满挑战的前沿仍在不断前进。

## 常见问题解答 (FAQ)

### GPT-4 对咨询工作到底提升了多少？
研究显示，在 18 项咨询任务中，使用 ChatGPT-4 的顾问平均完成率提升 12.2%，完成速度提高 25.1%，工作成果质量比未使用 AI 的顾问高出 40%。

### 什么是 AI 的“锯齿边界”？
它指 AI 能力分布并不均匀：有些看似相近的任务，AI 可能一个轻松完成、另一个却表现很差。也就是说，不能只看任务难度表面相似，必须具体判断是否适合 AI。

### 这项研究说明 AI 适合哪些工作？
研究主要针对知识型、专业型任务，尤其是创意、分析、写作和说服类工作。结果表明，像咨询、方案撰写、市场分析这类任务，AI 能显著提升效率和质量。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
