生成式AI时代，谁是主角？

在过去的7个多月里，清华大学经济管理学院李宁教授团队投入了巨大的努力，完成了一项开创性的实证研究论文，深入探讨了人与生成式人工智能（AI）在协作中的互动对任务绩效的影响及其内在机制。这项研究通过两个精心设计的随机控制实验，汇聚了近500名参与者的实验数据，为我们提供了全面而系统的分析视角。

我们深知，生成式AI技术的迅猛发展正在重新定义人机交互的边界，对职场乃至整个社会的影响日益显著。因此，我们致力于探索这一新兴技术领域，旨在为学术界和实践界提供有价值的见解和指导。在此，我们将研究的主要发现和内容整理如下，以飨各位。我们诚挚地欢迎大家的批评指正，希望能够与广大读者共同探讨和深入理解人机合作的未来趋势。

对于有兴趣深入了解本研究的读者，您可以通过以下SSRN链接下载全文：

https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4738829

超越技术：生成式AI背后的人类才智挖掘

再次感谢大家的关注和支持。我们特别感谢所有参与实验的参与者和贡献者，他们的参与和努力使我们能够更深入地探索生成式AI与人类协作的奥秘，为揭示人机合作的科学原理做出了宝贵贡献。让我们一起迎接智能时代的挑战与机遇。

超越技术：生成式AI背后的人类才智挖掘

在过去一年中，生成式人工智能（AI）引发了全球范围内各行各业的广泛关注，其创新能力的展现令人瞩目。这一趋势不仅标志着人工智能技术进入一个新纪元，也引发了对其在职场中角色的深入讨论。以ChatGPT 4.0为代表的生成式AI，在超过90%的标准化任务上展现出的性能已经超越了人类。近期的研究进一步强化了这一观点。根据Haase & Hanel (2023)以及Guzik, Byrge, & Gilde (2023)的研究，生成式AI在不同的创新任务上显示出的能力已经超越了90%至99%的人类参与者。这些成果不仅彰显了生成式人工智能在多项任务上的卓越表现，还暗示了人工智能将成为未来工作环境中不可或缺的合作伙伴。

哈佛大学和麻省理工学院的学者们通过两项研究为这一命题提供了坚实的实证证据，凸显了引入生成式人工智能所引发的根本性变革。这些研究结果表明，应用该技术的个体在处理各种复杂任务时的表现显著提高，这一进步不仅提高了工作效率，还促进了创新思维的发展，使个人和组织能够更好地适应快速变化的需求和挑战。在当前不确定性和竞争日益加剧的环境中，将生成式AI融入工作流程成为了抢占先机的核心策略。这种转变不仅是技术上的升级，更为那些在传统评估中可能未得到充分认可的人们提供了翻身的机会，成为展现其真正潜力的工具和助手。人工智能的介入使每个人都有机会在这场技术变革中找到自己的位置，重新定义自己的价值和能力。

近期由清华大学经济管理学院李宁教授团队进行的一项研究进一步揭示了人机合作及其对知识员工工作绩效影响的更多细节。该研究通过2个随机对照试验，涵盖了近500名实验参与者。

Figure 1 | Research Design

研究结果一方面支持了先前的发现，即和独立完成任务的对照组相比，与生成式人工智能合作可以显著提高创新和产出质量。另一方面，一个更加引人注目的观点浮现了：对于人工智能技术在提升工作绩效方面的作用，我们有了新的理解。与常规思维相反，当人与人工智能携手合作时，那些在技术上更先进的AI模型，例如ChatGPT 3.5向ChatGPT 4.0的飞跃，并没有表现出预期中的优势。虽然ChatGPT 4.0在各种标准化测试的较量中可能会胜过它的前身，但当涉及到与人类共同完成任务时，它的技术优势却似乎黯然失色。更具体地说，这种所谓的高级AI对成绩的提升只是微不足道的不到2%。这一发现对于那种认为拥有更先进工具自然能在专业领域带来更大优势的旧有看法提出了质疑。

Figure 2 | Overall Performance in Study 1

既然在人机协作的背景下，更先进复杂的AI模型的微小优势并非决定性因素，那么真正起到关键作用的是什么呢？答案虽然简单但意义深远：在对比有无人工智能协助完成任务的情形中，简单地引入AI使用本身便成了绩效差异的决定因素，相对于其他解释变量，在任务过程中是否使用生成式的影响程度为81%。而那些我们习以为常的人力资本因素，比如学历、智商和性格，在这种对比中所占的比重甚至不足20%

Figure 3 | Determinants of Performance Variances in Study 1

然而，当人工智能的使用变得普遍，每个人都在使用AI完成任务的情况下，那些技术层面的因素，比如AI模型的先进程度，其影响力竟降至只有10.9%。换言之，如果所有人都使用AI完成任务，在这个前提下，人的因素——智商以及使用AI的经验——成为了主角。智商独自就贡献了33%，之前使用AI的经验也贡献了15.9%。

Figure 4 |Factors in the Context of Pervasive Use of AI

AI training

更为引人注目的是，当我们将AI培训——一种旨在精炼人机协作能力的有意识努力——引入实验，技术进步因素的影响进一步缩水至8.5%。

Figure 5 | Overall Performance in Study 2

此时，人的因素依旧是不可或缺的支柱，智商的影响力保持在20.5%，而培训的效果也十分显著，占比达到了15.8%。这一系列发现颠覆了我们对技术进步与工作绩效关系的传统认知，揭示了在人工智能时代，人的角色和能力的不减反增的重要性。

Figure 6 |Determinants of Performance Variances in Study 2

这一发现意味着，人工智能素养（即使用AI的能力）成为了一门独立于传统技能和知识之外的新兴必备技艺。值得注意的是，研究中提出的“技能一致性”的新观点进一步验证了该项能力的客观存在性。在实验中，我们观察到一个有趣的现象：人们在独立完成任务时表现出的技能一致性，在利用人工智能辅助时也能体现出来。换句话说，如果某人在没有AI辅助的情况下表现良好，他们在随后的独立任务中仍然能维持这种良好表现。同样，那些在AI辅助任务中表现出色的人，在同样与AI合作的任务中也往往能保持这种优势。

然而，这种一致性并不跨越这两种场景，也就是说，那些在独立任务中表现出色的人，并不一定能在利用AI的任务中同样表现出色，反之亦然。这表明，在人工智能辅助的任务中表现有效所需的技能集可能与独立完成任务所需的技能集有所不同。这种技能差异的出现要求我们进一步探索在人工智能时代是否存在独特的能力。

既往研究表明，那些在常规工作中表现欠佳的人群，一旦融入人工智能的辅助，他们的工作效率和成果便会显著提升。但该研究成果为我们带来了更加深入的理解：尽管人工智能的加持确实能够普遍提高工作的平均水平，却并没有缩小人与人之间的表现差异。这一现象深刻地提示我们，与人工智能的深度合作远超出了简单技术应用的范畴，它实际上是对个体能力的一次重新探索和定义。这一点不仅打破了我们对于专业领域中“佼佼者”传统定义的认知，而且还预示着在未来与人工智能共同成长的过程中，人类将迎接一系列全新的技能需求和能力构架的形成。

系统化AI能力培训的关键作用

正如上述所知，要最大限度地挖掘与人工智能合作的潜能，精确而有效的培训至关重要。我们的研究强调了系统化AI能力培训对于优化人机交互模式和提升成果效率的关键作用。深入分析人机互动日志——既包括人类向人工智能发出的命令（Prompt），也包括人工智能的反馈响应（Response）——使我们深入理解了促成高效合作的主要机制。这种详尽的文本分析不仅为我们提供了成功交流策略的全新视角，还展示了如何巧妙操控人工智能以提升工作效率。

具体来说，接受AI培训改变了人们与人工智能的互动方式。接受过培训的个体更倾向于给出精确而清晰的命令，并通过反复的交互来实现更深层次的人机协同。我们的研究通过对互动文本数据中抽取的交互特征进行聚类分析，辨别出三类不同的使用群体。其中一类使用者，被我们称为AI新手，他们在所有交互特征上的得分普遍较低，暴露出他们在提供明确指令或采纳高效互动策略上的不足。与此同时，另外两个群体虽然策略各异，却都能有效地引导人工智能完成既定任务。这一发现不仅凸显了针对性培训的必要性，也为未来的人机协作模式提供了宝贵的策略洞见。

同时，我们仍然发现培训极大地降低了所谓的“新手”使用者的比例，这揭示了培训在提升人们的人工智能素养和应用能力方面具有根本性的变革作用。这种转变凸显了与人工智能相关技能的可塑性以及为了配合技术进步而在人力资本发展上进行投资的重要性。随着我们深入探索人工智能融合的复杂性，通过精心设计的培训计划培育出一支能够熟练掌握人工智能技术的劳动力，对于在专业领域持续实现卓越表现将变得至关重要。

在这场人与人工智能协作的探索旅程中，我们不仅窥见了技术进步的无限潜能，更重要的是，我们认识到了人的不可替代性。生成式人工智能的兴起虽然为我们的职业生涯带来了翻天覆地的变化，但这场变革的核心并不仅仅在于技术的先进性。我们的研究强调了一个根本性的规律：释放人工智能合作的全部潜力，关键在于培养人的能力——了解人工智能、与之有效互动的方式，以及最关键的，系统性的培训和教育。

人工智能的力量确实能够提升我们的表现，尤其是对那些在传统环境下可能会处于劣势的人。但它同时也为我们的工作环境引入了新的技能要求，这些要求正在重新定义什么是职场中的“赢家”。培训在这一过程中显得尤为重要，它不仅能够帮助初学者成长为能够熟练与人工智能协作的专家，还能确保在人工智能普及的时代，个体间的能力差异不会因技术的进步而加剧。

因此，当我们走向一个人工智能技术如同日常生活常客般无处不在的未来时，我们必须记住：关键不在于你选择了哪种人工智能模型，而在于是否主动地拥抱生成式AI以及你如何利用和与之互动。在这个新时代，对人力资本的培养和人工智能技能的训练，可能成为通往成功最关键的要素之一。毕竟，在人与技术的较量中，保持人性和增强人的能力，可能是我们最强大的也是最不可替代的优势。

论文引用：

Li, Ning and Zhou, Huaikang and Deng, Wenming and Liu, Junyuan and Liu, Fengxian and Mikel-Hong, Kris, When Advanced AI Isn't Enough: Human Factors as Drivers of Success in Generative AI-Human Collaborations (February 26, 2024). Available at SSRN: https://ssrn.com/abstract=4738829orhttp://dx.doi.org/10.2139/ssrn.4738829

编辑：梁萍