新聞 
AI正在拉大技能鴻溝:誰在進化,誰被無情分化?
AI正在拉大技能鴻溝:誰在進化,誰被無情分化?AI正在拉大技能鴻溝:誰在進化,誰被無情分化?
國際勞工組織（ILO）和經濟合作與發展組織（OECD）的研究皆認為，生成式AI首先影響的是高度依賴認知勞動和信息處理的職業，而不是傳統意義上的低技能勞動。然而，高AI暴露並不意味著高替代風險。很多高技能職業雖然受到AI深刻影響，卻更可能出現“增強”而不是“替代”的情況。醫生使用AI輔助診斷，並不會因此在醫院消失，因為醫學工作還涉及臨床判斷、醫患溝通、倫理責任和復雜情境決策。律師使用AI梳理法條，也不意味著律師職業消失，因為法律實踐還需要策略判斷、談判能力和對社會情境的理解。
如果我們討論的是自動化替代風險，答案則有所不同：低技能和中等技能職業往往風險更高。因為這些崗位通常包含大量重復性任務，有著規則明確的流程和標准化的操作。不管是數據錄入還是基礎行政工作，生產線操作還是簡單客服，這些工作更容易被自動化系統完全執行。
所以，AI時代的核心矛盾不是簡單的“高技能vs低技能”，更准確地說，是壹種雙重效應的出現：高認知、非重復、需要判斷和社會互動的工作更容易與AI形成互補；高度重復、規則化、缺乏情境判斷的工作更容易被AI替代。
AI的雙重邏輯：降低門檻，同時抬高天花板
隨著企業越來越多地采用AI技術，壹個日益凸顯的問題是技能鴻溝的不斷擴大。AI的采用往往伴隨著任務構成的轉變：它將常規性和重復性的活動自動化，同時放大了對高級分析、技術和認知技能的需求。這種動態在勞動力市場中制造了壹種結構性挑戰：受教育程度較低、數字能力有限的個人，面臨著顯著更高的失業或職業發展停滯風險。這些勞動者大多集中在制造業、零售業和行政支持等行業，而這些行業正是預計受自動化影響最大的領域。
也就是說，AI對於不同的人，意味著不同的東西：它是增強性工具還是替代性技術，完全看勞動者站在技能鴻溝的哪壹邊。因為AI帶來的並不是能力的平均化，而是能力的分化。
有關AI最常見的壹種論調是“民主化”敘事：壹個山區的孩子和壹個藤校的學生，現在面對的是同壹個Claude或DeepSeek，享有同等規模的人類知識資源。在這個意義上，AI確實擴大了普通人的能力邊界，讓更多人能夠完成更多事情。
這在入門層面或許不無正確性。以前不會寫代碼的人現在可以做壹個簡單網站，不會設計的人也能生成海報，不會剪輯的人能夠制作短視頻。然而，我們需要思考的是，沿著能力曲線繼續向上看，會發生什麼。
壹個本來就很優秀的操作者，在獲得強大的AI工具之後，並不是簡單地提高壹點效率，而是在原有優勢基礎上實現復利式增長。他們的思考能力、判斷能力、戰略能力以及執行能力，會通過AI被進壹步放大。
需要注意的是，AI對優秀者的放大有個前提，任務必須是開放式、高復雜度的，而不是標准化工作。2025年，哈佛商學院、波士頓咨詢集團（BCG）、沃頓商學院等機構合作完成壹項研究，邀請758名BCG咨詢顧問參與隨機對照實驗，要求他們完成18項真實咨詢工作中常見的復雜任務，包括市場分析、商業戰略制定、創意方案設計、客戶溝通以及商業寫作等。這些任務並非簡單的信息檢索，而是涉及綜合分析、價值判斷和策略制定等高階認知活動。
研究者首先根據GPT-4當時的能力，將任務劃分為兩類：壹類位於AI能力邊界之內，即AI能夠較好完成或提供高質量支持的任務；另壹類位於AI能力邊界之外，即需要復雜推理、跨領域整合或專業判斷，AI容易產生錯誤或不完整答案的任務。實驗結果顯示，在AI能力范圍內，使用GPT-4的咨詢顧問完成任務的速度提高約25%，完成任務數量增加約12%，成果質量平均提高40%以上，說明生成式AI能夠顯著增強知識工作的生產效率和輸出質量。
然而，當任務超出AI能力邊界時，情況則發生了明顯變化：部分顧問開始過度依賴AI提供的建議，即使AI出現推理錯誤或事實偏差，也傾向於直接采納，導致最終成果質量下降。
研究最重要的發現並不是“AI讓所有人都變得更優秀”，而是AI的價值取決於使用者是否具有判斷AI能力邊界的元認知能力。表現最優秀的咨詢顧問並沒有把AI視為最終答案，而是將其作為壹個認知伙伴：在AI擅長的領域充分利用其快速生成、信息整合和方案發散能力，而在AI容易出錯的環節，則依靠自身的專業知識、行業經驗和批判性思維進行驗證、修正甚至推翻AI的建議。相比之下，表現較弱的參與者更容易產生自動化偏見，即傾向於默認AI輸出是正確的，從而降低了獨立思考和審慎判斷。
這項研究揭示了生成式AI時代的壹個重要規律：AI放大的並不是知識本身，而是人的判斷力、元認知能力以及駕馭工具的能力。壹個自律、高水平的使用者與壹個普通使用者之間的差距，並不會因為擁有同樣的工具而縮小，反而可能加速擴大。決定結果的變量並不是工具本身，而是使用工具的人。
[加西網正招聘多名全職sales 待遇優]
無評論不新聞，發表壹下您的意見吧
如果我們討論的是自動化替代風險，答案則有所不同：低技能和中等技能職業往往風險更高。因為這些崗位通常包含大量重復性任務，有著規則明確的流程和標准化的操作。不管是數據錄入還是基礎行政工作，生產線操作還是簡單客服，這些工作更容易被自動化系統完全執行。
所以，AI時代的核心矛盾不是簡單的“高技能vs低技能”，更准確地說，是壹種雙重效應的出現：高認知、非重復、需要判斷和社會互動的工作更容易與AI形成互補；高度重復、規則化、缺乏情境判斷的工作更容易被AI替代。
AI的雙重邏輯：降低門檻，同時抬高天花板
隨著企業越來越多地采用AI技術，壹個日益凸顯的問題是技能鴻溝的不斷擴大。AI的采用往往伴隨著任務構成的轉變：它將常規性和重復性的活動自動化，同時放大了對高級分析、技術和認知技能的需求。這種動態在勞動力市場中制造了壹種結構性挑戰：受教育程度較低、數字能力有限的個人，面臨著顯著更高的失業或職業發展停滯風險。這些勞動者大多集中在制造業、零售業和行政支持等行業，而這些行業正是預計受自動化影響最大的領域。
也就是說，AI對於不同的人，意味著不同的東西：它是增強性工具還是替代性技術，完全看勞動者站在技能鴻溝的哪壹邊。因為AI帶來的並不是能力的平均化，而是能力的分化。
有關AI最常見的壹種論調是“民主化”敘事：壹個山區的孩子和壹個藤校的學生，現在面對的是同壹個Claude或DeepSeek，享有同等規模的人類知識資源。在這個意義上，AI確實擴大了普通人的能力邊界，讓更多人能夠完成更多事情。
這在入門層面或許不無正確性。以前不會寫代碼的人現在可以做壹個簡單網站，不會設計的人也能生成海報，不會剪輯的人能夠制作短視頻。然而，我們需要思考的是，沿著能力曲線繼續向上看，會發生什麼。
壹個本來就很優秀的操作者，在獲得強大的AI工具之後，並不是簡單地提高壹點效率，而是在原有優勢基礎上實現復利式增長。他們的思考能力、判斷能力、戰略能力以及執行能力，會通過AI被進壹步放大。
需要注意的是，AI對優秀者的放大有個前提，任務必須是開放式、高復雜度的，而不是標准化工作。2025年，哈佛商學院、波士頓咨詢集團（BCG）、沃頓商學院等機構合作完成壹項研究，邀請758名BCG咨詢顧問參與隨機對照實驗，要求他們完成18項真實咨詢工作中常見的復雜任務，包括市場分析、商業戰略制定、創意方案設計、客戶溝通以及商業寫作等。這些任務並非簡單的信息檢索，而是涉及綜合分析、價值判斷和策略制定等高階認知活動。
研究者首先根據GPT-4當時的能力，將任務劃分為兩類：壹類位於AI能力邊界之內，即AI能夠較好完成或提供高質量支持的任務；另壹類位於AI能力邊界之外，即需要復雜推理、跨領域整合或專業判斷，AI容易產生錯誤或不完整答案的任務。實驗結果顯示，在AI能力范圍內，使用GPT-4的咨詢顧問完成任務的速度提高約25%，完成任務數量增加約12%，成果質量平均提高40%以上，說明生成式AI能夠顯著增強知識工作的生產效率和輸出質量。
然而，當任務超出AI能力邊界時，情況則發生了明顯變化：部分顧問開始過度依賴AI提供的建議，即使AI出現推理錯誤或事實偏差，也傾向於直接采納，導致最終成果質量下降。
研究最重要的發現並不是“AI讓所有人都變得更優秀”，而是AI的價值取決於使用者是否具有判斷AI能力邊界的元認知能力。表現最優秀的咨詢顧問並沒有把AI視為最終答案，而是將其作為壹個認知伙伴：在AI擅長的領域充分利用其快速生成、信息整合和方案發散能力，而在AI容易出錯的環節，則依靠自身的專業知識、行業經驗和批判性思維進行驗證、修正甚至推翻AI的建議。相比之下，表現較弱的參與者更容易產生自動化偏見，即傾向於默認AI輸出是正確的，從而降低了獨立思考和審慎判斷。
這項研究揭示了生成式AI時代的壹個重要規律：AI放大的並不是知識本身，而是人的判斷力、元認知能力以及駕馭工具的能力。壹個自律、高水平的使用者與壹個普通使用者之間的差距，並不會因為擁有同樣的工具而縮小，反而可能加速擴大。決定結果的變量並不是工具本身，而是使用工具的人。
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 |
推薦: