综述提出「认知资本」框架，梳理生成式 AI 对人与组织的长期影响
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载综述要回答的问题
文章关注的是生成式 AI 进入知识工作后短期内已被记录的生产率收益之外的部分：随着时间推移，留在人和组织身上的知识、技能与判断力会怎样变化。作者用「认知资本」来指称这一存量，把它描述为可积累、可更新、也会耗竭的知识、认知与元认知能力以及实践的总和，正是这些让个体或组织能够学习、解释信息、作出判断、解决问题并适应变化。为了让「人机合起来干得好」和「人本身能力退步」这两件事能被同时看见，文章把个体与组织的认知资本单独拿出来，与人机系统整体的能力区分开，而不是把两者混为一谈。
四条作用机制
综述综合实验、田野与概念研究，提出 AI 互动影响认知资本的四条路径。第一条是实践替代，即原本由人完成的练习被 AI 接手；第二条是脚手架与反馈，即 AI 提供支撑与回应；第三条是元认知校准，涉及人对自己知道什么、判断是否可靠的把握；第四条是组织聚合，关注个体层面的变化如何汇入组织整体。围绕这些机制，作者归纳出七条原则，其中强调辅助条件下的表现与真正留存下来的胜任力并不是一回事，同一项技术究竟支持学习还是替代学习取决于设计与使用方式，个体层面的收益也可能与集体多样性的下降同时出现。
设计杠杆与研究议程
文章为每条机制给出可检验的命题，并面向组织提出五项设计杠杆，但明确把这些定位为有待验证的提议，而非已经确立的做法。结论部分把认知资本视为治理 AI 采纳的多层次框架，并提出以纵向、多层次测量为核心的研究议程。全文共 16 页，含 1 幅图与 4 张表，归类于人机交互与人工智能方向。
为什么值得看
它给出一个可操作的框架，用来区分「AI 帮忙做得好」和「人还留得住能力」，对评估长期使用 AI 的代价有参考价值。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。