arXiv 论文：AI 辅助工作或削弱技能积累，需设计激励机制
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，非原文转载问题设定与模型扩展
论文关注的是工作中技能的形成机制：新手靠完成任务积累能力，熟手靠持续练习维持水平。AI 辅助改变了这一过程，因为工作者在每项任务上都可以选择自己解，或直接采纳 AI 给出的答案。依赖 AI 能省下当下的精力，却也可能挤掉原本用于练习的时间，其中也包括监督 AI 所需的能力。作者把已有的「接受或解题」模型扩展成一系列连续任务，让工作者的技能在独立练习与依赖 AI 之间逐步演变，从而观察不同选择策略在长期中的后果。
短视与战略两类工作者
模型区分了两类行为方式：短视的工作者只追求当前任务的即时效用，战略型工作者则把未来技能也计入决策。分析显示，短视者中新手可能长期停留在较低技能水平，熟手也可能出现技能退化，而与此同时 AI 辅助下的任务正确率依然保持较高。战略型工作者则可能明知 AI 更准确，仍选择独立完成，因为他们认可获取与保持技能的未来价值。这一对比说明，任务层面的准确率高低，并不能代表工作者能力在长期中的走向。
激励设计与长期成本
论文随后考察了奖励正确独立工作的激励安排，并刻画了促使工作者获取和保持技能所需的报酬水平。一个结论是，当工作者技能积累到足够高之后，独立工作可以自我维持，不再需要持续的外部激励。另一个反直觉的发现是，设定更高的技能目标有时反而会降低长期的激励成本，原因要么是让独立工作进入自我维持状态，要么是减少了维持熟练度所需的报酬。作者据此把讨论重心从「单项任务该不该用 AI」转向组织如何长期维系人的专业能力，以及哪些技能值得投入。
为什么值得看
把「用 AI 会不会让人变笨」从直觉争论变成可建模的问题，并给出激励设计思路，对设计人机协作流程的团队有参考价值。
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。