深度專欄 #9 — AI 能把後段班拉到平均，是真的，但只限有標準答案的工作；沒有的，差距反而拉大

本篇重點

三年前有個很紅的實驗：讓 BCG 的顧問配上 GPT-4 工作，原本表現墊底那一半的人，品質一口氣提升 43%；頂尖那一半只提升 17%。兩群人的差距，從 22 個百分點縮到剩 4 個。「AI 是技能拉平器」這句話，就是從這裡來的。今年三月，這篇研究通過同儕審查、登上正式的管理學期刊 Organization Science(INFORMS)，等於拿到了學位。但同樣這三年，反方向的證據也長齊了：在沒有標準答案的工作裡，AI 反而讓強者更強、弱者更弱；就業市場上，最容易被拉平的初階職位，正在悄悄變少。這篇把三年的證據放上同一張桌子，結論一句話：AI 拉平的是「做出來的品質」，拉不平的是「值多少錢」。被拉平的那段工作，正在被重新定價。

如果你只有一分鐘，帶走這個：把公司裡的職位，按工作內容分成兩類：一類的產出有公認的好標準可以對(簡報、客服回覆、法律文書都是)，另一類要靠判斷、沒有標準答案(這門生意下一步怎麼走、這個診斷該不該信)。第一類的薪資行情會被 AI 拉著往下走，原因很直接：AI 用每月訂閱費的價格，就能把這類工作做到平均水準；雇人做同一件事，價碼自然被壓向工具的價格。所以訓練和加薪的預算，別再花在第一類，改用來把人培養進第二類：能判斷 AI 的產出對不對、錯了扛得起責任的人，那才是還在漲價的位置。後面幾千字都是這兩句話的證據；趕時間的話，讀到這裡已經夠下第一個決定。

三年前那個實驗，今年拿到正式學位

先把地基講清楚。2023 年 9 月，哈佛、華頓、MIT 的學者和 BCG 合作，找了 758 名顧問(約全公司 7% 的人力)，隨機分成兩組：一組能用 GPT-4，一組不能，做 18 項貼近真實顧問工作的任務。結果：能用 AI 的人做得更多(+12.2%)、更快(+25.1%)、品質高四成。最關鍵的是誰受益最大：起跑時墊底一半的人，品質提升 43%；頂尖一半只提升 17%。「技能拉平」這個詞，就是在這裡出生的。

這篇為什麼被引用最多？因為它把可信的條件幾乎湊齊了：人數多、在真實公司做、任務是真的顧問工作，而且開跑前就先登記好要量什麼，防止事後挑好看的數字。它過去唯一欠的，是還沒經過期刊審查；這個缺口今年三月補上了(INFORMS)。三年來被簡報引用了無數次的數字，如今是教科書等級的證據。

但同一篇論文，自己就附了一個警告。研究者故意出了一道 AI 不擅長的題：在那道題上，用 AI 的人反而更容易答錯，做對的機率低了 19 個百分點。作者給這個現象起了名字，叫「鋸齒狀的能力邊界」:AI 的強項和弱項分佈得歪七扭八，而且從外面看不出來。白話就是：AI 幫得上你的前提，是這件事剛好落在它會的範圍裡；麻煩在於，你事先不一定知道。

有標準答案的工作，拉平一再重演

如果拉平只出現在 BCG 一家，那只是一則故事。它不是。四個互不相識的研究團隊，在四種不同的工作上，量到了同一個形狀，而且四篇如今全部通過期刊審查：

寫作。 453 名大學畢業以上的專業工作者做真實的寫作任務：用 ChatGPT 的人省了四成時間、品質評分高 18%，而且原本寫得比較弱的人進步最多(Science)。

客服。 一家上市軟體公司 5,172 名客服的完整工作紀錄：AI 助手讓每小時解決的問題平均多 15%，好處集中在新手：入職兩個月的新人，表現直接追平「沒用 AI、已經做了六個月」的老手(QJE)。

法律。 法學院學生用 GPT-4 寫法律分析：墊底的學生大幅進步，頂尖的反而略微退步；品質的進步輕微又不穩，速度倒是全面變快(Minnesota Law)。

創意寫作。 給寫作者五個 AI 點子：原本比較沒創意的人，新穎度和實用度各提升約一成，幾乎追平了天生有創意的人。但代價也被量到了：大家寫出來的故事，變得更像彼此(Science Advances)。

四個例子的共同點：這些工作都有「好答案長什麼樣」的範本。一份合格的簡報、一則得體的客服回覆、一篇格式完整的法律備忘錄，都有樣可循。範本存在，AI 就等於把範本便宜賣給每一個人；原本離範本最遠的人，自然被拉上來最多。創意寫作那篇順便告訴你代價：人人拿到同一套範本，產出就會像同一個人寫的。拉平與同質化，是同一件事的正反面。

這條線甚至延伸到團隊。同一批研究者 2025 年在寶僑再做一場實驗：一個人配上 AI，表現追平了沒有 AI 的兩人小組(Import AI)。被拉平的不只是人和人的差距，連「一個人」和「一組人」的差距也在縮。這條目前只有一個實驗、我們是從轉述看到的，先當方向讀。

沒有標準答案的地方，結果整個翻過來

最有力的反例在肯亞。研究者把 640 名小企業主隨機分組，一組拿到 GPT-4 當免費商業顧問，WhatsApp 上隨問隨答，追蹤了好幾個月(Management Science;Berkeley Haas)。平均效果：接近零。拆開看才精彩：本來生意做得好的人，獲利多了 15%；本來做得差的人，反而少了 8%。差距不是縮小，是拉大，而且弱的那群是真的變差，不是進步得比較慢。

為什麼？研究者比對後發現，兩群人問 AI 的問題、拿到的建議，品質差不多。差別出在拿到建議之後：會經營的人知道哪條建議值得做、也做得出來；不會經營的人，常常抱著一條自己執行不了的建議空轉，或把力氣花在不對的問題上。 AI 把「建議」變便宜了；但「判斷哪條建議可行」這件事，一分錢都沒有變便宜。

軟體工程給了第二個反例。研究機構 METR 找了 16 位資深開源工程師，在自己維護多年的程式庫裡解 246 張真實工單，隨機決定每張能不能用 AI：結果，用 AI 反而慢了 19%。更有意思的是心理面：他們事前猜自己會快 24%，做完之後還是覺得自己快了 20%。體感和碼表，完全反向(METR)。只有 16 個人、一個領域，這個數字別看太重；但「自我感覺與實測相反」這件事，對所有「我用 AI 變快了」的自報數字，都是一記警鐘。

醫療大致也站在這一側：2025 年以來，多數研究看下來，AI 輔助並沒有明顯讓醫師診斷得更準；方向上支持「沒有醫師把關，別讓它自己下診斷」。這批醫療研究我們還沒逐篇核對原文，只當方向、不引數字。

把這一節和上一節並排，分界線就浮出來了：這件工作，有沒有一個可以核對的「好答案」? 顧問簡報有、客服回覆有；「我的小生意下一步怎麼走」沒有，老程式庫裡一張硬工單的正解也沒有。老實說，肯亞和 BCG 之間還隔著三個差異：環境有多真實、追蹤多久、受試者是誰。所以「有沒有標準答案」是我們讀出來的一條線，不是定論；文末的觀察窗，第一條就是拿來檢驗它的。三年前華頓教授 Ethan Mollick 就寫過：「AI 不會讓外行變專家」(One Useful Thing)。這句 2022 年的老話，2025 年在肯亞拿到了最硬的一次背書。

就業市場：任務被拉平，職位在變少

第三條線來自薪資資料，量的東西和實驗室完全不同。史丹佛的團隊用涵蓋數百萬名美國勞工的薪資檔案追蹤，看到一個結構訊號：在最容易被 AI 取代的職業裡，22 到 25 歲初階員工的就業相對掉了 16%，同職業的資深員工卻很穩；而且下滑集中在 AI「替你把事做掉」的職業，不在 AI「幫你把事做好」的職業(Stanford Digital Economy Lab)。

先別急著喊「AI 血洗白領」。同一段時間，據 Dwarkesh Podcast 訪談轉述，耶魯的預算實驗室掃了總體就業數據，結論是 ChatGPT 上線 33 個月，「要瞇著眼睛才勉強看得到」AI 的痕跡(Dwarkesh Podcast)；丹麥研究者連結 2.5 萬名勞工的官方薪資紀錄，發現 AI 聊天機器人對薪資和工時「在任何職業都沒有顯著影響」(Humlum & Vestergaard)。這三份數據其實不打架，因為量的是三件事：一份量總量、一份量同職業裡年輕與資深的相對變化、一份量在職者的薪水。整體平靜、結構重排，可以同時是真的。

但「初階先承壓」和拉平的故事直接相撞：AI 都把新手拉到平均了，為什麼最先變少的是新手職位？答案藏在經濟學最老的一課裡：當任何人配上 AI 都能交出平均品質，平均品質就不值錢了。 企業付薪水買的，不再是「能做到平均水準的人」(那段產出 AI 直接供應)，而是「能為結果把關、扛得起責任的人」。初階職位本來的功能，就是拿「照範本做的工作」換一張入行門票；範本被 AI 便宜供應，這筆交換的行情自然垮。自由接案平台早就給過預告：ChatGPT 上線後，「AI 做得來的工作」職缺少了 21%，影像 AI 出來後，平面設計職缺再少 17%(One Useful Thing；這條是研究轉述，我們還沒核到原始論文，當方向讀)。

要說清楚的是：這條「拉平=重新定價」的因果，目前是我們的推導，不是驗證過的事實。薪資檔案只是觀察，不是實驗：利率循環、疫後科技業縮編，都還可能是真正的原因；「行情往工具價靠攏」也還沒有直接的薪資數據，市場定價通常慢一兩年才反映。它是眼下最能把三條數據講通的一個解釋，不是已經蓋好的橋。

插曲：最紅的反面證據，是造出來的

還有第三種劇本：AI 讓少數高手強到通吃，成為新的贏家，叫「造王」。這個劇本 2024 年底一度拿到最漂亮的證據：一篇 MIT 博士生的論文宣稱追蹤了大型企業實驗室 1,018 名材料科學家，發現 AI 讓頂尖研究者產出接近翻倍、墊底三分之一幾乎沒受益。「懂行的人才駕馭得了 AI」，敘事完美，引用瘋傳。

2025 年 5 月，MIT 正式聲明：對這篇論文的數據「來源、可靠性與有效性沒有信心」，要求從預印本平台撤下；作者離開了 MIT(TechCrunch)。造王劇本最常被引用的那根柱子，是假的。

這件事值得單獨一節，因為它暴露的不只是一個人造假，而是這個領域「想聽故事」的需求，已經強到一個編出來的分佈故事能一路走進頂級期刊的投稿流程。這裡也對自己誠實：如果把「造王」放寬定義成「差距拉大」，肯亞實驗本身就是這個方向的證據，不能假裝沒看到。我們把肯亞歸在「判斷」那一側，理由是機制不同：那裡差距拉大，是因為挑建議、執行建議的能力不同，不是少數人拿到了翻倍的超能力。狹義的造王(少數 AI 高手產出翻倍以上、通吃市場)沒有死，但它現在拿得出手的，只剩「有 AI 技能的人薪資高 56%」這類調查數字；問題是「誰算有 AI 技能」跟職位、年資疊在一起，分不出因果，而且原始報告我們只核到二手轉述。一句話：狹義造王，還在等一條乾淨的證據。

三年後，這一題要拆成三層答

2023 年，研究者自己就提醒過，拉平之後的最終分佈有三種可能：只有後段受益的「拉平器」、人人等比上升的「手扶梯」、少數高手通吃的「造王者」。三年下來，這場賽跑走到哪裡，一張圖看完：

回頭看，當年那個提問之所以吵不完，是因為它把三個不同的問題疊在一起。拆開來，每一層其實都有答案了：

第一層：做事的品質。拉平是真的。 有標準答案的工作上，「弱者受益最多」在寫作、客服、法律、創意四個領域重複出現，五篇研究全部通過期刊審查。兩個提醒：法律那篇的品質進步很小、主要是變快；「差距從 22 縮到 4 個百分點」那種驚人的壓縮幅度，到今天只在 BCG 一家量過，還沒有人在別的地方重做出來。方向很硬，幅度先別背下來。

第二層：下判斷的能力。拉平失效，差距放大。 沒有標準答案的工作，例如開放式的經營決策、老系統裡的硬問題、需要把關的診斷，AI 放大既有差距，因為它供應的是原料，而把原料變成成果的判斷力，沒有被拉平。至於「人人等比上升」的手扶梯：目前唯一直接測資深者的隨機實驗(METR)量到的還是反向，雖然只有 16 人，但支持手扶梯的證據，現在是零。

第三層：市場的價格。問題已經換了一題。 被拉平的任務走向大宗商品化，初階職位承壓；人的溢價，搬去了驗收、判斷、責任。三年前寫下「AI 不會讓外行變專家」的 Mollick,2026 年形容自己的工作方式已經變成「描述需求、付費、驗收成果」。對專家的依賴沒有消失，只是從「生產」搬到了「驗收」(One Useful Thing)。對兩類產品，這是反向的訊號(以下是判斷，不是已驗證的市場數據)：賣「把任務做到平均」的低價自動化工具，像自助客服機器人，只會被一路壓價；賣「幫你判斷該用哪個答案、錯了誰負責」的把關與驗收工具，才站在能加價的位置。

所以真正該盯的，不是「雇便宜的人配 AI、砍人、還是養高手」這個三選一，而是：你付的每一份薪水，買的是「有標準答案的那段」，還是「要靠判斷的那段」？前者的價格只會繼續往 AI 訂閱費靠攏；後者的稀缺，才剛開始計價。

方向判斷

AI 在有標準答案的工作上拉平品質：這件事已跨領域重複驗證，不再是假設(但壓縮的幅度只在 BCG 量過一次)。拉平的經濟後果是商品化：被拉平那段工作的行情，會向工具成本靠攏(這步是推導，價格證據還沒到位)；初階職位承壓是它的第一個觀測訊號；人的溢價搬向判斷、驗收與責任。問題已經從「誰被拉平」變成「被拉平的那段還值多少錢、沒被拉平的那段在誰手上」。

什麼會推翻它：三條觀察窗，以 12 個月為期，都是本報自設：①如果在沒有標準答案的領域(開放式經營判斷、科研選題)出現乾淨的拉平證據，「判斷力不被拉平」就要修正；②如果初階就業的下滑，同樣幅度出現在 AI「幫你做好」型職業(而不只是「替你做掉」型),「重新定價」的讀法就被推翻：那是全面替代，不是分段定價；③如果大樣本薪資在扣掉職位與年資後，仍然量到 AI 高手的薪資溢價持續擴大，造王劇本就從「缺證據」升格為「正在發生」。

這對誰意味著什麼

同一組結論，落到不同人身上是不同的動作。

管人、付薪水的人，最該改的是預算方向：把職位清單按「工作內容有沒有標準答案」重新分成兩類。有標準答案的那一類，AI 訂閱費就是它的價格錨：付更高的薪水，買的是 AI 也做得到的品質；訓練預算回報最高的用法，不是教人用 AI(拉平多半會自己發生)，而是把人培養到驗收與把關的位置上。

剛入行的人，要認清一件事：「AI 把你拉到平均」是真的，也正因為如此，平均不再是賣點。入行梯子最下面幾階在變窄，這是薪資檔案裡的數據，不是氣氛；你的議價力全在標準答案之外：判斷哪個答案是對的、扛下答案錯了的責任。

看勞動數據下判斷的人，記住一件事：「AI 血洗白領」和「AI 毫無影響」可以同時有數據支持，差別只在量的是總量還是結構。下次看到聳動數字，先問三件事：量哪一層？相對還是絕對？第幾版？

拿研究做決策的人：這個領域想聽故事的需求，強到有人造假登場、也強到同一篇論文的數字會在不同版本間漂移。引用「AI 讓誰受益」之前，先確認三件事：登上期刊了沒有、被撤了沒有、你引的是第幾版。本篇的效應數字都核過一手頁面；少數只有二手或轉述的(顧問公司的薪資溢價、接案平台職缺、醫療把關研究)，文中都標明了。

繁 中文版|EN English edition →