AI 拉平的是有範本可照的任務,不是判斷;被拉平的那段工作會變便宜——開獎 2027-07-17

這在吵什麼:多篇研究發現 AI 對原本表現較差的人幫助最大、把績效差距拉近,爭論在這會讓工作者更平等,還是讓少數高手贏者全拿。

為何重要:企業要據此決定是多雇經驗少的人再配上 AI、趁機砍人力,還是培養少數高手,薪資與培訓預算都跟著變。

誰在對賭:「拉平器」、「人人等比升級」和「少數人成為新王」三種說法並立,本報認為答案要分層看。

本報判讀:技能拉平要分三層看。任務層成立:在有品質範本可對照的工作上(寫作、創意、法律、客服、顧問分析等),AI 把下半段的人拉近平均,已有五篇同儕審查研究支持。

判斷層反過來:沒有範本可對照的工作,AI 反而拉大差距。肯亞的實地隨機對照實驗(Otis 等,2025 年刊於 Management Science)量到,原本表現好的人進步 15%,表現差的人退步 8%。

市場層:被拉平的那段工作會商品化、變便宜。這一層是本報推導,還沒有直接驗證,所以自己設了 12 個月的觀察期。

One Useful Thing (Ethan Mollick, Wharton)
「AI as Leveler — We already know one major effect…」

2027-07 檢查(到期日 2027-07-17),看三件事:

①在沒有範本可對照的領域,出現乾淨的拉平隨機對照實驗複現:判斷層的讀法要修正。

②初階職位下滑以同樣幅度出現在 AI 輔助型(augmentation,AI 幫人做而不是替人做)職業:「商品化只發生在被拉平那段」的分域讀法被推翻。

③大樣本薪資資料在控制職位與年資後,AI 帶來的薪資溢價仍在擴大:「少數人成為新王」的窄版說法升級。

三件都沒發生,方向判斷算說中,本報把它升為正式論點。

什麼會推翻它

上面三件裡任何一件發生,就改寫對應的那一層。

第二件(初階職位)的資料來源是 Canaries 研究的下一版與 Yale 的季報。

若出現直接的費率時序資料,「被拉平段價格靠攏」這條推導可以提前結案。