生成式AI正在让员工丧失独立思考能力

生成式AI产出大量低质内容，员工却对其依赖程度与日俱增。哈佛商业评论近期发表的一篇博客对此发出警告，指出员工因此变得懒惰、效率下滑、质量管控失灵，职场诚信与信任也随之动摇。专家呼吁企业立即采取行动，以免局面彻底失控。

牛津大学赛德商学院教授马蒂亚斯·霍尔韦格与分析师托马斯·达文波特在文章中指出："当'劣质化'在企业流程中大规模、连锁式蔓延，这些流程本身及其产出就会开始退化。久而久之，员工将对赖以完成工作的流程失去信任。"他们将这种组织层面的现象称为"知识衰减"。

知识衰减的三大挑战

霍尔韦格与达文波特认为，防止职场中出现知识衰减，需要应对三项核心挑战：核实、验证与熵增。

核实，意味着将真实的人工内容与可能存在明显错误的AI生成内容剥离开来。这一过程耗时耗力，往往需要批判性思维与额外调研，在许多情况下，这些投入甚至会抵消使用AI所带来的效率收益。以招聘为例，如今部分求职者不仅用AI撰写简历，还会优化提示词来迎合算法排名，甚至在面试时暗中借助AI实时生成答案。这一系列操作可能导致录用到能力不足或与企业不匹配的候选人，迫使招聘方花费更多时间在无法使用AI的线下面试上。

知识验证则要求企业明确：在AI介入的工作流程中，人类究竟在哪些环节创造了真正的价值。以咨询公司为例，客户付费购买的是专家的人工洞察，而非AI批量生成的报告和PPT。"人类专家不仅要证明输出成果的质量，还要证明这是真正由人类智力劳动产出的，"两位作者强调。

知识熵增则如同一场"基于AI的高风险传话游戏"：知识每经过一次大语言模型的处理，就会进一步偏离最初的"原始真实"数据。"经过大语言模型迭代的次数越多，内容就越偏离原始信息，"他们指出。大语言模型是概率性、"无上下文感知"的统计模型，"没有事实或真相的概念，只是预测最可能出现的输出"。更严重的是，当大语言模型用其他模型生成的合成数据进行训练时，这些数据在反复迭代中会影响模型的准确性与稳定性，这种现象被称为"生成式近亲繁殖"或模型坍塌。

如何重建AI使用规范

两位专家因此呼吁，企业在模型架构设计与使用规则制定上都需要实现"根本性的跨越式转变"。

首先，限制员工AI使用范围或许是最难却也是最关键的一步——AI应当只被应用于真正能创造价值的场景。例如，在招聘中，与其允许求职者自由撰写简历，不如要求其填写结构化表单，回答AI无法代劳的具体问题，如具体担任的职位、完成的项目、协作团队成员、服务的客户及管理的预算等。

当生成式AI的使用不可避免时，企业应明确其所创造的价值，并对使用方式保持透明。"内容不必完全由人工创作，但如果使用了AI，就应清楚说明为何使用、如何使用，"两位作者写道。

在绩效评估场景中，管理者可以先从团队成员和客户处收集具体、详实的信息，再借助AI进行综合归纳，而非直接生成千篇一律的通用要点报告。

在跨组织流程中，如收入周期管理，所有参与方都应就AI的使用方式及介入节点达成共识。问题的核心不在于AI是否比人类更擅长某项任务，而在于它是否真正在提升效率、而非简单替代人工。

从架构角度看，企业应追踪结构化与非结构化数据的来源，识别并记录"原始真实"信息，确保内容可追溯、可验证。

两位专家最终警告：若企业不能遏制生成式AI在业务流程中的无序扩张，极有可能重蹈半世纪前企业计算机普及时"生产率悖论"的覆辙——技术投入持续增加，实际生产效率却并未显著提升。

人力资本与Token资本的融合

其他专家同样认同，将人类优势与AI优势相融合至关重要。

微软CEO萨蒂亚·纳德拉将这一模式描述为"人力资本"与"Token资本"的结合。前者代表人类的"知识、判断力、人际关系、创造力与模式识别能力"，后者则是企业自建和拥有的AI能力。两者的融合应形成一个持续迭代的学习闭环。

在这个闭环中，人类负责引导AI系统、设定目标、识别规律，防止AI"原地打转"。内部评估机制则可以依据企业自定义的基准，衡量AI是否在持续进步，从而积累可查询的机构记忆，在减少Token消耗的同时为企业节省成本。

纳德拉指出："每一个经过优化的工作流程都能产生更好的训练信号，进而加速积累企业特有的隐性知识。"

Q&A

Q1：什么是"知识衰减"，它对企业有什么影响？

A：知识衰减是指当生成式AI在企业流程中大规模应用后，内容质量逐步下滑、员工批判性思维退化、流程可信度降低的组织层面现象。牛津大学教授霍尔韦格与分析师达文波特指出，这一现象会导致员工对日常工作流程失去信任，质量管控失灵，长期损害企业的知识积累与运营效率。

Q2：企业应该如何防止AI生成内容导致的质量下滑？

A：专家建议从三方面入手：一是限制AI仅用于真正能创造价值的场景；二是在允许AI介入时，明确其使用目的与方式，保持透明；三是从架构层面追踪数据来源，记录"原始真实"信息，确保内容可溯源。此外，企业应在跨部门流程中统一AI使用规范，避免知识在多次AI迭代中失真。

Q3：微软CEO提到的"Token资本"和"人力资本"融合模式是什么意思？

A：微软CEO萨蒂亚·纳德拉提出，未来企业竞争力来自"人力资本"与"Token资本"的结合。人力资本指人类的判断力、创造力、人际关系与模式识别能力；Token资本则是企业自建的AI能力。两者应形成学习闭环：人类引导AI目标与方向，AI通过持续优化工作流程积累机构专有知识，最终实现效率提升与成本节约。