获得 AI 使用权让测验分数提高了 7.2 个百分点；工具被收回一周之后，仍有 3.9 个百分点留存——但只出现在把 AI 当导师用的人身上。让 AI 代笔的人，这份增益已经消失（Contractor 与 Reyes，2026）。
你团队里的两个人可以用同一个模型、做同一项任务，交出质量相同的成果。一周之后，其中一人在这项任务上明显更强，另一人则回到了起点。你手上的交付物并不会告诉你谁是谁。
这些数字背后的实验是一项线下、有监考的随机对照试验：本科生在时间压力下学习一个自己不熟悉的技术主题，并在有或没有 AI 使用权的条件下撰写一篇分析性文章，随后分别在当场和约一周后参加完全无辅助的测评。作者对这一分化的总结就是全部结论——把 AI 当导师用的学生，增益得以保留；让 AI 代笔的学生，增益逐渐消散。
这个设计衡量的是人，不是交付物
几乎所有关于 AI 与生产力的研究，都是在工具还在场的情况下衡量产出。这项研究做了更难、也更贴近决策的事：把工具拿走，衡量人留下了什么。
256 人报名，211 人参加了第一次会期，205 人在平均 6.98 天后返回参加第二次。主题刻意选择参与者不熟悉的领域——区块链、碳捕集、CRISPR。第二次会期对所有人都是有监考且无辅助的，实验组与对照组一致。文章由 309 名持有硕士或博士学位的评分者评阅，其中 23 人因未通过理解性检查被排除。
正是这一结构把借来的产出与留存的能力区分开。当场测验告诉你工具是否起了作用。无辅助的追踪测评告诉你这个人是否发生了改变。这是两个不同的问题，而中型企业里几乎所有在用的采用度看板只回答第一个——如果它还回答其中任何一个的话。
这些数字真正说明了什么
| 指标 | 结果 |
|---|---|
| 当场知识测验，有 AI 使用权 vs 对照组 | +7.2 个百分点，0.28 SD（p = 0.021） |
| 同一测验，treatment-on-treated | +10.4 个百分点，0.41 SD |
| 约一周后的无辅助测验 | +3.9 个百分点，0.21 SD |
| 第二次会期文章质量，在无 AI 条件下写成 | +0.24 SD |
| 机制 | 总时长相同；时间从写作转向阅读与检索 |
文章这一项结果值得再看一眼。工具被收回一周之后，在有监考、毫无辅助的房间里，曾经拥有 AI 使用权的人写出了明显更好的文章——效应最大的地方在证据与例证的使用，以及文风的清晰度。有东西被转移进了这个人，而不只是进了那份文档。
自动化式用户赢了第一场，输掉了这一周
下面这部分应当改变你对推广方式的想法。
让 AI 代笔的参与者——作者称之为 automation——在第一次会期交出了评分更高的文章。他们看起来像是表现最好的一批人。一周之后，在无辅助的会期里，这一优势干脆消失了。而把 AI 当导师、要求它解释而非生成的参与者，保住了自己的优势。
两种用法。在交付物上无法分辨。在对能力的影响上恰好相反。而机制很平实：两组花的总时间相同，但 AI 使用权把分钟数从写作移向了阅读与检索信息。导师模式的人把这些分钟花在理解上。枪手模式的人把它们花在了什么都没留下的地方。
这就是为什么"AI 使用率"是错误的采用度指标。它不是一个偏弱或滞后的指标。它是一个把"建起你的人才储备的行为"和"把它掏空的行为"赋予同等价值的指标。
你的采用度看板看不见"把 AI 当导师"
如果用法才是关键变量，显而易见的问题是有没有人在衡量它。大体上，没有。
ActivTrak 的 Productivity Lab 从 120,620 名员工的行为遥测数据中推断 AI 采用阶段，而不是依据许可数、登录量或自我报告。结果是：27% 处于研究辅助阶段，14% 处于任务执行阶段，2% 达到真正的工作流集成（ActivTrak Productivity Lab，2026）。席位数和登录看板衡量的是分发。它们衡量不了采用，更衡量不了用法。
与此同时，本该教会更好用法的培养能力正在收缩。PwC 2026 年针对 48 个国家 49,364 名劳动者的调查发现，表示自己能获得所需学习与发展资源的人群占比从上一年的 59% 降至 51%——而生成式 AI 的日常使用率则从 14% 升至 22%（PwC，2026）。对工具的可及性在扩张。对"如何使用它"的教学可及性却在反向移动。
员工自己察觉到了。在 GoTo 2026 年的职场研究中，39% 的人表示对 AI 的依赖正在侵蚀自己的技能，43% 承认交付过自己怀疑质量不佳的 AI 产出（GoTo 与 Workplace Intelligence，2026）。自我报告单独看是弱证据。但当它与一项得出相同形状结论的监考实验并置时，就不再是噪音。
让这件事变成继任问题的那种不对称
还有一项结果，正是它把这个议题从培训挪进了人力规划。
一项经过预注册的三个月实地实验，把一个 AI 专利撰写助手交到美国十一家律所的 133 名执业专利律师手中，每份提交都由盲评的专家律师评分。在有辅助的任务上，九十天时质量提升 0.38 SD，初级律师的增益更大。随后是一项无辅助的修订任务，任何人都不许使用 AI——这是能力测量。实验组律师整体高出 0.32 SD，但这一优势完全集中在资深律师身上，达 0.45 SD。初级律师没有表现出任何平均增益；他们的分数发生了分叉，中等结果显著减少，被更多的差结果和更多的好结果所抵消（Autor 等，NBER，2026）。
作者自己的表述，就是你该带进下一次规划会议的那句话：从 AI 中获益最大的，是留存最少的那批律师；而基础专业能力，可能是从 AI 辅助实践中提取出持久技能的前提条件。
把两项研究放在一起读。用法决定能力是否积累，而既有专业能力似乎决定了一个人默认选择哪种用法。你最资深的人在复利。你的初级员工正在分裂成两群，而两群人的辅助产出看起来都没问题。
有必要直说：专利研究的资金与部分作者身份归属于该工具的制造方。支撑其可信度的是预注册和第三方盲评，而不是赞助方。
诚实的反面
在任何人据此制定政策之前，有四条限制。
这是本科生在一小时任务上的表现。不是员工在一个季度真实工作上的表现。机制——把时间从生产重新分配到理解——大概可以迁移。效应量不该被当作职场估计值引用，我也不会把 7.2 个百分点写进商业论证。
这是一篇预印本。arXiv 2607.08849 于 2026 年 7 月发布，2026 年 10 月修订。它尚未完成同行评审。
稳健性检验会移动这个数字。剔除违反研究规则的参与者后，第一次会期的学习效应降至 0.24、0.15 或 0.27 SD，取决于采用哪一种衡量方式。效应仍然存在；其量级比标题更温和。
用法是被观察到的，不是被分配的。导师与枪手的分化是这篇论文中最可操作的结果，也是它在实验上最不干净的部分——参与者自己选择了如何使用工具。倾向于寻求解释的人，与倾向于索取产出的人，可能在其他同样预测留存的方面也有差别。专利研究中的资历不对称，与这一解读完全一致。
四条都挺过来的结论是：交付物不能用来判断这个人是否在学习，而两者之间的落差是一个你不必花钱就能解决的测量问题。
这个季度该改什么
四个动作。没有一个是采购。
- 停止把 AI 使用率当作采用度指标上报。许可数、登录量和会话计数描述的是分发。把头条指标换成一个数字：有多少人在用 AI 建立某项能力之后，能在无辅助条件下证明这项被明确命名的能力。
- 把导师模式的提问方式变成一项明确教授的行为。它足够具体，可以写进入职路径和管理者一对一的谈话脚本：让模型解释它的推理并检查你的推理，而不是替你生成成品。这是整组措施中最便宜的一项，而且没有人在做。
- 对那些以判断力为交付物的岗位，在发展周期中加入一项无辅助任务。不是考试——是一项真实任务，在没有辅助的条件下完成，用与辅助版本完全相同的评分标准打分。两者之间的落差就是你的技能留存信号，而它不存在于任何产出质量报告里。
- 把初级员工的分叉计入继任计划。如果辅助产出在各个资历层级上是平的，而留存能力不是，那么你两年后的人才储备比绩效数据所显示的更薄，而且误差只会朝一个方向偏。
第四个动作在大多数公司里没有明确归属，因为它要求能力是按周期、针对一个稳定框架测量出来的，而不是从近期交付物中推断出来的。Scovai 的绩效与继任层正是建立在这一区分之上——能力按 Great Eight 框架、逐项能力、逐个周期以确定性方式评分；9-box 由这些能力数据计算得出，而非来自管理者印象；继任就绪度按每个关键岗位标明为"现在就绪"或"十二至二十四个月"。这里的相关性是结构性的：如果你的潜力轴读取的是辅助产出，那它读到的是工具。
这项研究令人不适的含义是：你绩效最好的 AI 使用者，和衰退最快的那批人，可能是同一批人；而你目前衡量的任何东西，都无法把"把 AI 当导师"与"把 AI 当枪手"区分开。
所以这个季度挑一个岗位，用与辅助版本相同的评分标准跑一次无辅助任务，看清这个落差朝哪个方向走。衡量人，不要衡量文档——从工具进来那一天起，文档就不再告诉你关于两者中任何一者的任何事情了。
