2026年6月发布的一项系统综述与元分析，覆盖19项研究、61个效应量，为大多数运营负责人隐约感到却从未度量过的现象给出了数字：当人们借助生成式AI进行创作时，产出会趋同。合并后的同质化效应为 d = 0.334 —— 数值不大、结果稳健，且无法用发表偏倚解释（de Rooij & Biskjaer, 2026）。
"不大"正是让这一发现被归档并遗忘的措辞。不该如此。
在个体层面，工作通常变得更好。在集体层面，工作变得更相似。这两个事实并不冲突：它们是同一机制在两个高度上的呈现。而你的生产力看板上只会出现其中一个。
对于去年在单一供应商AI部署上完成标准化的运营职能——这描述的是大多数50到500人规模的公司——真正的实务问题不是要不要继续用，而是有没有人检查过离散度发生了什么变化。
d = 0.334 在团队规模上究竟意味着什么
科恩d值0.33是两个分布之间的温和位移。落在单份文档上，它是不可见的。你把两份方案并排比对也发现不了，公司里也不会有任何审阅者提出来。
真正让它具备运营意义的是元分析的框架。作者把这一发现描述为创造性多样性的重组，而非质量下滑——孤立看很细微，规模化后后果显著（de Rooij & Biskjaer, 2026）。这是关于方差的发现，不是关于质量的发现。这个区分很关键，因为中型企业运营职能里的每一套度量体系都是为追踪均值而建的，几乎没有一套在追踪离散度。
2026年3月《Trends in Cognitive Sciences》上的一篇观点综述把同一模式追溯到了源头。Sourati与Dehghani认为，当数十亿人把自己的写作与思考都导入同样那几个大语言模型时，这些模型会标准化人们表达和组织想法的方式——LLM的输出在可度量意义上比人类写作更缺乏变化，并偏向WEIRD（西方、受教育、工业化、富裕、民主）规范（Sourati & Dehghani, 202600003-3)）。他们担忧的是认知多样性的侵蚀，而认知多样性正是创造力与问题解决的原材料。
换成运营语言：认知多样性不是一句价值观宣言。它是输入端的方差，正是它让"生成一组备选方案"这件事本身值得做。
机制是锚定，不是懒惰
大多数管理层的第一反应是把趋同读作投入塌陷：人们拿第一稿就发出去。实验证据指向的东西，对我们的管控机制而言没那么中听。
在一项关于短篇小说创作的受控在线实验中，收到LLM故事创意的写作者，其作品被评为更有创意、写得更好、更令人愉悦——收益最大的恰恰是创造力较弱的写作者。然而，AI辅助的故事彼此之间比纯人类创作的故事更为相似（Doshi & Hauser, 2024）。两个效应出自同一个干预。
作者明确点出了这一结构：它像一个社会困境。有了生成式AI，写作者个体境况更好，但集体产出的新内容范围更窄。
另一项关于人类构思的研究，从输入端得出了兼容的结论。参与者与LLM共同头脑风暴的场次，产出的创意集合在语义多样性上显著低于没有LLM的场次——单个创意都不错，是这个集合变窄了（Anderson, Shah & Kreminski, 2024）。
这就是锚定，而且它在任何人决定"要多努力"之前就已经发生。模型提供起点；人在其上展开。展开保住了质量，摧毁了独立性。
为什么公司里没有人会停下来
把这个社会困境读作一张激励地图，因为它本来就是。
AI辅助初稿带来的收益由个体获得：交付更快、文字更干净、绩效对话更好看。损失则记在集体账上：一整套读起来和每个竞争对手都一样的方案，一份与行业模板难以区分的招聘评分表。没有任何一位贡献者会亲身体验到这份损失，也就没有任何一位有理由停下来。
这意味着它不是行为问题。它是组织设计与工具组合的问题，一份关于"审慎使用AI"的内部备忘录解决不了它。
单一供应商AI在50–500 FTE公司里真正烧掉的钱在哪里
同质化的代价，恰恰出现在差异化就是产品的地方。
方案与投标。 你在竞争性RFP中的中标率，取决于买方从另外三份投标中拿不到的东西。如果你的团队和竞争对手的团队都把撰写环节导入同一个助手，依据的是同一批从公开网络抓取的写作惯例，那么剩下的差异就收敛到价格。你会把这观察为毛利压力，并归因于市场。
招聘评分表与岗位架构。 由共享模型生成的评分卡、能力定义和面试指南，会收敛到一个共享的"好候选人"概念。众多雇主使用趋同的标准，会产出相关联的拒绝：同一批人在各处被筛掉、理由相同，而没有任何人做出过这个决定。
定位与客户沟通。 品牌声音是相对于品类基线的方差。向该基线回归不是文风问题，而是对你的营销预算所购买之物的缓慢抹除。
战略与选项生成。 这是最糟糕的一处。在选项生成环节，方差就是交付物。更窄的选项集不是更低的成本——它是一个在房间里所有人意识到"正在做决定"之前就已做出的决定。
注意这些情形的共同性质：每一种情况下，个人生产力指标都在改善，而组织资产在退化。整个过程中，看板都会显得非常漂亮。
隐性损失的结构，用一道算术说明
假设一份方案的撰写时间下降30%，团队每季度多投四个标。这份收益清晰、可归因，会在季度经营回顾上被表扬。
再假设竞争性投标的中标率在三个季度里从24%滑到21%。没有人会把它归因于撰写工具，因为房间里根本没有一条可信的因果叙事：方案比去年写得更好，人人都看得见。下滑会被归给价格压力、竞争对手的新定价模型、市场疲软。这几种解释都现成、都站得住，而且用你的数据都无法证伪。
这种不对称就是全部风险所在。收益带着干净的归因链到来。损失到来时没有归因链。
这个论点可能错在哪里
三条边界，先说清楚，再谈行动。
证据基础偏向创造性与构思类任务——小说写作、头脑风暴、设计工作。那是同质化最容易度量的地方，未必是它最严重的地方。同样的效应量是否适用于季度结账清单或客服宏，尚未被检验；我会预期它更小，且在标准化本就是目标的地方更不重要。
合并后的d = 0.334也掩盖了61个效应量之间的异质性。合并估计告诉你方向是可靠的，但不会告诉你你们团队的数值是多少。
最重要的是，单一供应商这个框架是我对证据的延伸，而不是证据内部的发现。这些研究比较的是有AI辅助与无AI辅助的工作，并没有直接对比单模型与多模型组织。"集中度会放大趋同"这一推论来自锚定机制，以及Sourati与Dehghani关于共享模型的论证，但它仍是推论。请把它当作一个关于你自己产出的可检验假设，而非既定结论。
这些都不改变结论。趋同是真实的，对你当前的度量体系不可见，而且在你自己的环境里，用大约一个下午的成本就能测出来。
组合决策：下一次续约前该审查什么
四个步骤。都不需要预算，也都不要求任何人少用AI。
1. 度量你的集中度。 对外产出的撰写工作——方案、职位描述、客户沟通、战略备忘——有多大比例经过同一个助手？大多数中型企业运营负责人从没问过，而答案通常在80%以上，因为采购标准化到了一套席位许可。这个数字就是你的敞口。
2. 修的是操作顺序，不是工具。 锚定依赖于次序。凡是以方差为目的的任务，都要求先进行独立的人类生成，之后再用AI扩展和批判。这是流程文档里两行字的改动，却能抵消掉这一机制的大部分，因为模型不再能提供起点。
3. 有意识地多样化输入。 不同的模型，以及——成本低得多的——不同的提示词。一份作为"生产力最佳实践"传阅的共享"母提示词"，是一台披着助手外衣的同质化机器。如果你的团队有一份，那就是这份清单上最该撤掉、杠杆最高的一项。
4. 度量离散度，而不只是数量。 取20份同类近期产出。给出两两相似度评分——有能力就用嵌入向量，没有就用结构化的人工评审——再与该流程2024年的样本对比。你就有了基线。每季度重复一次。这是唯一一个能把论点转化为关于你自己公司的证据的步骤。
不太舒服的版本
如果你2026年的AI计划度量的是采用率、席位使用率和节省工时，那么它的全部仪表都装在账本上收益所在的那一侧。这不会被任何人当作疏漏抓出来，因为损失没有挂靠任何指标，也永远不会引发投诉。
本季度的一个决定
挑出你差异化最要紧的那一类文档——对大多数运营负责人来说就是方案。调出最近的二十份。读它们时，看的是它们彼此有多像，而不是每一份有多好。
如果它们已经趋同，你损失的不是质量。你损失的是辨识度——而你付钱买的正是辨识度。
单一供应商AI让你的每一个人都在可度量的意义上更锋利。而你公司里今天没有任何一块看板被设计来回答的问题是：它是否同时让他们变得可替换——彼此之间，以及与竞争对手的人之间。在下一次续约前，用你自己的文档回答这个问题，因为供应商没有理由提出它，你的生产力指标也永远不会。
