把 1,258 人与 AI 智能体配对，让他们制作 7,266 则展示广告，再由 1,168 名独立评分者打分。整个实验设计中表现最差的组合，既不是弱模型，也不是未受训的用户，而是外向型的人与尽责型 AI 一起工作（Ju & Aral, PNAS, 2026）。
尽责。正是每家厂商默认调校的方向——细致、周全、专注于任务。一旦交到不合适的人手中，它产出了整个实验中质量最低的作品。
这正是中型市场运营团队应当停下来细读的发现，因为几乎所有人押的都是相反的赌注：一套助手人格，配置一次，推给所有人。这项研究是首个大规模因果证据，表明人格本身就是一个绩效变量——把它留在厂商默认值上是一个决定，而不是中立状态。
这项实验实际测量了什么
Harang Ju（Johns Hopkins Carey Business School）与 Sinan Aral（MIT Sloan，MIT Initiative on the Digital Economy 主任）开展了一项预注册随机实验：先对 1,258 名参与者测量大五人格特质，再将其随机配对给被提示独立展现这五种特质高低水平的 AI 智能体（Ju & Aral, PNAS, 2026）。
每组有 40 分钟、实时聊天以及同步的文本与图像编辑工具，为一家真实智库的年度报告制作展示广告。产出：7,266 则广告。随后由 1,168 名独立评分者就文本与图像质量进行评分（MIT Sloan / EurekAlert, 2026）。
接下来是让这项研究超越实验室结论的部分。研究者把这些广告投放到 X 平台两周——近五百万次曝光——并测量点击率与单次点击成本。评分质量预测了真实市场表现：更高的文本质量使点击率提升约 7%，单次点击成本下降约 30 美分（MIT Sloan / EurekAlert, 2026）。
有两个设计选择值得强调，因为它们正是本研究区别于市面上已有人格讨论之处。特质水平是随机分配并独立变动的，因此比较对象不是自选不同工具的用户群体，而是因果比较。研究还用与提示智能体相同的大五人格量表来测量人类，这才使得交互效应可被估计。多数厂商研究报告的是用户对某种人格的感受；这项研究报告的是配对对工作本身造成了什么。
于是，因果链条完整贯通。人格配对改变了质量。质量改变了金钱。
配对表：哪些组合有益，哪些有害
结果并不能归结为"同类相配"——而这恰是多数人在阅读之前的假设。
最强的配对是：外向型人配外向型 AI、尽责型人配尽责型 AI，以及开放型人配尽责型 AI——最后一组是互补而非镜像（MIT Sloan / EurekAlert, 2026）。
按论文给出的顺序，显著拉低质量的配对为：
- 外向型人 + 尽责型 AI——研究中质量最低者
- 尽责型人 + 宜人型（agreeable）AI
- 神经质型人 + 尽责型 AI
第二行请读两遍
尽责型 AI 同时出现在三个最差配对中的两个以及三个最佳配对中的两个。在这份数据里不存在放之四海皆优的人格。尽责型智能体交给尽责型的人，属于可得的最佳组合之一；同一个智能体交给外向者，则是最差。配置完全相同，结果完全相反，差别仅取决于谁拿到了它。
再看第二行对厂商标准答案的冲击。宜人型 AI——乐于配合、迁就、从不反驳——反而拉低了尽责型员工的产出。最以用户满意度为目标调校的人格，恰恰对最可能承担你细致工作的人群产生了实质损害。
为什么全组织一套人格是一项隐形的绩效税
以下是运营层面的翻译，而它之所以令人不适，恰恰因为修正它不花钱，却没有人在测量它。
当你把单一助手配置推给 300 个人时，你做的并不是中立的推广。你在运行一场非随机实验：其中一部分员工拿到的，正是这项研究判定为产出最差的那种配对——而无论他们还是你，都没有能够察觉此事的工具。失败表现为稍弱的初稿、稍多的返工，以及某些团队隐约觉得这个工具"没那么有用"。它从不会出现在成本科目里。
而返工落在最昂贵的地方。McKinsey QuantumBlack 对银行业智能体工作流的成本拆解显示，token 支出占智能体可变运行成本的 20% 至 25%，而由业务与风险专家承担的人工监督占 70% 至 75%（McKinsey QuantumBlack, 2026）。在这种结构下，产出质量不是软性指标。你在生成环节损失的每一分质量，都要按审核工时的价格偿还，由那位有资格推翻结果的资深同事来付。
而审核不会消失。在 MIT Technology Review Insights 与 Microsoft 针对 300 位技术高管、覆盖 101 项智能体任务的研究中，59% 已计划永久保留人工监督，且信任程度取决于任务的可验证性而非模型的原始能力（MIT Technology Review Insights, 2026）。
因此，人格错配不是一条用户体验投诉。它是压在你 AI 支出中最大一项成本上的隐形乘数。
方差早已存在于同一职位内部
如果你想要证据表明这在自家公司而非仅在实验室中可测，它已经躺在你的采用数据里。Bick、Blandin、Deming 与 Schumacher 将全国代表性调查与细分的 O*NET 任务相连接，发现生成式 AI 的暴露度指标只能解释约一半的采用差异——从事相同工作、使用相同工具的人，其采用方式存在系统性差别（NBER Working Paper 35677, 2026）。
一半方差位于职位内部，而非职位之间。多数运营团队把它归档到动机或培训项下。PNAS 的结果为其中一部分提供了一个不那么体面、却更可操作的解释：工具是为另一个人配置的，而不是为正在使用它的人。
这一重构改变了你对低采用群体的处理方式。向一个正悄悄从默认智能体拿到更差产出的团队再派一轮赋能培训，并未触及成因——只是给这些人增加了工时，而他们的初稿仍将比同事需要更多返工。
诚实的反面意见
三项局限，且都重要。
任务是广告创作，不是运营。四十分钟的创意会话产出展示广告，不等于你的季度结账、供应商导入或工单分流。人格配对在创意任务中改变质量，是一个发现；它会在你的工作流中同样改变质量，则是一个推论。把它当作值得检验的强先验，而非既定结论。
作者有商业立场。Ju 与 Aral 共同创办了 Pairium，该公司构建并分发本研究所用的 Pairit 实验平台（Ju & Aral, PNAS, 2026）。研究经过预注册并在 PNAS 通过同行评审，这约束了最明显的失效模式——但拿到该发现的研究者同时在出售解法，这一点应纳入你的解读。
把所有人都完美匹配，本身也有代价。同一文献中的研究发现，多样化的 AI 人格可缓解人机协同构思中的同质化效应（Wan & Kalman, 2026）。若把每一次配对都按个体产出质量优化，你可能压缩团队思维的方差——初稿更好，也更雷同。如果你的职能需要的是广度而非打磨，这个取舍是真实存在的。
但这些都救不了现状。默认配置并不是对上述局限的对冲；它是唯一一个必然对部分员工是错的选项，而且没有任何数据告诉你错在哪部分人身上。
本季度该决定什么
四个动作，都不需要新增厂商支出。
- 不要再把人格当成 IT 配置。助手的系统提示词是一个对产出质量有实测影响的绩效参数。谁负责 AI 赋能，谁就拥有它——并须为当前设定给出理由。
- 在一个已经产出可评分成果的职能中做一次配对测试。内容、支持回复、初稿分析皆可。两套人格、随机分配、一个季度、盲评质量。你是在小规模复现一项已发表的设计，这是你能委托的最廉价研究。
- 最应仔细审视的是高产出岗位上的外向者与高神经质员工。这是研究在默认尽责型智能体面前标记出的两类人群。若一位明显能干的同事从工具中悄悄获益甚微，错配如今是一个成立的假设，而不是培训问题。
- 先提供人格选择，再去建人格分配。完整的特质匹配分配需要人格数据，而多数中型市场企业既没有、也未必想要。两到三个可选助手配置文件即可捕获部分效果，且毫无治理层面的暴露。
AI 人格配对如今是一个带价签的实测变量。你其实已经在设定它了——一次性、全局性地，接受了厂商交付的那一套。
本季度的问题不是人格是否重要。PNAS 已经回答了。问题是：你是否还要继续以默认方式、替所有人做出这个决定，然后把结果算到模型头上。
