AI 采用可能侵蚀专业知识
The Decoder··作者 Matthias Bastian
关键信息
Lovett 指出两种失效机制：一是 AI 直接消灭初级岗位；二是 AI 让初级员工在没有经历真正认知训练的情况下快速变得高产。他还提出“验证牵引”问题，也就是有效监督 AI 依赖的正是 AI 正在削弱的专业能力。
资讯摘要
这篇文章认为，AI 的普及可能制造一种新的“公地悲剧”，只不过被耗尽的不是牧场，而是专业知识。文章借用 Garrett Hardin 在 1968 年提出的“公地悲剧”概念：当每个人都从自身利益出发做出理性选择时，最终可能共同破坏所有人都依赖的共享资源。Nolan Lovett 是北约特种作战大学的研究者，他在《Human Resource Development Review》发表论文，提出这种逻辑也可能适用于职业体系。文章称，某家公司用 AI 替代初级岗位时，往往能立刻获得效率收益，但专业能力长期衰退的成本却会分散到整个劳动力市场。Lovett 指出，真正的专家并不会凭空出现，他们通常需要多年从事初级工作，在逐步承担更复杂任务、犯错并修正错误的过程中积累经验。AI 既可能直接消灭这些岗位，也可能让初级员工借助 AI 很快变得高产，但并没有真正完成形成深度领域知识所需的认知训练。
文章进一步提出“验证牵引”问题：要有效识别 AI 输出中那些看起来合理、实际上却有错误的内容，依赖的正是正在被削弱的专业知识。作者还担心，长期把 AI 结果当成可靠答案会降低人的质疑习惯，而原本用来训练新人挑战权威、检验现实的环境也会随着初级岗位消失。文章认为，这种影响可能要过很多年才会完全显现，因为今天的资深专业人士大多是在 5 到 20 年前接受训练的，而 2023 年以后开始削减的岗位，其后果可能要到 2030 年至 2045 年才更明显。Lovett 认为软件工程、金融分析和法律研究等职业最脆弱，因为这些工作任务模块化程度高、替代性强、监管相对较弱；医学和工程虽然受到更严格的监管和行业组织保护，但也并非完全安全。文章最后指出，这种趋势并非不可避免，组织可能需要 AI 免疫的学习环境、分阶段引入 AI，以及保留一定规模的人类专业储备。
资讯正文
“认知公地的悲剧”解释了为何理性的 AI 采用可能摧毁整个职业群体的专业能力
一篇新的研究论文指出，单个公司理性地采用 AI，可能会摧毁整个专业领域的集体专业知识。
1968 年，生态学家 Garrett Hardin 描述了一个此后一直影响环境政策、经济学和社会科学的困境：公地悲剧。当每个牧民都理性地决定再往共有牧场里多放一头牲畜时，每个人都能单独获利，而过度放牧的成本却由所有人分摊。每一个单独的决定都说得通，但合在一起，它们却摧毁了所有人都依赖的资源。
NATO Special Operations University 的 Nolan Lovett 在发表于《Human Resource Development Review》的一篇研究论文中指出，如今，同样的模式正在威胁整个职业的专业知识。
他的核心论点是这样的：当一家公司用 AI 取代入门级岗位时，它攫取了 100% 的效率收益。与此同时，专业能力被侵蚀所带来的成本，却分散到了所有从同一人才池中招募员工的组织身上。但经验丰富的专业人士并不是凭空出现的。他们需要在入门级岗位上积累多年经验，在这些岗位上，新手会逐步承担更难的任务、犯错，并学习如何纠正错误。
Lovett 认为，AI 系统可能会越来越多地接管恰恰是这些任务，而他指出，这会以两种方式破坏专业知识的更新。第一种是直接消除入门级岗位，由 AI 系统承担过去由初级员工完成的工作。
第二种则更隐蔽：即便入门级工作得以保留，在 AI 辅助下，初级员工也能达到过去需要多年经验才能达到的生产率水平。真正构建深厚领域知识所需的认知努力，却不会发生。
没有深厚的专业知识，没人能识别 AI 的错误
这就引出了 Lovett 所称的后续问题——“验证系绳”。有效监督 AI 系统的能力，恰恰取决于正在被 AI 使用侵蚀掉的那种深厚领域知识。要发现看起来很合理的 AI 输出中那些领域特定的错误，靠的绝不只是抓住明显的矛盾。根据现有研究，表层检查不足以防止严重错误。
认知习惯会让情况更糟。那些习惯性地把 AI 答案当作可靠信息的人，会逐渐失去质疑它们的本能。而初级员工曾经在其中学会挑战权威、把主张与现实进行检验的培训环境，也正在随着传统入门级岗位一起消失。
全部损害可能要多年后才会显现
如今就业市场上的资深专业人士，是在 5 到 20 年前接受训练的。Lovett 认为，从 2023 年开始削减入门级岗位的影响，可能要到 2030 年至 2045 年之间的某个时候才会完全显现。
他将这种现象称为“人类储备悖论”。组织需要保留深厚的专业知识，以用于验证、危机管理以及应对 AI 系统无力处理的情况。但没有任何一家组织有足够的经济激励去独自维持这种储备。Lovett 认为，即便那些最终通过整个流程留下来的员工，专业能力也会更浅，因为他们的职业生涯是在协调 AI，而不是进行独立的认知工作中度过的。
有些职业面临的风险远高于其他职业
Lovett 强调，这一机制并不会以同样程度冲击所有职业。软件工程、金融分析和法律研究都表现出高度的任务可替代性、相对较轻的监管以及很强的模块化，因此它们属于最脆弱的类别。医学和工程由于更严格的监管要求和更强的专业协会而得到一定保护，但也并非完全免疫。
不过，这场悲剧并非不可避免。Lovett 认为，专业人士需要不使用 AI 的学习环境、分阶段引入 AI，以及在 AI 介入之前就应建立的人类表现基线。他建议专业协会通过认证来测试领域能力，并同时考察 AI 技能；他还建议政策制定者让培训和教育更具吸引力。他的提案并不包括禁止或限制使用 AI。
经济证据仍然喜忧参半
Lovett 大量引用的一项 2025 年夏季研究显示，受 AI 影响的职业就业人数下降，尤其是在年轻工人中。同一领域中更有经验的工人就业保持稳定，甚至有所增长。研究人员将此归因于 AI 主要替代的是成文化、可编码的知识，而实际经验仍然受到需求。
美国联邦储备委员会的一项研究发现，自 ChatGPT 发布以来，编程岗位的增长几乎减半。但目前还无法证明 AI 与这些下滑之间存在明确的因果联系。更紧缩的货币政策，以及疫情时期科技行业过度招聘后的回调，也可能在其中发挥作用。
一项 2026 年 1 月的研究发现，受 AI 影响职业中的就业危机实际上在 ChatGPT 发布之前就已经开始。Anthropic 在 2026 年 3 月的一项研究发现，AI 对劳动力市场总体没有可测量的影响，但它指出了一个警示信号：在高度暴露于 AI 的职业中，22 至 25 岁年轻工人的求职成功率下降了 0.5 个百分点。
研究显示，误用 AI 会带来可测量的认知成本
关于过度或错误使用 AI 对认知影响的研究，则勾勒出清晰得多的图景。这些发现支持了 Lovett 的论点，即认知债务可能会在多年间逐步累积。一项使用 EEG 测量的 MIT 研究显示，即便短暂使用 AI 也会削弱神经连接，而超过 80% 的参与者在回忆自己借助 AI 完成的写作内容时遇到了困难。
Anthropic 对软件开发者进行的一项研究发现，能够使用 AI 的参与者在知识测试中的得分低了 17%。损失最大的，是那些把 AI 纯粹当作答案机器使用的人。那些利用 AI 获取解释的人，学得明显更好。
一项针对666名参与者的瑞士研究发现，AI使用与批判性思维之间存在显著负相关，而且这种影响在17岁至25岁人群中最为明显。根据Anthropic的说法，学生自己也担心“脑腐”，因为AI让他们可以跳过太多学习过程。
在中国学生身上，这一模式在更长时间跨度内显现出来。尽管家庭作业成绩提高了18%，但考试成绩却下降了多达24%，而且完整影响要到大约两年后才会显现。
根据这些研究，关键不只是人们使用AI的多少，而是他们如何使用AI。把AI当作思考替代品的人，认知能力下降得最快；而将其作为解释工具进行有针对性的使用，则可以显著减轻负面影响。
来源与参考
收录于 2026-08-16