能力的形状

我先后看到几组很难放在一起的数字：有人用了 AI，工作快了四成；有人得到的帮助越多，写出的故事反而越相似；还有一群很熟悉自己项目的程序员，用了 AI 以后慢了 19%。每项研究单独看都说得通，摆在一起却不像同一个故事。我慢慢觉得，也许“谁更强”这个问题问得太粗了。

一、四组不太合拍的结果

先看写作。Noy 与 Zhang 请 453 名受过大学教育的职业人士完成几项文字任务。能用 ChatGPT 的人平均少花约 40% 的时间，成品质量提高约 18%。原本表现靠后的人追上来得更多：没有使用 ChatGPT 时，两次任务成绩的相关系数是 0.49；使用后降到 0.25 [1]。

波士顿咨询公司的实验也有些相似。758 名顾问用 GPT-4 处理专业任务。只看模型擅长的那部分工作，原来低于平均水平的顾问提高了 43%，高于平均水平的顾问提高了 17%。可研究者还安排了一道模型并不擅长的题。到了这里，使用 AI 的顾问答对的概率反而低了 19 个百分点 [2]。AI 能帮多少，显然和任务本身有关。

短篇小说实验里，AI 提供的点子给原本创造力较低的写作者带来了更明显的提升，对本来就很会写的人帮助不大。与此同时，成品之间变得更像了。在一个 AI 点子和五个 AI 点子的条件下，故事相似度分别增加了对照组相似度范围的 10.7% 和 8.9% [3]。个人分数可以上升，整组作品的差异却可能缩小。

再看程序开发。METR 在 2025 年初找来 16 名资深开源开发者，让他们在自己长期维护的代码库里完成 246 个真实任务。研究者原以为，这种人最知道怎样使用工具。结果允许使用 AI 后，他们平均慢了 19%。更有意思的是，他们事前估计 AI 会让自己快 24%；实验结束以后，仍觉得自己快了 20% [4]。实际用时和主观感受几乎朝着相反方向走。

我不觉得这些研究中一定有谁“做错了”。参与者不同，任务不同，所用的模型也不同。它们真正留下的问题是：一个人碰上某种任务、再配上一件具体工具时，什么决定了这次合作顺不顺？

二、也许问题不只是谁更强

许多实验会先做一次基线测试，再把人分成高分组和低分组。这种做法很直观，却也容易把能力想成一条从低到高的直线。

现实里，同样拿到 80 分的两个人，可能很不一样。一个人点子来得快，桌面上却总堆着许多半成品；另一个人很会整理和推进，但一开始常常想不到更多方向。总分接近，并不代表他们会从同一件工具那里得到同样的帮助。

现在的生成式 AI 很会做一些具体的事：整理零散材料、改写句子、统一格式、列出初稿，再把一份半成品推到“勉强可用”。如果一个人最费力的恰好是这些环节，AI 可能像补上了一块缺口。要是这些本来就是他的强项，他反而需要花时间写提示、核对事实、改掉套话。最后省下多少时间，就很难只凭原来的总分来判断。

所以我在这里说“能力的形状”，想表达的其实很简单：除了看一个人的总体水平，也看看他的长处和卡点分别在哪里。这个说法还很粗，也未必能把能力干净地分成几块。它至少提醒我，同一个分数背后可能藏着不同的人。

三、ADHD 研究给我的一点提醒

我是在读 ADHD 与创造力研究时想到这件事的。不过，这里最多只能借来一个提醒，不能拿它直接解释人机协作。

White 与 Shah 的实验发现，ADHD 成人在“尽量想出物品的新用途”这类任务上表现较好，在“从几个词中找到共同答案”这类任务上却表现较弱。前一种任务鼓励把想法散开，后一种任务需要把许多可能收回来。研究者认为，抑制控制可能参与了这种差异 [5]。

后来一项元分析汇总了 89 项有关 ADHD、焦虑、抑郁与日常创造力的研究，包括 35,271 名参与者和 261 个效应量。合并后的相关系数只有 r = −.06，置信区间还跨过零；不同研究之间的差别很大，换一种心理特征或创造力测法，结果也会变化 [6]。

这个 −.06 不能简单读成“ADHD 和创造力没有关系”。它把三类心理特征和很多种创造力测量放进了同一个平均数里。平均之后看起来接近于零，里面仍可能同时存在方向不同的关系。

这给了我一个很朴素的提醒：当我们把很多不同的能力压成一个总分时，最值得看的那部分差异可能正好被抹平了。

四、先把猜想说得简单一点

我最初想把“想点子的能力”和“执行、整理的能力”做一个差值。后来越想越觉得不稳。两个测量本来就会有误差，相减以后误差还会叠在一起；而且人的能力远不止这两项。

现在我更愿意先留下一句容易理解的猜想：工具最有用的时候，也许正是它擅长的环节碰上了一个人最容易卡住的环节。

反过来也一样。工具若没有补到短板，只是在强项旁边又加了一层操作，它就可能让人变慢。熟悉任务的人还可能更严格地检查 AI 的输出，于是花在确认、修补和重新理解上的时间，比直接动手还多。

这句话可以解释前面一部分结果，但目前只是事后解释。Noy 与 Zhang、波士顿咨询公司和 METR 的实验都没有细测参与者究竟擅长什么、又容易卡在哪里。资深开发者也不一定拥有某种特别“均衡”的能力。任务熟悉度、使用 AI 的熟练程度、对质量的要求，都可能解释他们为什么变慢。

如果将来要认真检验，可以同时测三件事：这个人在哪些环节顺手，任务最需要哪些能力，工具在这些环节到底做得怎样。然后再看，三者越合拍时，实际收益是否真的越大。

五、顺着这个猜想想到的六件事

1. 关于 AI 的结论很容易过期

METR 很谨慎地把 19% 的减速称为“2025 年初、一个具体场景里的快照”。2026 年的后续数据已经露出不同方向，但参与者选择和计时方式也变了，研究者没有急着给出一个新的确定数字 [7]。

这并不会让早期结果失效。它只是提醒我们，实验测到的总是某一代模型、某种界面、某群人和某类任务的组合。模型更新了，工作流变了，最受益的人也可能跟着变。谈论“AI 是否提高效率”时，最好顺手加上时间和场景。

2. 有时候，顺滑并不是最缺的东西

如果一个人已经很会整理和执行，只是很难跳出原来的思路，那么自动排版和快速总结可能帮不了太多。他也许更需要工具不断提出反例，给出不太舒服的解释，或者追问一句“还有没有别的可能”。

很多产品都在尽量减少摩擦。可思考有时恰恰需要一点合适的阻力。让人更快得到答案，和让人更认真地想过，并不总是一回事。

3. 今天补上的短板，明天会怎样

人一直会把一部分脑力工作交给外部工具。认知卸载研究讨论过，我们怎样把记忆、计算和搜索交给纸笔、设备与网络 [8]。一项关于“Google 效应”的元分析纳入 22 篇文章、30,889 名参与者，在部分结果中发现了中等程度的影响，但不同地区和测量方法给出的结果并不一致，有些置信区间也跨过零 [9]。

这些研究还不能证明，长期使用生成式 AI 会让人的某种能力退化。不过，它们让一个问题变得值得追踪：工具今天替我们整理材料，久而久之，我们会因为反复看到好示范而学得更好，还是会越来越少练习这件事？短期表现和长期变化可能朝着不同方向走。

4. 感觉轻松，未必真的做得更好

METR 的开发者实际变慢，却一直觉得自己变快。Lee 等人调查 319 名知识工作者时也发现，人们有时会把“完成工作更省力”理解成“批判性思考也更省力” [10]。

流畅的界面很容易给人一种已经掌握局面的感觉。可要判断工具是否有用，主观感受和成品质量最好分开测。除了问“好不好用”，还应当看实际用时、错误数量、过一段时间还能记住多少，以及没有工具时能不能独立完成。

5. 每个人都进步，作品也可能越来越像

Doshi 与 Hauser 的故事实验里，部分写作者得分提高了，故事之间的相似度也上升了。这两件事并不矛盾。大家都从同一类工具那里拿到帮助，个人作品可能更完整，整个群体却少了一些偏离常规的方向。

因此，评估 AI 辅助创作时，除了看每个人的平均得分，也可以看看一组作品之间还剩多少差异。个人收益和集体多样性，值得分开计算。

6. 我们究竟把哪一步交给了 AI

《斐德罗篇》里，苏格拉底借塔穆斯之口担心文字会让人依赖外部记号，留下智慧的表象，却削弱自己的记忆 [11]。后来算盘、计算器和搜索引擎也都遇到过相似的担忧。

AI 并没有第一次把判断带到人的头脑之外。书写、表格、制度和搜索排序早就在影响我们怎样想问题。它比较特别的地方，也许是一下接手了更多连续步骤：找材料、做归纳、排优先级、提出方案，再写成一段看起来完整的话。

与其笼统问“人会不会被 AI 取代”，我更想逐步看清：这次我把哪一步交了出去？我有没有检查它？最后的判断和责任还在不在我这里？

六、这个想法最容易错在哪里

第一，“想点子”“整理”“判断”这些词听起来清楚，真正测量时却可能混在一起。一个人迟迟没有开始，可能因为工作记忆、注意力、完美主义，也可能只是没弄懂任务。换几个更好听的分类，并不会自动解决问题。

第二，同一个人在不同任务里的表现也会变化。会写故事的人不一定会写代码；熟悉领域时很会判断，换到陌生领域可能就更依赖 AI。所谓“形状”也许属于“这个人在这类任务里的状态”，未必是一个固定不变的人格标签。

第三，越接近真实工作，实验越难做得干净。四十分钟的小任务容易比较，却代表不了一个人怎样花几周推进项目；长期项目更真实，却很难保证每个人面对同样的难度。以后如果真做研究，这会是最棘手的部分。

所以我暂时把“能力的形状”当作观察问题的一副眼镜。它能不能成为一个站得住的解释，还要看它是否能提出清楚的预测，并经得住不支持它的数据。

七、先留在札记里

这篇只围绕一个疑问挑了几组文献，算不上系统综述。“能力的形状”也还没有一套可靠的测量方法。

不过，把这些研究并排以后，至少有一件事比原来清楚了：AI 带来的差异，可能不只来自谁强谁弱，也来自一个人的卡点是否刚好碰上了工具的长处。

下一步不该继续替这个猜想找例子，而应该设计一个它也可能失败的实验。到那时，才知道“形状”究竟帮助我们看见了什么，还是只换了一种更好听的说法。

参考文献

1. Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586

2. Dell’Acqua, F., McFowland, E., Mollick, E. R., et al. (2026). Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality. Organization Science. https://doi.org/10.1287/orsc.2025.21838

3. Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290. https://doi.org/10.1126/sciadv.adn5290

4. Becker, J., Rush, N., Barnes, B., & Rein, D. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/

5. White, H. A., & Shah, P. (2006). Uninhibited imaginations: Creativity in adults with Attention-Deficit/Hyperactivity Disorder. Personality and Individual Differences, 40(6), 1121–1131. https://doi.org/10.1016/j.paid.2005.11.007

6. Paek, S. H., Abdulla, A. M., & Cramond, B. (2016). A meta-analysis of the relationship between three common psychopathologies—ADHD, anxiety, and depression—and indicators of little-c creativity. Gifted Child Quarterly, 60(2), 117–133. https://doi.org/10.1177/0016986216630600

7. METR. (2026). We Are Changing Our Developer Productivity Experiment Design. https://metr.org/blog/2026-02-24-uplift-update/

8. Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002

9. Gong, C., & Yang, Y. (2024). Google effects on memory: A meta-analytical review of the media effects of intensive Internet search behavior. Frontiers in Public Health, 12, 1332030. https://doi.org/10.3389/fpubh.2024.1332030

10. Lee, H.-P., Sarkar, A., Tankelevitch, L., et al. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. CHI ’25, Article 1121. https://doi.org/10.1145/3706598.3713778

11. Plato. Phaedrus, 274c–275b.