斯坦福QJE最新研究：AI让菜鸟效率暴增30%，但高手们却惨遭“反向优化”？

斯坦福与MIT在美国经济学季刊最新研究揭示，生成式AI在职场中掀起了一场“效率革命”：平均提升15%的问题解决速度，而新手和低技能员工的进步更是高达30%！但有趣的是，顶尖员工反而可能因AI“拖后腿”——他们的回答质量小幅下降，甚至被AI建议带偏。

通过分析数百万条客服聊天记录，研究者发现AI不仅加速了工作流程，还让国际员工的英语表达更地道，甚至缓解了客户的暴躁情绪。但这场技术红利并非雨露均沾——AI最擅长帮人类解决“中等难度”问题，而对最常见或最冷门的问题效果有限。

文章摘要：

我们使用来自 5,172 名客户支持代理的数据研究了基于生成式 AI 的对话助手的交错引入。获得 AI 协助可将员工的工作效率（以每小时解决的问题衡量）平均提高 15%，并且员工之间存在很大的异质性。不同药物的效果差异很大。经验不足和技能较低的工人提高了产出的速度和质量，而最有经验和最高技能的工人的速度略有提高，质量略有下降。我们还发现证据表明，人工智能辅助有助于工人学习并提高英语流利度，尤其是在国际代理中。虽然 AI 系统随着训练数据的增加而改进，但我们发现，对于中等罕见的问题，采用 AI 的收益最大，在这些情况下，人类代理的基线经验较少，但系统仍然有足够的训练数据。最后，我们提供证据表明 AI 协助在几个方面改善了工作体验：客户更有礼貌，不太可能要求与经理交谈。（点击下方“阅读全文”可看原文）

数据分析

1. 效率飙升，但赢家是菜鸟

AI助手让客服平均每小时多解决15%的问题，但低技能员工效率提升30%，而高技能员工几乎无增长（图III）。

图II显示，AI上线后效率立竿见影，且效果持久；图V更直观——新手用AI两个月就能达到老手半年的水平。

AI把高手的“套路”教给了新手（比如如何快速诊断问题），但对高手反而成了干扰。

2. AI的“偏心眼”：中等难题才是主场

数据亮点：AI对“出现频率中等”的问题效果最佳，处理时间缩短14%。

为什么？常见问题人类已熟练，冷门问题AI缺数据；而中等难题恰好结合了AI的知识库和人类的经验盲区。

3. 客户变温柔了，员工却可能“偷懒”

客户骂人少了，请求转接经理的概率降了25% —— 因为AI教员工用更体贴的话术（如“我完全理解您的 frustration！”）。

图VI显示，连顶尖员工也越来越依赖AI建议（即使质量下降），可能减少原创解决方案的输入，长期恐削弱AI训练数据质量。

4. 学英语？AI是隐藏老师

意外收获：菲律宾客服的英语流畅度显著提升（图IX），尤其是“美式地道表达”（比如把“have a blessed day”改成“have a great day”）。

启示

1. 教育体系将被颠覆：经验贬值的时代来了

传统“熬资历”失效：新手+AI 2个月=老手6个月，职业培训必须转向“AI协作能力”。

2. 企业管理的AI悖论

绩效考核陷阱：如果AI让低效员工看起来高效，企业如何识别真人才？

团队结构重构：可能需要AI训练师岗位，由顶尖员工专门优化AI，而非处理日常任务。

3. 语言霸权暗流：AI正在美式化全球职场

菲律宾客服的英语更地道，实则是AI隐性强加美式表达习惯，：+文化多样性可能被AI的“主流偏好”无声侵蚀。

4. 情绪劳动被标准化：AI教你假笑

客户满意度提升因AI预设了正确情绪反应，但人类的情感共鸣会否被机械流程取代？，共情能力可能成为奢侈品，只有高价人工服务才提供。

5. 技术红利的隐形天花板

AI对中等技能岗位提升最大，但对极高/极低技能影响有限。

6.人类最后的堡垒：创造力or摆烂？

论文中顶尖员工质量下降暴露一个危险信号：

如果AI把60分方案送到眼前，多少人会拒绝追求100分？

未来分化：AI增强型人类 vs AI依赖型僵尸。