生成式人工智能（AI）正在迅速进入企业日常工作流程。从文案撰写、广告创意、软件开发，到产品设计、数据分析、客户服务以及管理决策，越来越多原本需要人类完成的知识型任务开始由AI参与甚至直接完成。过去几年，企业讨论AI时，最常见的问题通常集中在效率：人工智能能够提高多少生产率、节约多少人力，以及哪些岗位能够进一步实现自动化。

但美国布鲁金斯学会（Brookings Institution）近期介绍的一项研究提出了另一个值得关注的问题：如果人们知道某项创造性工作主要是由AI完成的，他们是否还会认为这项工作具有同样的意义，并愿意继续投入相同程度的精力？

这项研究由美国布鲁金斯学会经济研究项目研究员Milena Nikolova、荷兰格罗宁根大学（University of Groningen）博士研究生Viliana Milanova以及该校副教授Feicheng Wang共同完成，研究论文题为《When AI Does the Work: Does Attribution Shape Meaning and Effort?》。研究人员通过美国和荷兰两项预注册调查实验，分析“AI完成任务”这一信息本身是否会改变人们对于工作意义、创造性以及个人投入程度的判断。

相同内容，仅改变“创作者身份”

这项研究共覆盖3638名参与者，其中美国样本为1511人，荷兰样本为2117人。实验设计并不复杂，却能够较为清晰地识别“AI标签”本身产生的心理影响。

参与者首先被告知一个公共健康问题：许多人每天饮水不足，研究人员希望他们帮助评价几条鼓励健康饮水的宣传口号。在看到具体内容之前，参与者需要首先评价自己认为这项任务有多大意义，评分范围从1到7分，两国受访者的初始平均评分大约都在5分左右。

随后，参与者被随机分成两组。两组看到的宣传口号内容完全相同，唯一不同的是，其中一组被告知这些口号由专业营销人员创作，另一组则被告知内容由AI营销软件生成。

换句话说，作品本身没有任何区别，区别仅仅在于参与者认为“是谁创作了这些内容”。这种实验设计的重要意义在于，它能够尽量排除作品质量差异带来的干扰。如果两组人面对完全相同的内容，却因为创作者身份不同而产生不同反应，那么这种变化更可能来自人们对“AI参与创造”本身的心理判断。

AI标签不仅影响评价，也影响实际投入

研究结果显示，当参与者被告知宣传内容由AI生成后，他们对这项任务意义的评价有所下降。相对于“人类专业人员创作”组，AI组的任务意义评分下降约0.07个标准差。单看这一数字，变化似乎并不算巨大，但更加值得关注的是，参与者随后是否愿意继续投入自己的创造性劳动。

实验最后，研究人员询问参与者是否愿意自己额外创作一句健康饮水宣传口号。这不是必须完成的任务，而是一项完全自愿的额外工作，因此研究人员将其作为衡量个人主动投入和“额外努力”程度的重要指标。

结果发现，被告知此前创意由AI完成的参与者，主动再创作一句宣传口号的概率下降了3.4个百分点。实验中大约26%的参与者最终愿意完成这项额外任务，因此3.4个百分点的下降，相对于原有参与比例而言，降幅约为13%。

这说明，AI带来的影响并不仅仅停留在人们“觉得这项工作没有以前那么有意义”的主观感受上，还可能进一步转化为实际行为。当人们认为AI已经完成了主要创造性工作之后，他们更不愿意继续投入自己的时间和创意。

研究还发现，即使参与者看到的是完全相同的作品，只要被告知这些内容来自AI，他们就更倾向于认为作品的创造性和说服力较低，对AI完成类似创造性任务的信任程度也有所下降。这意味着，人们对于AI作品的评价并不完全建立在成果本身之上，“由谁完成”也可能成为影响判断的重要变量。

企业可能面临新的“效率悖论”

对于正在大规模部署生成式人工智能的企业而言，这一发现具有很强的现实意义。目前许多企业应用AI的基本逻辑，是把原本需要员工独立完成的部分工作交给模型，再由员工负责检查、修改和确认。例如，一名员工过去可能需要两个小时完成一份方案，现在AI几分钟就能够生成初稿，员工只需要进行审核。从传统生产率角度来看，这显然意味着效率提高。

但这种模式隐含着一个重要前提：员工从“创造者”转变成“审核者”以后，仍然会保持相同的责任感、主动性以及工作投入。

此次研究表明，这个前提未必始终成立。如果AI逐渐承担工作的核心创造过程，而人类只负责点击确认、从若干方案中进行选择或者修正错误，员工对成果的“心理所有权”可能下降。他们可能越来越认为最终成果并不真正属于自己，个人能力对于结果产生的影响也越来越有限。

久而久之，企业可能面对一种新的效率悖论：AI显著提高了完成单项任务的速度，却可能降低员工主动投入额外努力的意愿。技术层面的生产效率提高，并不必然意味着组织层面的长期效率同步提升。

因此，企业在设计AI工作流程时，未来可能不能只问“哪些事情AI能够完成”，还需要进一步考虑“哪些工作必须让人真正参与”。例如，在产品设计、营销策划或者仓储规划过程中，如果AI直接生成最终方案，人类只负责从几个结果中选一个，人与工作之间的联系可能逐渐减弱；但如果AI负责信息搜索、数据分析、方案模拟和初步建议，而最终判断、调整以及决策仍由人完成，员工更容易保持对工作的控制感和责任感。

对机器人和智能物流同样具有启示

这一结论对于机器人、工业自动化以及智能物流行业同样值得关注。中叉网认为，过去，自动化主要替代搬运、分拣、运输等重复性体力劳动，但随着人工智能能力不断提高，AI正在进一步参与仓库布局优化、移动机器人任务调度、库存预测、异常处理、设备维护以及生产计划等过去主要依赖人工经验和判断的工作。

这意味着，在未来的智能工厂和智慧仓库中，人正在逐渐从“任务执行者”转变为“AI和自动化系统的监督者”。从技术角度看，这是自动化升级的重要标志；但从企业管理角度看，如果人的作用不断被压缩到最终确认和异常签字，人对于整个系统的理解、参与程度以及主动发现问题的意愿也可能发生变化。

因此，在相当一部分知识密集型和决策型场景中，“Human-in-the-loop”仍然具有重要价值。AI可以承担大量计算、搜索、预测和生成工作，但人仍需要拥有清晰的决策权、责任边界以及能够真正影响最终结果的工作内容。人机协作的目标并不一定是无限减少人的参与，而可能是重新设计人与机器之间更合理的分工。

研究人员也强调，这项实验仍然存在一定局限。参与者面对的是一次时间较短的创造性任务，而不是企业中持续数月甚至数年的真实工作流程；参与者只是被告知内容由AI生成，并没有真正长期使用人工智能系统。因此，这项研究不能简单推导出“使用AI一定会降低员工积极性”。

不过，它提出了一个值得长期关注的问题：人工智能改变的并不仅仅是一个人“能够完成多少工作”，也可能改变这个人“为什么愿意认真完成这项工作”。

随着AI越来越擅长承担创造性和决策性任务，企业真正需要解决的问题，可能不再只是“AI还能替人做什么”，而是如何设计一种新的工作关系，让AI提高效率的同时，人仍然保留参与感、责任感和创造价值。这很可能成为下一阶段人机协作比单纯追求自动化率更加复杂，也更加重要的管理课题。