增强陷阱：AI 生产力与认知迁移的成本
人机交互
2026-05-22 v3 人工智能
摘要
实验证据确认 AI 工具提升了工人生产力，但也表明持续使用会侵蚀依赖这些收益的专业知识。我们构建一个动态模型，其中决策者为工人选择 AI 使用强度，权衡即时生产力与专业技能的长期侵蚀。我们将工具的生产力效应分解为两个渠道：一个独立于工人专业知识，一个随其规模而变。该模型产生三个主要结果：首先，即便决策者完全预见技能侵蚀，仍会理性采用 AI，当前端的生产力收益超过长期技能成本时，产生稳态损失：工人最终比采用前不如前。其次，当经理人短视或工人技能具有外部价值时，决策者的最优政策将稳态损失转化为增强陷阱，使工人不如若从未采用 AI。第三，当 AI 生产力不依赖工人专业知识时，工人可在技能上永久分化：经验丰富的工人实现自身潜力，而较不经验的工人则退化至零。微小的管理激励差异可决定工人采取的路径。该生产力分解将部署划分为五个模式，区分有益采纳与有害采纳，识别易受陷阱的部署。
引用
@article{arxiv.2604.03501,
title = {The Augmentation Trap: AI Productivity and the Cost of Cognitive Offloading},
author = {Michael Caosun and Sinan Aral},
journal= {arXiv preprint arXiv:2604.03501},
year = {2026}
}