人机协同的绩效幻觉：当 AI 替人完成了最具挑战性的部分，人们还愿意继续投入工作吗？

在 AI 浪潮席卷全球职场的今天，各大企业都在积极探索员工与生成式 AI（GenAI）协同工作所带来的效率飞跃。过去两年，几乎所有关于AI 赋能工作的商业叙事，都围绕着同一个振奋人心的结论：AI 让人做得更好、更快、更多。无论是麦肯锡预测生成式 AI 将释放数万亿美元的经济价值，还是哈佛商学院实验证明 AI 能将知识工作者的效率提升 40%，这些研究共同描绘了一幅令人乐观的图景：只要将 AI 嵌入工作流程，绩效的飞轮就会自动转起来。然而，这种乐观往往掩盖了一个关键隐患：当 AI 替人完成了最具挑战性的部分，人们还愿意继续投入工作吗？

如果你是一位企业管理者，或许已经察觉到一些令人困惑的现象：团队引入 AI 写作助手后，报告质量确实提升了，但员工对写作本身的热情却在消退；销售团队用上 AI 话术生成工具后，沟通效率变高了，但主动钻研和创新的欲望反而减弱了。这些微妙的变化往往被短期“绩效提升”的光环所掩盖，却在组织内部悄然蔓延，最终可能侵蚀企业长期竞争力的根基：员工的内驱力（Intrinsic Motivation）。这绝非管理者的直觉偏差，而是大规模实证研究揭示的系统性风险。

发表在《自然》（Nature）旗下权威期刊《科学报告》（Scientific Reports）上的最新研究《Human-generative AI collaboration enhances task performance but undermines human’s intrinsic motivation》（人与生成式 AI 的协作提升了任务绩效，却削弱了人的内驱力）。通过四项严谨的在线实验（总样本量 N = 3,562），研究员首次系统性地揭示了人机协同中并存的双刃剑：绩效增强效应（Performance Augmentation Effect）与心理剥夺效应（Psychological Deprivation Effect）。

本文将深度解读这项研究的三个核心洞察，探讨企业如何在用好 AI 的同时，守住优秀人才，在效率与动力之间找到那个被忽视的平衡点。

一、洞察一：AI 带来的绩效优势，无法迁移到独立工作中

AI 确实能让人做得更好，但仅限于“此时此刻”。研究团队设计了多种贴近真实工作场景的专业任务，例如撰写营销推广文案、起草绩效评估报告、编写团队介绍邮件、进行产品创新头脑风暴，来检验人与 ChatGPT 协作时的即时绩效表现。

结果一致且显著：在几乎所有即时任务中，与 AI 协作的参与者产出的内容在质量评分上都显著优于独立完成任务的参与者。以写绩效评估报告为例，协作组的平均字数是独立工作组的近 2.7 倍，分析的深度也明显更高。在撰写 Facebook 推广文案的任务中，协作组产出的文案在“吸引力”的维度上也获得了明显更高的评分。 这意味着，在“人+AI”协作的即时输出层面，AI 的增强效应是切实且强劲的。这也正是绝大多数企业引入 AI 工具时所期待、所衡量的指标。

但当撤走 AI 工具后，这种优势就消失了。研究者让所有参与者在没有 AI 辅助的情况下独立完成第二项任务。结果发现，之前与 AI 协作过的人并没有表现出持续的绩效优势。无论是在创意数量、新颖性还是实用性上，两组表现几乎没有差异。在研究三中的情况也同样如此，AI 协作的带给绩效的溢出效应（Spillover Effect）并未如预期般出现。

这一发现的对于企业管理的意义深远：AI 协作带来的绩效提升，并非人的能力的真实增长，而更接近于一种“溢出式”的即时增益。就像人穿上机械外骨骼能搬起重物，但脱下外骨骼后，自身的肌肉力量并没有增加。AI 代替人类承担了信息整合、语言组织和创意生成等大量认知负荷，而这些过程恰恰是人类学习和能力成长的核心途径。当 AI 代劳了这一切，员工虽然交出了更好的成果，却没有得到真正的认知锻炼。

如果企业仅仅根据 AI 协作场景下的产出来评估工具价值，就会严重高估 AI 对组织的真实贡献。因为这些指标无法反映一个关键问题——当 AI 工具出现故障、升级、或者任务性质不适合 AI 介入时，你的团队是否仍然能够保持高水平的独立产出？

更深层的风险在于，如果组织过度依赖 AI 来维持绩效，员工独立思考、深度分析和创造性解决问题的能力，将无法在这个过程中得到真正的锻炼。这并非是在否定人机协作的价值，而是在提醒企业需要重新设计人与 AI 的协作模式，让 AI 成为能力的放大器，而不仅仅是产出的加速器。要做到这一点，我们必须先弄清楚 AI 协作在心理层面对人产生了什么影响。

二、洞察二：心理剥夺效应，AI 协同的隐性代价是降低了人们的工作意义感

与 AI 协作后，人的内驱力骤降，无聊感飙升。当一个人从“与 AI 协作”过渡到“独立工作”时，他的心理体验会发生什么变化？研究团队设计了不同的任务并测量了参与者完成任务后的三个核心心理指标：控制感（Sense of Control）、内驱力（Intrinsic Motivation） 和无聊感（Feelings of Boredom）。

结果揭示了系统性的心理剥夺效应：

• 内驱力的断崖式下降：从与 AI 协作过渡到独立工作的参与者，内驱力得分大幅下降，远超一直独立工作的人。相比之下，始终独立工作的参与者内驱力仅小幅下降。两组之间的差异在统计上高度显著。这意味着，体验过 AI 的便捷后再回到人工操作，会让人感到明显的动力丧失，这远非普通的任务疲劳可以解释。
• 无聊感的显著飙升：从 AI 协作过渡到独立工作的参与者，无聊感的得分跃升。这并不是因为任务本身变枯燥了，而是因为体验过 AI 辅助后，参与者的心理预期被重新校准了。对比之下，独立工作显得更加乏味。
• 控制感的反弹与悖论：有趣的是，在与 AI 协作时，参与者感到控制感回升，但这种控制感的恢复无法抵消动机衰减和厌倦感的上升。因为 AI 主导了内容生成，参与者不知不觉退居二线，变成了 AI 内容的“审阅者”而非“创造者”。当 AI 离开后，控制感虽然回来了，但讽刺的是，人虽然重新掌握了方向盘，却已经失去了驾驶的欲望。

为什么会这样？自我决定理论（Self-Determination Theory）指出，内驱力源于三个核心：自主性（Autonomy）、胜任感（Competence） 和关联性（Relatedness）。当 AI 承担了任务中最具智力挑战的部分，它也带走了这些困难任务带给人的心理回报、自我效能感。

首先是自主性的压缩。在与 AI 协作中，人的角色常常从“问题的定义者和解决者”转变为“AI 输出的审阅者和修改者”。这种角色转变看似微小，却意味着人从“主动地创造” 变成了 “被动地评估”，而这种自主性的的丧失是内驱力衰减的核心机制之一。

其次是胜任感的被替代。当 AI 能迅速产出高质量的内容时，人在完成任务后的成就感会被稀释。正如论文中直接指出：“如果 AI 把所有有趣的部分都拿走了呢？”那些需要深度思考、创造性整合、反复打磨的过程，恰恰是人们、员工从中获取胜任感和成就感的核心来源。当这些过程被 AI 代劳，即便最终产出更好，人所体验到的“这是我做的”满足感也会大打折扣。

最后是关联性的断裂。有意义的工作不仅是“完成任务”，更是人与任务之间建立深层连接的过程。在撰写一份绩效评估报告的过程中，评估者需要深入思考被评估者的优势与不足，在精心组织语言的过程中体验到“帮助他人成长”的意义感。当 AI 接管了思考、分析和措辞、撰写的过程，人与工作之间的这种深层连接被削弱了，工作变得更像是在走流程而非“做贡献”。

三、洞察三：从效率优先到认知共建，重塑人机协同逻辑

面对上述发现，一种自然的反应可能是“那我们少用 AI 就好了”。但这显然不是一个现实的选项。AI 带来的生产力提升是真实的、不可逆转的竞争优势。真正的问题不在于 AI 本身，而在于当前主流的人机协同模式的设计缺陷。如果企业只关注“如何让 AI 做得更多”，而忽视如何教导学员以业务导向的使用 AI，如何确保人在协作中持续成长和保持动力，那么 AI 的引入非但不是赋能，反而是一种隐性的去能化（de-skilling）。

要打破这一困境，企业需要从“效率优先”的 AI 应用范式，转向“认知共建”的 AI 应用范式，一种让 AI 增强人的能力而非替代人的过程的协作模式。

路径一：在任务流程中保留人类主导的环节

研究表明，控制感能维持内驱力。当人感受到对任务的掌控时，内驱力更容易持续。因此，在设计人机协同工作流时，需要在关键节点保留人们的决策主导权。这意味着任务拆解不能简单地按照“AI 能做什么就让 AI 做什么”来分配，而要思考哪些环节对人的成长最重要。比如在内容创作场景中，与其让 AI 直接生成完整的文案再让人修改，不如让人先完成核心论点的构建和论证框架的设计，再让 AI 在此框架下填充和优化内容。前者将人降格为“编辑”，后者保留了人作为文章的 “建筑师”。

路径二：将 AI 视为思维伙伴，而非任务代工厂

心理剥夺效应的核心机制是 AI 替代了人的认知过程。因此，解决方案的核心是重新定义 AI 的角色，从“替你做”变成“引导你思考”。具体而言，这意味着引导员工使用 AI 时，不是直接要求 AI 给出最终答案，而是通过建构式的提问来引导 AI 提供分析框架、多元视角、假设检验等“思维脚手架”。人在这个过程中仍然是主动思考和决策的主体，AI 只是拓展了思维的广度和深度。这种“建构式使用”模式，不仅避免了内驱力的流失，还能让人在与 AI 的互动中持续学习和成长，真正实现“AI 赋能人”而非“AI 替代人”。

路径三：人才培养从“提示词技巧”向“主体性思维”升级

当前大多数企业的 AI 培训都跑偏了，过度聚焦于如何写好提示词。写好提示词当然是正确且有效的，但真正的痛点不在于 AI 输出了什么，而在于人在这个过程中丧失了主体性。

企业真正需要培养的，已不再局限于 “如何向 AI 要答案”，而是应当升级为“如何在与 AI 协作中增强认知主动性”。这种全新的思维范式——Agentic Thinking，即人作为工作流的设计者和决策者，主动拆解复杂问题、编排 AI 与自身的分工协作、并在关键环节行使自主判断。在这种思维下，AI 是可被调度的“专家资源”，人始终掌控全局，从而在提升效率的同时守住内驱力。

四、可持续的人机协同，始于对人的重新理解

AI 时代最大的管理挑战，不是技术的部署，而是人的可持续性。当企业在追逐 AI 驱动的效率增长时，如果忽视了人在这个过程中的心理体验和能力发展，那么所谓的“AI 转型”可能只是一场饮鸩止渴的短期博弈。这要求组织的领导者不仅是技术的推动者，更是“人机协同生态”的设计者：让 AI 增强人的能力而非替代人的过程，让技术释放人的潜能而非消解人的动力。

UMU 推出 《发展 Agentic Thinking：驾驭 AI Agent 工作流》旨在解决企业在 AI 转型（AI Transformation，简称 AX）中的三大认知痛点：

1. 攻克隐性知识壁垒：构建高冗余的技术适应力。

AI 的输出极具概率性，且应用场景随时面临技术更迭与未知风险。我们通过 UPIEI 五步模型，注重员工在理解（Understand）阶段构建技能的冗余度与灵活性：当特定提示词模板或 AI 工具失效时，员工能迅速调用备选知识达成目标；在面对 AI 幻觉或业务突变时，能通过敏捷试错迅速找到替代解法，构建坚韧的工作流体系。

2. 培养自主工作流构建能力：从被动使用者转向流程设计者。

建构式使用 AI 促使员工从盲目地 “接受” 到主动地“引导” AI 的输出。在规划与迭代（Plan & Iterate）阶段，我们将庞大的业务目标拆解为最小可控子任务。通过在多轮迭代中主动暴露我们的认知盲区与 AI 的执行难点，并不断深化对问题本质、业务语境和核心目标的理解，从而甄别出真正可靠的输出。

3. 强化人机协同的审核者角色：建立批判性思维的护栏。

通过评估（Evaluate）阶段的系统校验方法，我们确保人类在智能体协同中始终占据“项目负责人”的核心地位。这一模块旨在打破技术带来的“认知舒适区”：通过在 AI 的多轮迭代中主动管理上下文，我们确保复杂的工作流始终不偏离业务目标，并建立以业务指标为导向的评估体系。将“人在回路” (Human-in-the-loop）从抽象的理念转化为具像化的优势，确保在关键的价值创造环节中，人的判断力始终是最终的质量闸门。

Agentic thinking 是当前企业破局的认知机会。真正的组织韧性，不在于拥有多少 AI 工具，而在于是否建立了一个能让 AI 增强人的协同生态。技术无法自动带来转型，唯有人才密度的提升与协作范式的重塑才能将技术的外部红利内化为企业长期的核心竞争力。试听《发展 Agentic Thinking：驾驭 AI Agent 工作流》，迈出组织进化的第一步。

参考文献：

Wu, S., Liu, Y., Ruan, M., Chen, S., & Xie, X. Y. (2025). Human-generative AI collaboration enhances task performance but undermines human’s intrinsic motivation. Scientific reports, 15(1), 15105.