随着AI越来越能干，我们如何确保人的能力也同步增强？

多数雇主预期人工智能将深刻变革其业务，但他们最看重员工的核心技能，却更具人性化特质。

根据世界经济论坛最新的《未来就业报告》，近九成（86%）的雇主预计，到2030年，AI和信息处理技术将深刻变革其业务；与此同时，39%的劳动者现有技能预计将发生变化或过时。然而，分析性思维仍是最受青睐的核心技能，七成雇主认为其不可或缺。

这就为未来工作提出了一个重要问题：当技术能力日益增强时，我们如何确保人的能力也同步提升？

认知卸载本身并非问题。从计算器到搜索引擎，技术长期以来一直让人们得以减少在机器能更高效完成的任务上耗费的时间。AI将这种可能性大大拓展：它能够综合信息、识别模式、生成选项，并日益能够在有限甚至没有人类干预的情况下执行多步骤活动。

但将人们从认知性工作中解放出来，未必等同于增强了他们的能力。

当技术接管那些有助于人们运用或建立判断力、推理能力和专业知识的任务时，便发生了认知替代。相比之下，认知增强则利用机器智能来拓展人们自身理解、决策和成就的能力边界。

一项针对319名知识工作者的2025年研究显示，这一区别值得关注。研究发现，对生成式AI的信心越强，自我报告投入批判性思考的努力就越低。与此同时，AI并没有简单地消除批判性思维，而是将其转向了核实信息、整合回应和管理任务等活动。

因此，问题不在于人们是否应当继续亲力亲为每一项AI能完成的活动，而在于我们希望技术释放、保留并强化哪些人类能力。

要回答这一问题，就不能只盯着单一的工具和技术。

各类组织正越来越多地将AI嵌入更广泛的系统之中，这些系统融合了人、前沿技术、制度和基础设施。它们能够收集信息、从中学习、做出决策并采取行动以实现目标，也能随时间推移不断变化和改进。

就业与前沿技术全球未来理事会将这类系统称为“以人为本的智能增强系统”（people-augmenting intellignet system, PAIS）。简而言之，PAIS就是人与智能技术协同工作的系统。

从系统层面思考之所以重要，是因为同一项底层技术，可能因组织在职责分配、工作流程和决策权限上的配置方式不同，而带来截然不同的工作体验。

一种配置人们已很熟悉：人类自主性高，机器自主性相对较低（如上图类型2）。技术主要作为工具运行，例如农民使用联合收割机。

在另一种配置中，即图中所示的类型4，机器做出更多决策，而人的掌控力更弱。算法系统可能日益决定优先级、行动乃至工作节奏，人则主要负责执行或监督机器生成的决策。一个按算法派单送餐的外卖骑手，便处于这种配置之中。

第三种可能是人与机器都拥有较大自主性的情形。此时，智能技术不仅仅是为人们完成工作，而是帮助人们处理更多工作、获取此前无法触及的专业知识，并做出更明智的决策。这对应图中所示的类型3配置。

这正是PAIS所承诺的前景。

PAIS类型的系统不会随着技术进步而自动出现。要实现高水平的机器自主性与人类自主性，需要在就业与前沿技术全球未来理事会所提出的四大赋能支柱上做出有意识的选择。

首先，人需要具备与智能系统共同学习、并从系统中学习的能力，同时贡献这些系统所缺乏的情境知识、专业经验和反馈。在这一模式中，人的专业能力并未消失，而是角色发生了转变。

随着AI在处理信息方面日益精进，人们可以更专注于界定问题、理解情境、核查输出、处理异常情况和做出判断。工作设计决定了人与AI在实际中如何互动，这包括任务与决策权如何分配、在哪些环节人类判断仍不可或缺，以及劳动者自身如何参与塑造工作流程。

人与组织的能力，决定了组织能否维系这些新的工作模式。劳动者需要具备与AI共同学习并从AI中学习的技能和自主性，而组织则需要能够支持随技术演进而不断调整的管理实践、数字化能力和组织架构。

最后，制度与治理塑造了这些系统赖以发展的更广泛环境。围绕透明度、问责制、所有权以及AI收益与外部性分配的规则，有助于引导人机系统走向增强人类能力，而非由算法主导。

在全部三大支柱中，激励机制影响着组织投资于什么、优化什么。它们可以引导系统走向增强人类能力、技能提升和共享价值创造，而非劳动力替代或算法控制。

人类能力的增强并非技术能力提升的必然结果；它取决于更广泛的系统如何被设计和治理。

PAIS框架提供了一个实用的视角，用以评估人机系统正走向增强还是替代，并识别出所需的设计、能力、治理和激励选择，从而引导这些系统走向增强和放大人类所能成就之事的方向。

本文作者：

世界经济论坛就业与前沿技术全球未来理事会

Shuvasish Sharma, 世界经济论坛工作、薪酬与就业创造洞察主管

本文原载于世界经济论坛Agenda博客，转载请注明来源并附上本文链接。