增強陷阱：AI 生產力與認知卸載成本
arXiv - Human-Computer InteractionMichael Caosun, Sinan Aral
AI 工具提升生產力，但長期使用會侵蝕員工專業技能，導致最終效能下降。
AI 幫你先抓重點
AI 重點 1
AI 生產力分為兩個通道：獨立於專業度與隨專業度擴增的通道。
滑鼠懸停看 AI 判斷理由
此分解揭示 AI 依賴程度決定是否會造成技能流失，幫助設計者評估工具對不同員工的長期影響。
AI 重點 2
增強陷阱的形成取決於管理者的短期獎勵結構與員工技能的外部價值。
滑鼠懸停看 AI 判斷理由
了解此關聯可讓組織調整激勵機制，避免因短期績效導致長期技能退化，維持組織競爭力。
核心研究發現
- 1
即使決策者預見技能流失，仍會在短期收益高於長期成本時採用 AI，最終員工效能低於採用前。
- 2
管理者短期導向或技能外部價值高時，最佳策略會使員工陷入增強陷阱，效能低於未採用 AI。
- 3
若 AI 生產力不依賴員工專業度，經驗豐富者可達最高潛能，經驗不足者則技能完全消失，兩者技能差距永久擴大。
對教育工作者的啟發
1. 監測員工技能變化，設定 AI 使用上限以防止技能流失。2. 設計 AI 工具時加入專業度依賴機制，鼓勵員工維持或提升專業知識。3. 調整績效評估，將長期技能維護納入獎勵指標。4. 針對不同經驗層級提供差異化 AI 培訓，避免低經驗員工完全依賴 AI。5. 建立五種部署規則，評估 AI 方案是否屬於有益或有害區間，並定期審查。
原始文獻資訊
- 英文標題：
- The Augmentation Trap: AI Productivity and the Cost of Cognitive Offloading
- 作者：
- Michael Caosun, Sinan Aral
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。