生成式人工智能撞上了没有高管愿意面对的那堵墙
几乎所有谈论人工智能已有两年的董事会都在押同一个注：技术将使任何专业人员都能胜任其他任何人的工作，质量足以支撑人才重组。这个赌注写在纸上感觉很好。然而，根据新的实验证据，这个判断在某种程度上是错误的——而且这种错误的方式对人才战略具有直接影响。
英国金融科技公司IG进行的一项实地实验，由哈佛商学院、斯坦福大学及斯坦福数字经济实验室的研究人员参与分析，对这一假设进行了直接检验。结果揭示了一种规律，那些假设劳动力可以完全互换的领导者无法忽视这一规律。
揭示隐性差距的实验
实验设计刻意保持简单。三组员工接受同一任务：首先，为公司网站构思一篇文章（结构、关键词、核心要点）；然后，完整撰写这篇文章。三组对应不同程度的知识距离：习惯创作此类内容的网络分析师、从事相邻职能但不撰写文章的营销专员，以及与内容创作毫无关联的技术专员（数据科学家和软件开发人员）。部分参与者可使用IG的生成式人工智能工具，其余人则不能使用。
构思阶段的结果十分明确。没有人工智能的情况下，网络分析师明显优于其他两组。使用人工智能后，三组的构思成果在统计上无法区分。该工具在抽象化和结构化工作中充当了完美的均衡器——这类工作遵循合理的模板，即使是非专家也能加以评估。至此，技术的承诺得到了兑现。
到了执行阶段，故事发生了变化。配备人工智能工具的营销专员成功产出了质量与网络分析师相当的文章。而使用完全相同工具的技术专员却无法做到。实验结束后的访谈揭示了其中的机制：技术专业人员缺乏判断生成内容质量所需的心智模型。一位数据科学家删除了行动号召语句，认为它们没有必要。另一位将文章缩短至低于SEO最优字数门槛，因为他偏好简洁。还有一位以难得的诚实承认："我随机添加了一些内容，让它看起来更像营销文案。"这不是技术能力的缺失，而是领域距离的问题。
研究人员将这一现象命名为"生成式人工智能墙效应"：即工具无法再弥合专家与非专家之间差距的临界点，无论工具本身有多么先进。
这堵墙揭示的知识管理问题
最令人不安的发现并不在实验数据本身，而在于从中得出的对组织架构的启示：多年来，许多企业一直将技术技能与领域知识混为一谈。而生成式人工智能正在帮助他们维持这种混淆。
实验中的技术专员并非因为不会使用工具而失败，他们失败的原因是没有评判输出内容好坏的标准。能有效利用人工智能创作营销内容的人与无法做到这一点的人之间，差异不在于界面，也不在于提示词。差异在于：知道什么样的文章能够转化客户，为什么"销售语气"有其价值，什么样的篇幅能更好地响应搜索算法。这些知识无法通过一场人工智能培训冲刺课程来传授。
从组织层面来说，实验所记录的是：生成式人工智能在遵循结构化抽象逻辑的任务上运作有效——例如草拟大纲、分类、组织内容、在框架内生成选项。在这类任务中，用户的输入可以极少，因为工具有足够的结构支撑其运转。而高质量的执行，则需要研究人员所称的隐性知识：专业人员在语气、重点、受众和战略意图上自动做出的微观判断——如果操作者自身不具备这些判断，就无法委托给工具来完成。
这对高管团队思考人工智能投资回报的方式有直接影响。如果一家企业部署了先进工具，期望其技术或行政人员能够承接原本属于营销、传播或设计专员的工作，可能的结果不是提升效率，而是产出质量下降，而且整个链条上没有人具备检测问题的知识。这一代价不会立即出现在生产效率指标中，而是六个月后才显现——届时内容质量已经下滑，SEO已经恶化，却没有人能准确指出问题出在哪里。
效率掩盖下的人才错误
研究没有明确点名，但实验精确呈现了一种深层的组织动态：领导者倾向于从降低成本的逻辑出发设计人才战略，而非从知识距离的逻辑出发。
当一家企业决定借助人工智能将一名软件开发人员重新分配去创作营销内容时，这个决定通常不会经过分析两个职能之间有多大的领域知识差距，而是来自一张显示可用工时的电子表格和一个想要优化的预算。问题不在于财务逻辑本身，问题在于财务逻辑建立在可互换性的假设上，而IG的实验刚刚证明这一假设是错误的。
研究作者提出了一个对高管团队有用的区分：人工智能可以促进相邻职能之间的流动——即存在共享知识基础的职能之间——但无法弥合遥远职能之间的鸿沟。一名迁移到内容创作岗位的营销协调员拥有评估和优化生成内容所需的概念框架；而做出同样转变的软件开发人员则没有，现有工具也无法将这种框架传授给他。这一差异应当成为任何人员重新部署决策的核心考量，而不是等到问题显现后才加以关注。
第二个不那么显眼的启示，与企业在培训预算上的投向有关。主流趋势一直是培训团队使用人工智能工具：如何构建提示词、如何迭代、如何将输出整合到工作流程中。这是必要的，但还不够。研究表明，真正的瓶颈不是对工具的技术熟练度，而是能够判断输出质量好坏的领域知识。在前者上投资而忽视后者，等于在没有方向的情况下一味追求速度。
这项研究还开启了一种更具结构性的解读：随着人工智能使构思和创意民主化，价值的重心正向高质量执行转移。而高质量执行将持续依赖于积累的知识，而非界面的复杂程度。率先理解这一点的领导者将相应地重组对人才的投资。而那些尚未理解的人，将继续用工具采用率指标衡量人工智能的影响，而真实的产出质量却在悄然恶化。
一个高管团队的成熟度，部分体现在其构建组织的能力上——在那样的组织中，知识有意识地流动，没有任何关键成果依赖于某一个人（或某一个工具）来支撑。这需要诚实地梳理每个职能知道什么、与其他职能相距多远，以及它与那些能放大已有知识、却无法凭空创造所缺知识的系统协作的准备程度。能够绘制出这张地图并付诸行动的组织，不需要任何特定的高管来支撑它们。它们已经构建了使自身得以自主扩展的系统。
