理論面〉沒有一項技術可以取代專業能力

許多企業都以為，生成式AI能讓新手迅速成為專家；但研究顯示，缺乏專業知識的新手還是難成氣候，反而是專家的表現有望更上一層樓。生成式AI不是萬靈丹，前提仍需進行組織結構與文化的變革。

插圖／卡爾文．斯普拉格（Calvin Sprague）



從文案撰寫到軟體開發，領導人正寄望生成式AI能協助員工承擔更高階的職務。麻省理工學院（MIT）教授大衛．奧托（David Autor）及其他人的研究指出，生成式AI可縮短新手勝任新任務的時間。然而，對於這項技術提升員工技能的潛力，我們仍然知之甚少。這其中包括一項關鍵問題：生成式AI能否讓員工表現得像專家一樣好？

為了找到答案，史丹福大學（Stanford University）與哈佛商學院數位資料設計研究所（Digital Data Design Institute）的研究人員，進行了一項對照實驗，參與者是英國金融科技公司IGGroup的78位員工。研究人員先將員工分成3組，分別是專家組、鄰近專家的外行組、遠離專家的外行組。專家組包括經常為IG網頁撰寫文章的寫手；鄰近專家的外行組則是與寫手同一部門的行銷專員，他們沒有文章寫作經驗，但大致了解這些寫手的工作內容；遠離專家的外行組是開發人員及數據科學家，他們完全沒有行銷或寫作背景。每一組都要完成兩項任務：先構思一篇類似公司網頁上的文章，然後再寫出來。研究人員隨機分配生成式AI協助部分參與者（其他參與者則無），再由IG的高階主管，按1（最差）到5（最好）的分數，來評定每位參與者的寫作成果。

在沒有生成式AI的協助下，寫手在文章構思上獲得的平均分數最高（3.82），其次是獲得3.04分的行銷專員，最後則是拿到3.02分的技術人員。這項結果顯示，專家組與其他兩組在技能上有著顯著差異。然而，當參與者有生成式AI的協助時，差異開始縮小。寫手的構思平均得到4.12分，行銷專員與技術人員則分別得到4.18與4.05分。換句話說，行銷專員在生成式AI的加持下，略勝使用AI的寫手，而且使用生成式AI的三組，表現全都超越沒有使用生成式AI的寫手。

然而，在文章寫作這個層面上，結果就不同了。在沒有生成式AI的協助下，寫手表現最佳。但即使有生成式AI的加持，非專家寫出來的文章，品質也不如專家。使用生成式AI的結果不難預料，寫手表現最佳（平均得3.96分）；行銷專員緊跟其後，拿到3.92分。但有AI協助的技術人員，表現不如行銷專員；事實上，他們用或不用的分數差不多，各為3.38與3.42。

生成式AI的高牆

為何生成式AI能讓其中一項任務的表現勝過其他任務，而且對技術人員的寫作幫助很小？

訪談過參與者後，研究人員的結論是即使有生成式AI的加持，若員工愈缺乏某項任務需要的知識，他們的表現就愈難比得上具有相關專業的同事。運用生成式AI的非專家，在構思上的表現比專家還要好，這是因為構思需要的專業能力比寫作來得少（只要知道AI提出的題目夠不夠好）。然而，寫文章需要知道如何運用適當語言傳達希望傳達的訊息。一位參與者打比方說明兩者的差別：構思就如同想像參加一場馬拉松，寫作則是要真正上場跑，兩者的專業水準要求截然不同。

研究人員發現，專業能力是使用者與AI工具更有效配合的關鍵。行銷專員了解寫手常常使用的語言，他們也具備足夠的領域知識來改進生成式AI產生的內容。然而，技術人員（他們的工作與寫作無關）無法有效地運用或改善AI的建議。他們缺乏必要的直覺與知識，無法妥善決定哪些語言表達該保留或捨棄；研究人員稱此種現象為「AI高牆」（AIwall），它限制了生成式AI能幫助人們執行專業能力以外任務的程度。

這個發現會影響組織對生成式AI工具的部署。它挑戰了一項既有的假定：技術可以將技能層級扁平化，也可以促成學界所謂的「普遍任務流動」（universal task fluidity）。

研究人員指出，生成式AI的成效取決於使用者和任務領域之間的專業能力距離。此外，他們也主張，AI高牆不只存在於寫手與技術人員之間。研究人員建議採取兩項最佳實務，將生成式AI與不同專業程度的員工進行搭配運用：

勿高估生成式AI的能力。要將AI運用到某個領域時，員工須對這個領域有基本認識，也要有一些經驗。他們的知識廣度至少要足以讓他們評估和改進AI生成的內容。舉例來說，在前述的寫作研究中，許多技術人員缺乏必要的精細判斷力，無法調整與整合語句，只能將生成式AI的建議複製貼到文章裡。主持這項研究的史丹福大學博士後研究員路卡．溫卓米奈利（LucaVendraminelli）表示：「如果AI沒辦法將任務完全自動化，它就不會是解決工作大小事的神奇萬靈丹。當AI無法獨立執行工作，但又要取代專家時，它確實可以協助某些人縮小他們與專家的差距，但這只限於特定情況，也必須有適當的條件。AI不是一體適用的解決方案。」

重新思索工作完成方式。當員工開始有效運用生成式AI，不妨考慮組織需要採取哪些變革。要從生成式AI取得最大價值，企業必須改變流程、決策方法，以及團隊合作的方式。生成式AI工具甚至還可能模糊掉領域彼此相關的職稱，像是SEO（搜尋引擎最佳化）專員和內容策略專員。不過，要是領域差異較大（如行銷、銷售及產品團隊之間就是如此），運用生成式AI工具來弭平差異就會困難許多，因為這些工作涉及不同的專業能力、預算與權力結構。把工作內容設計得更廣泛、更有彈性，有助於克服這項挑戰，但這個轉變需要組織改變結構與文化。

此外，當你將生成式AI整合進工作流程時，也別忽略人的層面：使用者是誰？他們具備哪些知識？他們解讀與改進AI產出的能力如何？溫卓米奈立表示：「AI的幫忙有其限度，專業能力仍是無可取代。沒有一項技術可以取代專業能力。」

關於這項研究
〈生成式AI高牆效應：檢視專業能力在業內與業外人士間水平移轉的極限〉（The GenAI Wall Effect: Examining the Limits to Horizontal Expertise Transfer Between Occupational Insiders and Outsiders），路卡．溫卓米奈立（Luca Vendraminelli）等人合著（工作論文，2025年）。

版權所有，請勿影印重製，若需購買單篇文章，請上本刊網站。

…本文摘錄自 哈佛商業評論全球繁體中文版 2026/3月號