AI 让合格执行变便宜：团队真正的杠杆在判断层

关于 AI 会不会取代员工的争论，多数停在一个对经营者没什么用的问题上。对一个要决定招谁、给谁加薪、如何编排团队的人来说，真正要问的是：当这件工具普及，一支团队为哪些能力付费的账，被重新算了一遍。麻省理工的诺伊（Shakked Noy）和张（Whitney Zhang）在一项发表于《科学》的实验里，让 453 名受过大学教育的专业人士完成写作任务，用上 ChatGPT 的一半人平均耗时下降 40%，产出质量提高 18%，而且员工之间的差距被压缩——能力较弱的人受益最大。这个结论已经被反复引用，几乎成了共识：AI 抬高执行的下限，把新手迅速拉到及格线。共识本身没错，但它对经营者的含义还没被认真算过。如果一份还算像样的初稿、一段能跑的代码、一封措辞得体的邮件都能被工具迅速产出，那么“多雇一个能交出合格产出的中层执行者”这件事的边际价值，正在向调用工具的成本靠拢。你付的钱买的，已经不是产能的吞吐——那部分接近免费；剩下值钱的，是决定哪些任务该做、在流畅的输出里认出错误、并为最终结果签字的那一层判断。AI 是一根杠杆：投进去平庸的判断，它只会以更快的速度、更低的成本堆出大量平庸的东西；投进去清晰的问题定义和可靠的验收标准，它抬高的才是判断的产出。对经营者而言，团队里最该被重估的一层，正是过去被当作标配的中层执行。

布林约尔松（Erik Brynjolfsson）、李（Danielle Li）和雷蒙德（Lindsey Raymond）追踪了一家财富 500 强公司 5,179 名客服人员使用生成式 AI 助手的过程，发现每小时解决的问题数平均提升 14%，但增益极不均匀：新手和低技能员工提高了 34%，经验丰富的高技能员工几乎没有变化。原因是这套工具把资深人员的隐性做法提炼出来，直接喂给了新人。微软和 GitHub 的研究者做过另一个受控实验，让开发者用 JavaScript 写一个 HTTP 服务器，用上 Copilot 的一组比对照组快了 55.8%。规律很清楚：AI 抬高的是下限。它让新手和熟手在常规任务上的产出迅速靠拢，这正是“合格执行变便宜”的准确含义。对管理者来说，这条结论直接改写用人账本：一支过去按“一个资深加一批中层执行”搭起来的团队，如今执行层明显配置过剩，判断和把关那一层却配置不足；靠中层执行能收到的溢价，正随合格产出的边际成本一起下滑。有人会顺势推断：过去中国和东南亚团队靠“更便宜地交出一份合格产出”参与全球分工，这条路会被工具直接抹平。这个推断在逻辑上说得通，但要点明证据的边界——上面这些实验几乎都取自美国和欧洲的企业与岗位样本，把它们的数字直接外推到跨境外包与离岸团队，目前并没有对应的研究支撑。合格执行的议价权是否已经在这些市场被压缩，还不能下定论，只能作为一个需要本地数据去验证的方向。

哈佛商学院与波士顿咨询公司合作的一项实地实验，最能说明溢价该付给谁。758 名顾问被随机分组，在 AI 能力范围内的任务上，用上 GPT-4 的人多完成 12.2% 的任务，速度快 25.1%，四成人交付了明显更高质量的结果。但研究者故意安排了一个落在 AI 能力边界之外的复杂管理任务：在这类任务上，用 AI 的顾问给出正确答案的概率反而低了 19%。他们把这种能力分布称作“锯齿状的技术边界”——两个看起来难度相近的任务，一个落在 AI 能轻松胜任的一侧，另一个落在它会自信地给出错误答案的一侧，而使用者很难自行分辨。这条边界决定了一个经理该为什么样的人付溢价：不是提示词写得多花哨，而是能判断哪些任务可以放心交给 AI、哪些必须自己盯住，以及在一堆看似流畅的输出里认出那个错的。举个具体的例子，让 AI 起草一份面向海外客户的报价，模型能瞬间给出结构完整、措辞得体的版本，但汇率口径对不对、当地合规条款有没有漏、交付周期承诺是否现实，这些都在它的边界之外。会把草稿逐条对照真实约束去核验的人，替公司挡下的是真金白银的风险；把流畅当成正确、直接转发的人，则是在替模型的错误背书。招聘和加薪时真正该认出的，就是前一种人——这种判断不会写进简历的工具清单，却正是该付溢价的东西。

诺伊和张的实验里有一个常被忽略的细节：AI 主要替代的是“打草稿”这类体力活，把工作重心推向构思和编辑。顺着这条线索，员工身上真正无法被外包的部分浮现出来——对结果负责。模型可以生成一份合同、一段代码、一封给客户的邮件，但当这些东西真的发出去、上线、进入法庭，承担后果的始终是人。布林约尔松那项客服研究里，AI 同时改善了客户满意度并提高了员工留存率；速度只是一部分，更关键的是有人在系统里持续把关、纠正、对最终交付负责。对经营者来说，这里藏着一个容易算错的成本账。世界经济论坛 2025 年《未来就业报告》预计，到 2030 年 AI 与信息处理技术会创造约 1.7 亿个新岗位、淘汰约 9,200 万个，净增约 7,800 万，同时近四成核心技能会改变，85% 的雇主准备靠再培训来应对。这些数字背后是一个供给问题。为了省成本，用 AI 直接接管初级岗位的杂活，当期账面立刻好看：薪资支出下降、人均产出上升。但能为结果签字、出事时兜底的资深判断力，历来是新人从这些杂活里一路做出来的——今天你依赖的那批人，正是当年从打草稿、跑数据、改初稿里熬出来的。把初级岗位一次性用工具替掉，省的是当期现金，动的却是未来这类人的供给：机器可以把活儿做完，却不会在出事时站出来解释、补救、承担；一旦能承担的人后继无人，再便宜的工具也补不上这个缺口。所以经理要在成本结构里做的一件事，是持续把新人推到判断和责任面前，为将来还签得下字的人保住供给——这笔投入不在当期最省的方案里，却决定了几年后还有没有人接得住责任。

把前面的证据收拢到一处，指向同一个经营结论：合格执行越来越便宜，团队的价值重心整体上移到判断、把关和担责这一层，而工具本身谁都能买到、谁都会用。难点在于，这一层很难自我证明——判断藏在脑子里，老板只看得见结果。于是最该被重做的，是团队衡量 AI 的方式。多数组织现在统计的是“有多少人在用 AI”“买了多少工具账号”“收藏了多少提示词模板”，这些数字一个都不说明产出到底变好了没有。真正该追踪的只有一件事：同一类任务，用 AI 前后，速度、错误率和返工次数有没有可测量的变化，以及是谁的哪一步判断带来了这个差别。一支团队如果只统计采用率、却从不核对产出，很可能在为一场没有结果的效率表演买单。这条界线还改写了几个具体决定。招聘上，值得付溢价的不再是能快速交出合格产出的人——那已经接近免费——而是能在锯齿状边界上做判断、并愿意为结果签字的人。组织设计上，与其奖励“最会用工具”的员工，不如去奖励那些能拿出前后产出对照、说得清自己改对了哪一步的人。至于最持久的优势，属于那个敢把成本结构围绕判断层重新搭一遍、并且真的去量产出差异的组织；靠一个人手握几十个提示词模板，撑不起这种优势。触发这套逻辑生效的条件很朴素：你手里有速度、质量和返工的前后对照。需要警惕的反向信号同样清楚：采用率一路走高，产出的这些数字却纹丝不动——那说明练出来的只是工具的手感，团队真正的产出能力没有变。杠杆两端的距离，最终就是这条界线：一端把 AI 当成表演，一端把它变成实打实的产出。