今日的工作，明日的劳动力：在 AI 辅助工作中激励学习

在工作中，人们通过经验培养技能：新手通过完成任务习得技能，专家则通过持续练习保持技能。AI 辅助改变了这一过程，让工作者可以在独立解决任务与接受 AI 答案之间做出选择。虽然依赖 AI 能节省当下的精力，但也可能挤占习得和保持技能所需的练习，包括监督 AI 所需技能的练习。我们将现有的“接受或求解”模型扩展到一系列任务中，在此过程中，工作者的技能随着独立练习和对 AI 的依赖而变化。我们比较了追求即时效用最大化的短视型工作者，以及同时重视未来技能的策略型工作者。我们发现，即使 AI 辅助下的结果准确率保持较高水平，新手仍可能被困在低技能水平，而专家则可能出现技能退化。相比之下，策略型工作者认识到习得和保持技能的未来价值，因此即使 AI 更准确，也可能选择独立求解。随后，我们研究了奖励正确完成独立工作的激励机制，并刻画了促进技能习得和保持所需的报酬。我们表明，一旦工作者获得足够的技能，独立工作就能自我维持，从而无需持续激励。一个反直觉的发现是，支持更高的技能目标有时反而能降低长期激励成本，其途径要么是使独立工作能够自我维持，要么是降低保持熟练程度所需的报酬。因此，我们的研究将关注点从工作者是否应在单项任务中依赖 AI，转向组织如何长期维持人类的专业能力，以及哪些技能值得投资。