dscout研究：AI抵触源于身份认同而非能力不足，96名在职用户揭示“保留区”不随技术提升而移动

空乘人员并不是我预期中会与我讨论 AI 可能在哪些方面威胁其工作的人，但这位参与者的观点在我们访谈的 96 名员工中并不独特，我们与他们探讨了他们的工作在哪里结束以及 AI 从哪里开始。

这位空乘人员并没有提到技能差距，甚至也没有质疑 AI 能够完成她工作中某些方面的能力，她描述的是一种失去感。 

我们在 96 名员工那里都听到了某种版本的这一说法。他们所有人都已经在使用 AI 工具，因为这就是这项研究的重点。我们不希望人们去推测一个假设的未来。我们希望那些身处 AI 辅助工作现实中的人们告诉我们，从内部体验起来究竟是什么感觉。

他们告诉我们的内容重塑了我们自以为了解的关于“AI 与工作”对话的一切。

没有人说“因为 AI 做不到”。

关于员工抵制 AI 的标准假设是这样的：人们保护自己的工作是因为不信任这项技术。随着 AI 变得更好，抵制情绪会逐渐消退，最终员工会接受它。

这是一个合理的假设，但它也大多是错误的。

当我们询问人们即使 AI 在技术上能够处理，他们也会从 AI 手中保护什么时；几乎没有人提出基于能力的论点。他们没有说工具不够好，或者说输出结果会更差。他们说了一些更安静、更个人的话。

“那是我的。”

一位销售人员表示，在现场读懂客户——那种犹豫、信任落地的瞬间、告诉你推销正在起效的眼神——是他们要保留给自己的东西。这并不是因为 AI 会搞砸它，而是因为将其移交出去意味着某种无法通过更好的结果来替代的东西将会丢失。

一位经理表示，那些判断决策，尤其是艰难的决策，即你在权衡人们的生计并试图保持公平的时候，只属于他们。这不仅仅是一项任务，而是他们所承担的一项责任。

将这些观点联系在一起的并非对 AI 能力的怀疑。而是一种更像所有权的感觉。即某些工作是他们的；不是因为他们是唯一能做这些事的人，而是因为做这些事是他们身份的一部分。

工作的意义 vs. 工作的产出

在这组数据中潜藏着一个有用的区分，但它没有得到足够的关注。

当研究人员和产品团队思考 AI 采用问题时，对话往往集中在产出上。工作能完成吗？能做好吗？会更快、更便宜、更好吗？这些都是合理的问题，但它们忽略了本研究中的员工们不断提及却未能确切命名的某样东西。

工作不仅生产事物。它塑造了人们是谁。

那位读懂现场的销售人员不仅仅是在生成一次成功的推销。他们得以以“懂得如何读懂现场的人”的身份打卡上班。那位做出艰难决定的经理不仅仅是在解决一种情况，他们以“判断力值得信赖的人”的身份签约上岗。那位空乘人员不仅仅是在运送乘客，他们以“让人感到被关怀的人”的身份出现。

当 AI 接管一项任务时，它不仅改变了工作完成的方式。它还改变了谁有机会去经历这种自我塑造的过程。

这就是“我的”这种语言所指向的内容，这是一个关于身份认同的问题，而不是关于 AI 输出质量的问题。事实证明，这种主张具有惊人的稳定性，即使工具变得显著且可证明地更好。

在这场对话中存在两种恐惧，而我们一直在报道的只有一种。

最受关注的职场 AI 焦虑是经济层面的：AI 可能会取代我的职位。这是关于工作被替代的故事，它是真实的，很重要，而且工人们能切身感受到。

但这项研究揭示了一种更安静的恐惧：AI 可能会削弱我的优势。

这种“优势”不是指工作本身，而是指敏锐度、经过实践的判断力，以及那些让人真正擅长其工作的特质，而不仅仅是技术上能够完成工作。一些员工描述说，他们担心过度依赖 AI 会侵蚀他们花了多年时间培养的技能。不是因为 AI 会夺走这些技能，而是因为只有通过使用才能保持技能，如果你停止使用它们，最终它们就会退化。

这是一种比工作被替代更复杂的焦虑。它不是关于失去在桌边的座位，而是关于来到桌边时发现你不再属于那里。

这改变了当工人划定“请勿触碰”界限时所保护内容的本质。对一些人来说，受保护的领域关乎意义和身份认同。对另一些人来说，则是防止一种能力萎缩，因为当 AI 不在场、不正确或以只有他们能察觉的方式出错时，他们可能需要这种能力。

这两者——意义保护和技能保护——都在人们与 AI 的关系中发挥着实际作用。当你仅仅衡量“任务接受度”或简单的采用率时，两者都不会显现出来。

那条没有移动的界限

以下是任何研究采用率的研究人员都应该感到惊讶的发现。

尽管在这项研究之前的几年里，AI 变得显著地更好了，但工人们对自己保留哪些工作的认知并没有太大变化。当我们深入探讨这一点（“随着 AI 的改进，你的想法有改变吗？”）时，大多数人回答“没有”。那个界限大致相同。

如果“请勿触碰”的界限是基于能力的，那么随着 AI 的改进，你应该预期它会逐渐模糊，对吧？大多数工具都是这样运作的：一旦技术足够好，阻力就会消退，但这里发生的情况并非如此。

这告诉我们，这条界限从一开始就与能力无关。

人们所保护的工作之所以受到保护，并不是因为 AI 做不到。它之所以受到保护，是因为这对他们很重要，并且是他们理解自我、保持敏锐以及从花费时间做的事情中寻找意义的一部分。这种保护不会向更好的工具屈服。它只会屈服于人们对工作本身的思考方式发生更根本的变化，如果它确实会屈服的话。

对于研究 AI 采用的研究人员来说，这是关键所在。如果你将采用建模为一个能力问题：即随着工具的改进而改善的问题，你可能从根本上误读了你所看到的阻力。

如果你从事 AI 研究，这意味着什么

几点值得你带走：

停止在任务层面衡量采用率

对特定任务的 AI 接受度并不能告诉你太多关于工人实际上如何看待工作中的 AI。那个“我的”区域运作在任务层面之上。它关乎那些承载身份分量的工作类别，而这些类别不会因为更流畅的界面或更准确的模型而被解锁。

在询问 AI 应该做什么之前，先询问人们工作的意义 

这既是一个研究设计问题，也是一个排序问题。员工对自己工作中哪些部分关乎产出、哪些部分关乎自我认同有着深刻的理解。如果你直接跳到“AI 如何提供帮助”，就会忽略真正主导他们行为的那片领域。

将技能退化焦虑视为一种独立现象 

这与对失业的恐惧不同，尽管两者常常相伴而生。害怕失去职位的员工和害怕失去竞争优势的员工对 AI 的反应截然不同。这意味着，对于工具本身、部署这些工具的组织以及试图理解现状的研究人员来说，他们需要的是完全不同的东西。目前，大多数产品策略都将这两者混为一谈。

让我夜不能寐的问题

过去几年，我们在构建 AI 工具时基于一个特定的假设：目标是最大化委托。即人们希望尽可能多地卸载工作，而技术的任务就是让他们做到这一点。

本研究中的员工温和但清晰地反驳了这一观点。他们希望卸载一些事情：重复性的工作、行政拖累，以及那些消耗他们却无助于他们成长的任务。但他们希望保留其他事情，而“保留”本身就是重点的一部分，这是非常有意为之的。

因此，我们正面临这样一个问题：当工具是为了最大化委托而构建，但使用它们的人从未真正想要委托所有工作时，工作和员工会发生什么？

我们没有确切的答案。但我们认为这是一个值得提出的正确问题。