转载：WSJ
正文
研究表明，AI不仅不会拉平员工之间的差距，还会扩大顶尖人才与其他人之间的鸿沟。职场的紧张和怨恨情绪可能因此加剧，企业可以采取一些措施来创造公平竞争环境。
图片来源：EMMANUEL POLANCO
人们普遍认为，人工智能(AI)将拉平员工之间的差距，让普通员工也能获得工具，像明星员工一样大放光彩。
我的研究表明，这种观点是错误的。我认为，从AI中获益最多的将是明星员工自己，这将扩大顶尖人才与其他人之间的鸿沟。
虽然这对明星员工来说可能是个好消息，但对公司来说却是个问题，因为经AI放大的表现差距，会加剧明星员工有时可能引发的职场紧张和怨恨情绪，从而破坏团队凝聚力，并最终损害推动业务成功的协作。未能解决这个问题的组织可能会发现，他们最优秀的人才更难留住，而剩下的员工也更难激励。
01
专业知识如何放大AI优势
想想你所在的组织。当一个有希望能让每个人都提高效率的新工具——例如高级Excel功能、复杂的客户关系管理系统或强大的分析平台——出现时，真正先掌握它的是谁？通常是那些明星员工，他们会深入钻研，发现隐藏的功能，并找到别人想不到的创造性应用，而普通员工则倾向于固守基本功能。
AI遵循了与所有其他职场工具相同的模式：明星员工是第一批拥抱它的人。更重要的是，研究表明，与普通员工相比，明星员工还会利用他们的“领域专长”——即他们对某一学科或业务的深入了解——从AI系统中大力提取更多价值（并发现更多错误）。
想象一下，一位明星顾问正致力于将一款新产品或服务推向市场。这位明星顾问不会要求AI“分析这个市场”然后得到泛泛的见解，而是会利用多年的经验，提出关于竞争动态、法规和壁垒的更细致、更有针对性的问题。明星员工深厚的专业知识会引导他们更好地优化给AI的指令或问题，而不是接受最初的输出结果。这会带来更有用、更准确的结果。
此外，研究发现，与同事相比，拥有更多专业知识的员工在AI建议正确时接受建议、以及（更重要的是）在建议错误时拒绝建议方面，都明显表现得更好。
明星员工还有另一个优势：他们总体上工作更有条理，这意味着与普通员工相比，他们在处理任务时更有组织性、更深思熟虑。研究发现，正是这类人能从AI工具中获得比那些随意上手的人好得多的结果。AI工具对清晰、结构化的输入响应最佳——而这正是明星员工通过其有条理的工作习惯自然而然就能提供的。
02
额外赞誉
管理者对待明星员工的方式会加剧他们的优势。
我的研究显示，顶尖人才的声誉和地位赋予了他们在工作中的自主权和判断权。这意味着明星员工更有可能立即投入并开始试验AI。当普通员工因害怕犯错而等待官方指导或遵循公司批准的模板时，明星员工早已在他们的组织反应过来之前，测试了边界，发现了创造性的应用，并建立了个性化的工作流程。如果一项AI实验出了岔子，他们更有可能被放过，至少不会被严重追究。
图片来源：EMMANUEL POLANCO
然后是获得赞誉的问题。
数十年的研究表明，地位高的人在做与地位低的员工类似的工作时，会获得相对更多的赞誉。这表明，当AI的辅助作用是无形的——通常情况下确实如此——旁观者很可能会根据他们对该员工已有的看法来填补空白。明星员工会被人们往好处想：他们经AI加持的工作成果，会被看作是其卓越判断力和战略思维的证明。普通员工则面临相反的假设：如果工作成果出色，那一定是AI做的。
这给普通员工造成了糟糕的双重困境。他们本就不太懂得如何战略性地利用AI，但即使他们在AI辅助下出色完成了工作，也不太可能因此获得能推动职业发展的认可。有时，仅仅是怀疑有AI的参与，就足以降低他人对其贡献的看法。
03
如何拉平差距
那么，公司能做些什么来防止AI将明星员工变成一个地位特殊的阶层呢？我提出三点建议：• 鼓励每个人都来试验AI。当明星员工在悄悄建立个人AI工作流程时，大多数员工都在等待可能永远不会到来的官方指导。明智的领导者应该创造“AI沙盒”时间，让所有员工都可以测试工具而不用担心犯错，并建立交叉培训项目，将普通员工与早期使用者配对。
更重要的是，他们应该投资于AI素养培训，培训内容应超越工具的基本使用，包括提示词工程、输出评估和战略性任务委派。目标不是消除明星员工的专业知识优势，而是传授那些能够拉平差距的可学习技能。
• 分享知识。由于AI对清晰、详细的输入响应最佳，领导者需要培训普通员工养成能让他们从AI中获得最大收益的工作习惯。这意味着要提供用于组织信息的模板，并创建包含有效AI提示、策略和用例的共享集合。不要让明星员工私藏他们的发现，而是要让知识共享成为一种标准做法。当一名员工发现一个有效的AI工作流程时，应将其记录下来并在团队间传播，使其成为人人都能使用的东西，而不是某个人的秘密优势。
• 重新设计员工评估体系，把由AI辅助的工作纳入考量。如果不加以制止，那种让明星员工在由AI辅助的工作中获得过多赞誉的偏见只会愈演愈烈。为了解决这个问题，公司应该就AI使用披露问题建立更明确的指导方针。它们应该制定评估标准，无论员工现有地位如何，都能公平地评估由AI辅助的工作。它们还应该培训管理者，让他们认识到偏见可能在何时扭曲了对员工表现的评估。可以考虑实施“AI透明化”实践，让团队分享他们如何使用AI工具，使AI的辅助作用变得可见而非隐秘。
没有这些系统性的改变，AI可能造成一个两级分化的员工队伍，其中一小部分人攫取了大部分机会，而其他人则进一步落后。
Matthew Call是得克萨斯农工大学梅斯商学院管理系的副教授。他的联系邮箱为reports@wsj.com。
*以上内容系网友Max说澳洲自行转载自视角学社，该文仅代表原作者观点和态度。本站系信息发布平台，仅提供信息存储空间服务，不代表赞同其观点和对其真实性负责。如果对文章或图片/视频版权有异议，请邮件至我们反馈，平台将会及时处理。