一项新研究提了一个很实在的问题：用了AI，你会不会少了练习？论文开头举了一个例子：一位专家负责检查代码里的错误，她自己检查能找到八成，她的AI助手能找到百分之七十七。她比AI略强，但自己检查要花力气，把这份代价算进去，每一次都是直接用AI的答案更划算。于是她一次又一次地接受AI的答案。结果一直是百分之七十七，看起来不错，可她不靠AI时的本事在慢慢退化，从结果里谁也看不出来。这些数字是编的，来自论文自己的例子；这是模型，不是对真实员工的测量。
这项研究是什么，得出了什么
论文题为 Today's Work, Tomorrow's Workforce: Incentivizing Learning in AI-Assisted Work，作者是 Diener、Hendriks、Spitzer、Satzger、Holstein（德国卡尔斯鲁厄理工学院）和 Sun（IBM Research），2026年11月4日发布在 arXiv（2611.06346）。这是预印本，我们还没核实它的同行评审状态。它是一个数学模型：一个员工，一长串类似的任务，引用了两项早先的研究。每个任务，员工要么接受AI的答案，要么自己解；自己解要花力气，但本事可能涨一级，接受能省力气，但本事可能掉一级。作者自己说，例子里用的是示意数值，“不是实证估计”。
论文区分了“产出准确率”（在AI帮助下的结果）和“独立准确率”（自己做有多大比例做对），并指出大多数相关研究测的是前者。在模型里：
- 如果练习现在和将来的好处抵不过它花的力气，练习就可能停下来，哪怕这个人还比AI略准。
- 面对百分之六十二的AI，一个百分之四十的新手会一直接受，卡在最低一级，这叫“低技能陷阱”；专家则可能退化，叫“专家技能退化”。产出始终停在AI的水平。
- 一种只比今天任务准确率的常见打分方式，会说那个被卡住的新手对AI的依赖是恰当的。
- 给不靠AI做对的答案付钱，能让人重新开始练习。作者也说明，他们的例子说明不了这在真实工作里有多常见。
证据有多扎实
我们把论文的主要来源追查到了原处。“练习长本事”这条根很扎实：一项汇总86项研究的综述发现，人对自己想出来的东西记得更牢，但那是实验室和课堂里几分钟到一周的记忆，不是几个月里的工作本事。本事不练会退，1998年一项汇总53项研究的综述发现了这一点；但我们找到的来源里，没有一项测过每接受一次AI答案本事会掉多少，这部分是模型的假设。现实证据有两项：一项是52个程序员一小时的小试验，用AI的一组在满分27分的测验里，平均比不用AI的一组低4.15分，论文描述准确，但规模小，而且是预印本；另一项是波兰四家诊所的医生，不用AI的检查发现率从28.4%降到22.4%，论文说这是AI撤掉之后发生的，其实并没有撤掉，而且这是观察性研究，所以这条根被拉伸了。论文还漏提了部分同一批作者早先的一项实验：180人参与，给不靠AI答对的答案发固定奖金，结果被钻了空子，准确率略降（63.2%，没有奖金的组是64.3%），有针对性的奖金则略升到65.3%。结论：想法说得通，证据偏薄。
我们做的小实验
我们用代码重建了论文的模型，用的是论文例子里的数字：新手百分之四十、中级员工六十、专家八十，各做三百个任务，AI为百分之七十七。这是模拟，员工和概率都是编的；我们核对的七个数字与论文全部吻合。按论文的规则，三个人每次都接受AI，结果停在百分之七十七，但专家不靠AI的预期本事降到五十三左右，中级员工降到四十二左右，百分之九十五的模拟专家至少掉了一级。改成每隔一个任务由人先答（交出去的仍是AI的答案），结果仍是百分之七十七，新手涨到五十九左右，中级员工涨到六十九左右。意外的是，专家最后仍在七十四左右，百分之四十的模拟专家还是掉了一级；代价是多出一百五十次尝试。一次小测试的噪声也很大：若本事真从八十降到七十，二十题的测试约有百分之二十九的情况看不出下降。这是对想法的检查，不能证实这篇论文。
一条实用建议
把它当作设计原则，而不是测出来的事实。挑一个你每天交给AI的任务，其中一部分先自己做，再看AI的答案；每个月用过去的案例做一次不用AI的小盲测，记下分数，看几个月的趋势，别只看一次。管理者可以在产出准确率旁边同时跟踪独立准确率；如果要奖励练习，要设计得小心。这些是值得试的做法，不是已被证明有效的办法。