卡神我们公司两个同期进来的运营，做一模一样的活，上个月一个加班到晚上10点，一个6点就走了。不是后者偷懒——他交出来的东西，质量还更高。
差别只在一样东西：前者把AI当”高级搜索框”，后者把AI当”副驾驶”。而最新研究给了一个扎心结论：这种差距不是百分之几，而是正在变成一道鸿沟。
一、AI先把”垫底的人”托了起来
很多人以为AI是给强者锦上添花。斯坦福数字经济实验室主任 Erik Brynjolfsson 团队2025年在《经济学季刊》（QJE）发表的”Generative AI at Work”，跟踪了5,179名客服使用AI助手的情况：平均产出提升14%，但拆开看，最底层员工提升了34%，而最资深的员工几乎零提升（约0%）。
更狠的是技能形成速度：过去一个客服平均要10个月才能练到每小时处理3个问题的能力，引入AI后压缩到3个月。
反直觉的地方就在这：AI没有让强者更强，它把地板抬高了。原来你比同事慢半拍，现在AI把你直接托到中位数。
顺带说个背景：ChatGPT上线2个月就突破1亿用户，脸书花了4年半、TikTok花了9个月——扩散速度是史无前例的。这意味着这道鸿沟来得比历次技术革命都快，你犹豫的每一天，都在被别人拉开。
一个真实的例子：我认识的一家内容团队，3个人管10个账号的日报。以前每人每天花4小时写稿，引入AI做初稿和素材聚合后，同样的人手日产从10篇提到26篇，差错率反而因为”人只做精修”降了一半。他们没换人，只是把”委托度”拉高了。
二、但”用了AI”和”用对AI”是两回事
哈佛商学院和波士顿咨询（BCG）的联合实验更有意思。2023年他们对758名顾问（约占该公司一线顾问的7%）做了随机分组，给一部分人用GPT-4。结果在AI能力”前沿之内”的任务上：多完成12.2%的任务、速度快25.1%、质量高40%以上；低于平均水平的顾问提升43%，高于平均的也有17%。
但实验特意放了一道”前沿之外”的任务——需要从访谈笔记里抓微妙线索。结果用AI的人，正确率比不用的人低了19个百分点。
结论很硬：盲目信任AI，在外沿任务上会让你更差，不是更好。
三、新鸿沟不是”会不会”，是”用不用对”
普华永道（PwC）2025年6月发布的《全球AI就业晴雨表》，分析了六大洲近10亿条招聘广告，给出一个信号：要求AI技能的岗位，薪资平均溢价56%（前一年还是25%）；在总招聘量下滑11.3%的同一时期，AI技能岗逆势增长7.5%。
国际货币基金组织（IMF）2024年1月的测算更宏观：全球约40%的岗位会受到AI带来的改变，在发达经济体这一比例高达60%。
把镜头再拉远一点：斯坦福《2025 AI Index》记录，2024年全球民间AI投资达2,520亿美元，一年增长超40%；麦肯锡2024年《State of AI》调研覆盖数千家企业，发现72%已在至少一个业务职能用上AI，一年前这个比例是55%。工具已经在桌上，用不用是你的选择。
所以真正的鸿沟长这样：一端是”会用AI、且会校验AI”的人，产出和能力被持续放大；另一端是”完全不碰、或只当搜索框”的人，正在被悄悄拉开身位。
四、一个把AI变成杠杆的框架：产出乘数
我给自己和团队定了个公式，叫”AI产出乘数”：
AI产出乘数 = 委托度 × 熟练度 × 校验度（三项各取0到1之间的值，相乘就是你相对同事的倍率）
• 委托度：把工作拆成”AI能做 / AI辅助 / 必须人做”三类。哈佛那个研究里，成功的顾问分两种——”半人马”（Centaurs）清楚分工、人和AI各管一段，”赛博格”（Cyborgs）把AI嵌进自己的流程。关键都是”先分后做”。
• 熟练度：提示词工程、工具链、迭代习惯。同样一个GPT，会写约束条件的人产出差好几倍。
• 校验度：外沿任务必须人审。BCG那19个百分点的坑，就掉在”以为AI都对了”上。
五、今天就能做的三件事
六、算一笔账
一个原本日产10份报告的岗位，委托度0.5、熟练度0.7、校验度0.8，乘数就是0.28，实际产出提升约28%。同岗位两个人，一个乘数0.28、一个还是0，一年下来差的是几个月的工作量——而这还只是”中等使用”的水平。如果把委托度从0.5提到0.8，差距会直接翻倍。
别再问”AI会不会取代我”。真正该问的是：我和那个6点下班的人，差的那28%，今天能不能补上。
回复「AI杠杆」领《AI产出乘数测算表》——里面是我把上面的乘数公式做成的一张自动表：你把三类任务的占比、熟练度、校验度往里一填，就能算出自己当前的AI产出倍率，以及哪一项是拖后腿的短板，照着每季度校准一次。
觉得有收获？
① 顺手点个「在看」或「收藏」，职场 / 求职用得上时回来看
② 关注「高总AI办公笔记」，每天一篇职场洞察 + 求职干货
