5,179 名客服里，最低技能组每小时多解决 34%，最高技能组没有提升；出了它会的范围，用 AI 的人正确率低 19 个百分点
同一套 AI 交到经验不同的人手里，提升幅度随经验递减：5,179 名客服里最低技能组每小时多解决 34%，最高一组没有提升；任务出了 AI 会做的范围，用它的人正确率低 19 个百分点。
2026 年 10 月 8 日，邵艾伦的频道发布了一场与孙宇晨的对话，4 小时 22 分，剪成 39 章。1
第 25 分 03 秒那一章叫「AI 时代，年轻人的机会在哪里？」。他说，AI 会让所有东西变便宜，唯一值钱的是寿命，年轻就是财富。2
他举了数学：高中生拿着 AI 给的思路，能做出博士级的题。2
这句话里有一段能单独核对：同一套工具交到经验不同的人手里，谁提升得多。几组随机实验测过这件事，方向一致，经验越浅，增幅越大。
一家客服公司里的 5,179 人
一家《财富》500 强软件公司的客服部门，在 2020 年 11 月到 2021 年 2 月分批上线 AI 助手，涉及 5,179 名坐席；上线有先有后，研究者拿这个时间差做比较。3
指标是系统记录的每小时解决工单数；把坐席水平和入职时长算进模型后，这个数平均涨 13.8%，每小时多解决 0.30 个工单。3
按上线前绩效分五组，最低那组涨 34%；最高那组「没有任何提升」，点估计略低于零，95% 置信区间跨零。3
按任期分，入职不足一个月涨 46%，一年以上没有变化。3
更直观的对照：入职两个月、能用 AI 的人，追上了入职半年以上、用不上 AI 的人。3
这项研究只覆盖一家公司、一个客服岗位、2020–2021 年的工具；作者也分不清坐席是在学会，还是在照抄建议。3
写代码和写稿上，方向一样
三家公司把 GitHub Copilot 随机发给开发者，三项实验合起来 4,867 人；使用者每周完成的任务多 26.08%，标准误 10.3%。4
分组方向相同：任期短的多 27% 到 39%，任期长的多 8% 到 13%；初级多 21% 到 40%，高级多 7% 到 16%。4
作者说明，组间差异「通常不显著」，三项实验噪声都不小。4
写作任务更直接：453 名在职者每人写两篇，第一篇测底子，第二篇随机给不给 ChatGPT，用时少 40%、质量高 18%。5
第一篇得分低的人提升最大：两篇得分的相关性从 0.49 掉到 0.25；第一篇得分高的人主要省时间，质量停在原处。5
按自评「写作技能」分组，收益几乎是平的；按第一篇总分分组，差距才出来。起作用的是整体能力。5
出了它会做的范围，用它的人错得更多
758 名波士顿咨询公司（BCG）的顾问被随机分组。在 18 道落在能力范围内的题上，用 AI 的多完成 12.2%、快 25.1%、质量高 40% 以上；原本排名后半段的人提升 43%，前半段提升 17%。6
另一道题故意放在能力之外：要把表格里的数量和访谈里的细节拼起来，才能得出与 AI 相反的结论。6
不用 AI 的对照组答对 84.5%，两个用 AI 的组答对 60% 与 70.6%，平均低 19 个百分点。6
答错时，AI 组用时更短，外部评审给的评分还高过对照组：答案顺不顺，与对不对，是两件事。6
老手在自己最熟的地方被拖慢
16 名资深开发者，在平均待了 5 年、有 1,500 次提交的仓库里做了 246 个真实任务，每个任务随机决定能不能用 AI。7
开工前预计省 24% 时间，做完觉得省了 20%，实测多花 19%，95% 区间从慢 2% 到慢 39%。7
多花的时间在写提示、等生成、逐行读代码；Cursor 给出的代码被采纳的不到 44%。7
2026 年 2 月同一批作者重做：第一次 16 人里 10 人回来重测，这次快了 18%；新招的快 4%。作者说重做有严重的选择效应，两次的结果都只能算参考。8
「年轻人有机会」这句的另一半
Pew 2026 年 6 月发布的调查里，5,119 名美国成年人中 49% 用过聊天机器人，18–29 岁 61%，65 岁以上 19%。9
问到「用于工作」，18–29 岁 41%，30–49 岁 43%：9用得早，与用得深，是两件事。
英国 2023 年一项预注册实验让 1,041 人做文本任务：35 岁以下从 ChatGPT 得到的好处，比 51 岁以上多 0.3 到 0.7 分（满分 5 分）；不用 AI 时，两代人的得分差不多。10
招聘这一端是另一件事。ADP 350 万到 500 万人的工资单里，22–25 岁在高暴露职业的就业比 2022 年 11 月低约 11%，低暴露职业同期高约 10%；作者把这个落差写成「比同步增长低 19%」。11
这套证据到哪儿为止
样本几乎都在坐办公室、任务拆得开、结果打得分的岗位上：客服、咨询、编程、写作。
分组口径是上线前绩效或任期；数字都是组平均，组内还有很大一块没被拆开。实验用的工具从 2020 年到 2025 年都有，版本换得很快。
三问
第一问：这件事的对错，我能在十分钟里验一遍吗？能，AI 的答案可以当草稿；不能，就把它当一份写得很顺的意见。
第二问：这次的提升，是我变强了，还是它替我做完了？土耳其近 1,000 名高中生做过对照：直接给 GPT-4 的一组，练习时高 48%，撤走后闭卷考低 17%，学生自己觉得学得不错。13
第三问：我上一次在它的答案里挑出错，是什么时候？五个实验、3,132 人（预印本）里，AI 建议在手边时，肯说「不知道」的人从 44% 掉到 3%，答对率从 27.5% 掉到 9.2%，信心从 29.6 涨到 75.9。14
今天能做的一步
挑一件今天要做、有对错的事：算一笔账、查一条政策、核对一段代码或邮件里的数字。
先自己写下答案，再让 AI 做一遍，两份并排。
只采纳你能说出理由的改动；说不出理由的那条标出来，去查原始出处。
回到开头那一章：这些实验支持「经验浅的人更容易拿到增幅」；增幅落在能验证的任务上，落到它不会的地方就翻成错误。
名词
- 标准误：估计值自己会晃动的幅度；10.3% 意味着 26% 上下还能差十来个点。
- 置信区间：由标准误算出的范围，真值大概率落在里面；跨过 0 就说不出方向。
- 高暴露职业：按任务内容评估，被 AI 覆盖得最多的一类工作。
References
- 1对话孙宇晨：年轻人如何抓住AI时代的机会？
youtube.com
- 2
- 3
- 4The Effects of Generative AI on High-Skilled Work
mertdemirer.com
- 5
- 6
- 7
- 8METR：AI 生产力实验的后续更新
metr.org
- 9
- 10No Great Equalizer（SSRN 工作稿）
eprints.bbk.ac.uk
- 11Canaries in the Coal Mine（Stanford Digital Economy Lab，2026 年 8 月修订）
digitaleconomy.stanford.edu
- 12
- 13
- 14
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.