2022年底，OpenAI发布了人工智能聊天机器人ChatGPT，开启了大模型领域的“速跑”模式，以真实的场景处理自然语言，实现了对话、阅读、翻译、写作、编程、数据分析等功能。2024年伊始，OpenAI再度掀起热潮，视频人工智能模型Sora横空出世，只需要一小段提示文本，Sora可生成长达60秒连续、稳定、高品质的视频，并且提示文本越充分、细节越精确，生成的视频就越真实。

事实上，ChatGPT也好，Sora也罢，都属于OpenAI训练的大语言模型（LLM），是通过无监督、半监督或自监督的方式，在海量的文本数据中掌握表达知识和能力的深度神经网络模型。

OpenAI研究发现，80%的美国员工至少有10%的工作任务会受到ChatGPT的影响。其中，19%的员工发现高达50%的工作内容会受到积极的影响。

红杉资本的报告指出，在特定领域，生成式人工智能将创造知识工作的边际成本降至零，将产生巨大的劳动生产率和经济价值。高盛曾预计，生成式人工智能会让全球财富在未来十年中增加 7%（近7万亿美元），推动生产率增长1.5%。

哈佛商学院、沃顿商学院、麻省理工学院、华威商学院联合波士顿咨询，发表了一篇题为《在参差不齐的技术前沿航行：人工智能对知识工作者的生产效率和质量影响的数据分析》的论文，首次探索了企业中生成式人工智能的实际应用，揭示了人工智能在提高绩效方面的潜力，为企业如何部署人工智能提供了关键的启示。企业在使用人工智能时必须审慎评估任务的性质和难度，以充分利用其优势，同时避免潜在的风险。

成也AI，败也AI？

研究人员发现，虽然大语言模型可显著提高知识工作者的生产力和工作质量，但其三个特点决定了它对人类的影响将更为迅速且广泛。

快速迭代：随着模型规模的扩大和质量的提高，大语言模型能够在短时间内快速迭代，并获得超出预期的新能力。最近的研究表明，大语言模型在医学和法律等专业领域发挥了极高的水准，并在诸多创新指标上超越了人类。

績效提升：无需太多组织和技术层面的投资，大语言模型可以直接提升员工的绩效表现，特别是在写作、编程等创造性工作方面。因此，预计大语言模型将对收入高、受过高等教育并从事创新性工作的员工产生更大的影响。

相对不透明：大语言模型的迭代是通过用户在实际使用中不断地试错和纠偏完成的。虽然大语言模型在完成某些工作目标时表现优异，但在某些任务上可能会表现不佳，比如产生看似合理却不正确的结果，在数学计算和文本引用上产生错误。更为棘手的是，这些容易出错的任务就像是黑箱，难以提前预测。

为了深入探究人工智能对高水平知识型员工的影响，研究人员招募了758名波士顿咨询的战略顾问，进行对照试验。参与者被随机分为两组：甲组（385名顾问）测试人工智能能力边界以内的任务，乙组（373名顾问）测试超出人工智能能力边界的任务。

在具体的实验流程中（如图1所示），甲乙两组的顾问首先在没有人工智能参与的情况下完成评估任务，建立个人绩效和能力的基准线。