当今职场，生成式AI已成为许多专业人士的得力助手，从撰写报告到数据分析，AI工具大幅提升了工作效率。然而，美国杜克大学在《美国国家科学院院刊》（PNAS）上发表的一项研究，揭示了一个令人深思的现象：即使AI助手所产出的工作成果质量上乘，从业者仍可能被贴上诸如能力不足、懒惰等负面标签。
该研究涉及4439名参与者，结果显示任务难度或耗时程度越高，使用AI所引发的负面评价就越显著。个人觉得它不仅暴露了技术工具与社会认知之间的深层次矛盾，也反映出数字时代职场评价体系的系统性失灵。
⋯ ⋯
职场评价体系的认知惯性，导致对努力过程的重视早已深植于文明的基因之中。
在石器时代，花费三天时间精心打磨箭头的工匠，相较于那些借助他人工具的人，无疑会受到更多的尊敬；而在工业革命初期，蒸汽机操作员因缺乏手工技艺而遭到传统工匠的鄙视。
杜克大学的研究揭示了相同的认知逻辑，当AI承担了诸如信息检索、数据分析等显性劳动时，旁观者往往会因努力可视性缺失而形成价值误判。
知识经济时代，认知偏差的存在尤为危险。研究表明，评估者对脑力劳动过程的判断往往依赖于主观想象，而AI的介入恰好模糊了这种想象的空间。
例如，律师借助AI完成法律条文检索时，其专业洞察力被算法所掩盖，导致客户误认为律师只是机器指令的搬运工，该现象本质上是前数字时代评价标准对新型生产力的滞后反应。
⋯ ⋯
AI引发的专业质疑，实际上是社会对技术失控焦虑的一种转嫁。
DeepSeek将工作效率提升300%时，职场人本能地通过贬低使用者来维持人优于机器的心理平衡。
类似于19世纪纺织工人砸毁珍妮机的行为，并非否定机器的效率，而是出于对自身价值消解的恐惧。
研究中的招聘模拟实验极具启示意义，不常用AI的管理者更倾向于拒绝AI使用者，而高频使用者则愿意接纳同类。
分裂现象印证了工具认知的镜像理论，人们将自己的技术态度投射到他人身上，从而形成道德评判。在AI普及率不足的时候，使用者被迫承担技术伦理争议的人形载体。
⋯ ⋯
想要突破污名化的关键，在于重构能力评价的维度才行。
斯坦福大学2024年的研究指出，优秀AI协作者的核心竞争力已从直接产出能力转向提示词工程、结果校准、伦理审查三大新维度。
提示词设计能力中，如通过精准指令让ChatGPT生成合规法律文件，应被视为专业素养的延伸。
算法纠偏能力上，识别AI输出中的逻辑漏洞，应该成为质量控制的新标准。
人机协作透明度中，明确标注AI贡献比例，能够转化为职业道德优势。
⋯ ⋯
组织进化过程中，管理范式也会进行适应性变革，我认为企业需要建立AI时代的能力评估体系。
（一）任务分级制度，将工作拆解为基础层和决策层，分别制定评价标准。
（二）过程可视化工具，开发能够记录AI操作日志的协作平台，使思维过程可追溯。
（三）反偏见培训，通过认知实验展示AI使用者的决策树复杂度，打破一键生成的刻板印象。
微软的Viva平台已试行AI贡献度仪表盘，将提示词迭代次数、结果修正维度等转化为能力评估指标。数据显示，该措施使AI使用者的能力认可度提升了47%。
⋯ ⋯
未来时间里面，认知能力是否能跟得上是很关键的能力。当AI工具像Excel一样普及之时，负面标签或许将逆转。
历史的规律总是惊人的相似，曾经被视作作弊的计算器，如今已成为财务能力的必备要素。杜克研究的真正启示在于，当前正处于工具认知转型期，个体的策略选择将决定长期职业轨迹。
唯一不变的是，变化正在不断地发生着。这就需要主动构建人机协同的证据链能力了，在提升效率的同时塑造智能增强型专家形象，才是破局的关键。
AI引发的专业形象危机，本质上是工具理性与价值理性的短暂失衡。正如杜克研究者所指出的，当AI应用于日常工作难以企及的领域时，负面评价会显著降低。
职场价值的终极锚点，始终在于独有的批判性思维与价值判断。正如苏格拉底担忧文字会摧毁记忆时的历史轮回，普通人终将在与技术的共舞中，找到认知评价的新平衡。
（文：陳寳）