一項新研究提了一個很實在的問題：用了AI，你會不會少了練習？論文開頭舉了一個例子：一位專家負責檢查代碼裏的錯誤，她自己檢查能找到八成，她的AI助手能找到百分之七十七。她比AI略強，但自己檢查要花力氣，把這份代價算進去，每一次都是直接用AI的答案更划算。於是她一次又一次地接受AI的答案。結果一直是百分之七十七，看起來不錯，可她不靠AI時的本事在慢慢退化，從結果裏誰也看不出來。這些數字是編的，來自論文自己的例子；這是模型，不是對真實員工的測量。
這項研究是什麼，得出了什麼
論文題為 Today's Work, Tomorrow's Workforce: Incentivizing Learning in AI-Assisted Work，作者是 Diener、Hendriks、Spitzer、Satzger、Holstein（德國卡爾斯魯厄理工學院）和 Sun（IBM Research），2026年11月4日發佈在 arXiv（2611.06346）。這是預印本，我們還沒核實它的同行評審狀態。它是一個數學模型：一個員工，一長串類似的任務，引用了兩項早先的研究。每個任務，員工要麼接受AI的答案，要麼自己解；自己解要花力氣，但本事可能漲一級，接受能省力氣，但本事可能掉一級。作者自己説，例子裏用的是示意數值，“不是實證估計”。
論文區分了“產出準確率”（在AI幫助下的結果）和“獨立準確率”（自己做有多大比例做對），並指出大多數相關研究測的是前者。在模型裏：
- 如果練習現在和將來的好處抵不過它花的力氣，練習就可能停下來，哪怕這個人還比AI略準。
- 面對百分之六十二的AI，一個百分之四十的新手會一直接受，卡在最低一級，這叫“低技能陷阱”；專家則可能退化，叫“專家技能退化”。產出始終停在AI的水平。
- 一種只比今天任務準確率的常見打分方式，會説那個被卡住的新手對AI的依賴是恰當的。
- 給不靠AI做對的答案付錢，能讓人重新開始練習。作者也説明，他們的例子説明不了這在真實工作裏有多常見。
證據有多紮實
我們把論文的主要來源追查到了原處。“練習長本事”這條根很紮實：一項彙總86項研究的綜述發現，人對自己想出來的東西記得更牢，但那是實驗室和課堂裏幾分鐘到一週的記憶，不是幾個月裏的工作本事。本事不練會退，1998年一項彙總53項研究的綜述發現了這一點；但我們找到的來源裏，沒有一項測過每接受一次AI答案本事會掉多少，這部分是模型的假設。現實證據有兩項：一項是52個程序員一小時的小試驗，用AI的一組在滿分27分的測驗裏，平均比不用AI的一組低4.15分，論文描述準確，但規模小，而且是預印本；另一項是波蘭四家診所的醫生，不用AI的檢查發現率從28.4%降到22.4%，論文説這是AI撤掉之後發生的，其實並沒有撤掉，而且這是觀察性研究，所以這條根被拉伸了。論文還漏提了部分同一批作者早先的一項實驗：180人蔘與，給不靠AI答對的答案發固定獎金，結果被鑽了空子，準確率略降（63.2%，沒有獎金的組是64.3%），有針對性的獎金則略升到65.3%。結論：想法説得通，證據偏薄。
我們做的小實驗
我們用代碼重建了論文的模型，用的是論文例子裏的數字：新手百分之四十、中級員工六十、專家八十，各做三百個任務，AI為百分之七十七。這是模擬，員工和概率都是編的；我們核對的七個數字與論文全部吻合。按論文的規則，三個人每次都接受AI，結果停在百分之七十七，但專家不靠AI的預期本事降到五十三左右，中級員工降到四十二左右，百分之九十五的模擬專家至少掉了一級。改成每隔一個任務由人先答（交出去的仍是AI的答案），結果仍是百分之七十七，新手漲到五十九左右，中級員工漲到六十九左右。意外的是，專家最後仍在七十四左右，百分之四十的模擬專家還是掉了一級；代價是多出一百五十次嘗試。一次小測試的噪聲也很大：若本事真從八十降到七十，二十題的測試約有百分之二十九的情況看不出下降。這是對想法的檢查，不能證實這篇論文。
一條實用建議
把它當作設計原則，而不是測出來的事實。挑一個你每天交給AI的任務，其中一部分先自己做，再看AI的答案；每個月用過去的案例做一次不用AI的小盲測，記下分數，看幾個月的趨勢，別隻看一次。管理者可以在產出準確率旁邊同時跟蹤獨立準確率；如果要獎勵練習，要設計得小心。這些是值得試的做法，不是已被證明有效的辦法。