arXiv cs.CY· Moritz Diener, Daniel Hendriks, Philipp Spitzer, Gerhard Satzger, Joshua Holstein, Wei Sun·· 10 小时前AI 评分38
研究：AI 辅助工作如何影响技能习得与保留，以及激励独立工作的付费机制
Today's Work, Tomorrow's Workforce: Incentivizing Learning in AI-Assisted Work
AI 导读
一项研究将“接受或独立解决”模型扩展到多任务序列，考察员工技能随独立练习与依赖 AI 而演变的过程。短视员工可能让新手困在低技能水平、专家技能流失，即便 AI 辅助的结果准确率仍很高；重视未来技能的战略型员工则会在 AI 更准确时仍选择独立解决。研究进一步刻画了奖励正确独立工作的付费机制，发现技能足够高后独立工作可自我维持，且支持更高的技能目标有时反而降低长期激励成本。
正文 · AI 翻译
摘要：在工作中，人们通过经验来发展技能：新手通过完成任务来获得技能，而专家则通过持续练习来保持技能。AI 辅助通过为员工提供在独立完成任务和接受 AI 答案之间进行选择的机会，改变了这一过程。虽然依赖 AI 可以节省即时投入的精力，但它也可能取代获取和保持技能所需的练习，包括监督 AI 所需的技能。我们将现有的“接受或解决”模型扩展为一系列任务，在这些任务中，员工的技能通过独立练习和对 AI 的依赖而演变。我们比较了追求即时效用最大化的短视员工与同样重视自身未来技能的战略型员工。我们表明，新手可能被困在低技能水平，而专家可能失去技能，即使 AI 辅助的结果准确性仍然很高。相比之下，战略型员工即使 AI 更准确，也可能选择独立解决任务，因为他们认识到获取和保持自身技能的未来价值。随后，我们研究了奖励正确独立工作的激励措施，并刻画了鼓励技能获取和保持所需的报酬。我们表明，一旦员工获得足够的技能，独立工作就可以变得自我维持，从而不再需要持续的激励。与直觉相反，支持更高的技能目标有时可以降低长期激励成本，要么通过实现自我维持的独立工作，要么通过降低维持熟练度所需的报酬。因此，我们的发现将关注点从员工在单个任务上是否应依赖 AI，转向组织如何随时间维持人类专业知识，以及哪些技能值得投资。
| 评论： | 30 页，6 幅图，6 张表。Moritz Diener 和 Daniel Hendriks 贡献相同 |
| 主题： | 人机交互（cs.HC）；人工智能（cs.AI）；计算机与社会（cs.CY） |
| 引用为： | arXiv:2611.06346 [cs.HC] |
| （或 arXiv:2611.06346v1 [cs.HC] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06346 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Moritz Diener [查看电子邮件]
[v1]
2026 年 11 月 4 日星期三 11:07:26 UTC（215 KB）
来源：arXiv cs.CY · arxiv.org