您的位置首页 >科技要闻 >

兰德公司研究AI 能力越强,越要守住人类专业能力储备

兰德公司近期发布研究报告提出一个核心观点,AI 的能力越强,机构和社会反而更需要主动保留、储备人的专业能力,不能直接把高风险、高复杂的专业工作完全交给 AI 接管;报告认为 AI 擅长标准化、重复性信息处理,可以用来提效,但它存在幻觉、对陌生场景判断不稳、一旦系统故障或者被攻击就直接失效的短板,如果长期依赖 AI、让从业者慢慢丢掉原本的专业基本功,等到 AI 出问题的时候就没有办法兜底,这份研究不是反对使用 AI,而是建议把 AI 当成辅助工具,同时搭建 “专业人才储备池”,维持人工复核、独立判断、应急接管的能力,下面拆解研究的核心逻辑、风险点、落地建议和划分框架。

一、兰德公司提出的核心风险清单

  1. 专业能力侵蚀风险:长期用 AI 包办分析、计算、研判,人不再反复实操训练,隐性经验、判断直觉会慢慢退化,也就是专业能力流失。
  2. AI 本身可靠性边界:AI 容易产生幻觉、数据偏差,面对从未见过的新场景、异常事件,输出结果稳定性大幅下降。
  3. 单点故障隐患:AI 依赖算力、网络、模型服务,一旦遇到断网、黑客攻击、模型下线,整套自动化流程直接停摆。
  4. 责任溯源难题:复杂决策如果完全交给 AI,出错之后很难厘清判断逻辑,缺少具备专业功底的人去核验、复盘问题根源。

二、任务四维度评估框架(兰德)

评估维度说明判断用途
关键程度出错之后带来的损失大小高损失任务必须保留人类专家兜底
AI 准确率当前模型在该任务上稳定输出正确率低准确率任务不能全自动化
场景新颖度任务会不会频繁出现从未见过的新情况变化多、无固定模板的工作适合人主导
可观测性能不能简单快速判断 AI 输出是对还是错很难校验结果的任务,不能脱离专业人员

按照这套框架,兰德分出三种人机协作模式:

  • 人在回路(Human-in-the-loop):AI 先出方案,专业人员审核确认后再落地,适合高风险任务
  • 人在环上(Human-on-the-loop):AI 自主运行,专家持续监控、随时介入接管
  • 人脱离回路(Human-out-of-the-loop):低风险标准化任务,AI 独立运行

三、兰德给出的落地做法

  • 建立关键岗位人才储备机制,类似应急预备队,定期复训、考核,保持实操熟练度
  • 区分任务,常规、标准化流程交给 AI 提效,复杂研判、价值判断、异常处置交给专业人员
  • 把 AI 训练和人的技能训练分开,不能用 AI 替代基本功学习
  • 组织定期演练,模拟 AI 失效场景,训练专家独立完成整套工作的能力

四、研究补充说明

这份报告不否定 AI 价值,兰德同样认可 AI 可以帮专家减少检索、整理、基础计算这类重复工作量,解放人力去做更有价值的研判;核心分歧点是很多企业为了降本,直接砍掉资深专业岗位,全部依赖 AI,这种做法会长期削弱组织韧性。

【常见问题】

问题 1:兰德公司研究提出 AI 能力越强越要守住人类专业能力储备,是不是不鼓励大家使用 AI?

回答 1:兰德公司研究提出 AI 能力越强越要守住人类专业能力储备,并不反对使用 AI,它主张 AI 作为辅助提效工具,而不是完全替代专业人员,高风险业务保留专家兜底能力。

问题 2:兰德公司研究里说的专业能力侵蚀是什么意思?

回答 2:兰德公司研究里提到的专业能力侵蚀,就是长期依靠 AI 完成专业工作,从业者缺少独立实操练习,原本的判断经验、基本功慢慢退化,当 AI 失效时无法独立处理问题。

问题 3:按照兰德公司这套研究结论,哪些岗位最需要保留人类专业能力?

回答 3:按照兰德公司研究结论,医疗诊断、情报研判、能源调度、金融风控这类出错代价大、场景多变、AI 结果不容易快速核验的岗位,优先保留完整人类专业能力。

问题 4:兰德公司的人机三模式,人在回路和人在环上有什么差别?

回答 4:兰德公司研究里,人在回路模式是 AI 输出结果必须经过专家审核确认才能执行;人在环上模式是 AI 自动运行,专家只做监控,发现异常再介入接管。

【参考资料】

[2026-11-04](Preparedness for the AI Era Requires a Reserve of Critical Workers)RAND 兰德官网

[2026-05-21](Automating Knowledge Work:认知自动化任务评估框架)RAND 兰德官网

[2026-06-22](Why Human Intelligence Matters More in an AI World)RAND 兰德官网

[2026-11-10](兰德解读:AI 普及下专家技能留存的现实意义)36 氪

【免责声明】

本文内容整理自兰德公开研究评论,观点仅属于兰德研究团队的分析结论,不代表普适定论;不同行业、不同场景的人机分工方案需要结合自身风险评估调整;本文内容不构成企业管理、岗位调整、职业学习的指导建议。

今日大家都在搜的词: