9 月 26 日消息，OpenAI 的 ChatGPT 自推出以來，企業(yè)業(yè)主和員工一直在探索使用其提高生產(chǎn)力的方法。哈佛大學(xué)領(lǐng)導(dǎo)的一項(xiàng)研究發(fā)現(xiàn)，使用生成式人工智能 GPT-4 的波士頓咨詢集團(tuán)（BCG）的數(shù)百名顧問在完成任務(wù)的頻率、速度和質(zhì)量方面表現(xiàn)更出色，相較于不使用 AI 的同行，他們的績效提高了 40%。

該研究還發(fā)現(xiàn) AI 在技能方面具有平衡效應(yīng)。最初業(yè)績表現(xiàn)最差的顧問在將 AI 納入工作流程時(shí)表現(xiàn)出了最顯著的業(yè)績提升，平均增長了 43%。與此同時(shí)，即使是表現(xiàn)最好的顧問也有一些業(yè)績提升，盡管相對較小。

該研究發(fā)現(xiàn)，那些將 AI 用于超出其能力范圍的任務(wù)的個(gè)體更容易因過度信任 AI 而犯錯(cuò)誤。

此外，該研究還發(fā)現(xiàn)了該公司一些技術(shù)嫻熟的顧問中出現(xiàn)了兩種新興的 AI 使用模式，研究人員將其稱為“半人馬”和“賽博格”行為。這些人找到了將 AI 和人類工作無縫整合的方法，能夠充分利用兩者各自的優(yōu)勢。半人馬在人類和 AI 任務(wù)之間保持清晰的區(qū)分，在他們對各自優(yōu)勢和能力的認(rèn)知基礎(chǔ)上進(jìn)行選擇。相比之下，賽博格在大多數(shù)任務(wù)中將人類和機(jī)器相融合。

IT之家注意到，該研究還發(fā)現(xiàn)，一些意想不到的任務(wù)，如創(chuàng)意生成，對 AI 來說相對簡單，而一些看起來對機(jī)器來說很簡單的任務(wù)，如基本數(shù)學(xué)，卻對大型語言模型（LLM）構(gòu)成了挑戰(zhàn)。