在AI技术深度融入职场的今天，人类与机器的协作模式正在发生根本性改变。南京大学和耶鲁大学的研究团队最近提出了一套全新的分析框架，从工作技能的微观结构入手，揭示了人机协同的底层逻辑。这项研究不仅为AI工具的使用提供了理论依据，更让从业者看清了自身价值的演变轨迹。

这项研究的核心观点是：将工作技能拆解为两个关键维度——决策层与执行层。决策层关注的是目标制定、问题界定和方案权衡，属于认知层面的思维活动；执行层则侧重于计划实施和工具运用，属于操作层面的执行行为。通过这种分层分析，研究团队发现人类与AI在不同维度上各具优势，当两者形成互补时，整体工作效率将显著提升。

人工智能时代的工作新视角

关于AI与人类工作的关系，公众讨论往往陷入简单化误区：认为AI要么取代人类，要么辅助人类。这种二元对立的思维忽略了工作的复杂性。实际上，工作价值正在经历根本性重塑，这种重塑不是简单的替代，而是对工作内涵的深度重构。

现有研究多聚焦于任务层面的分析，例如任务导向经济学理论认为技术替代的是具体任务而非整个工作。Brynjolfsson等学者绘制的任务图谱，Frey和Osborne的工作自动化研究，都揭示了技术对工作内容的影响。但这些研究往往忽略了一个关键点：每项能力内部存在决策与执行的分野。

基于此，研究团队提出创新框架：将工作解构为技能单元，再将每项技能拆解为决策判断与执行实施两个核心构件。以软件工程师张三为例，几年前他的价值体现在代码产出和文档编写等执行层面。如今，GitHub Copilot和GPT等工具接管了大部分执行环节，但他的核心价值却在提升——角色从执行者转变为监督者，价值体现在方案制定和战略判断上。

执行可委托，判断不可代劳。这个案例揭示了现代工作的深层结构。研究在任务经济学理论和机器学习适配性评估框架基础上，构建了更精准的分析工具。论文将每项技能解构成决策层和执行层两个层级，这种分野正在成为劳动力市场的新分水岭。

用数学方法看人机协作

这一数学模型框架不仅诠释了新型分工现实，更使其变得可量化、可预测。通过将岗位解构为任务与技能的集合，建立人类与AI的能力图谱，该框架能测算任意劳动力-岗位组合的成功概率。这一理论衍生出多个深刻洞见。

该框架提供了量化工具，可精准评估劳动者能力与岗位需求的匹配度。通过剥离决策贡献度与执行贡献度，它超越了传统绩效指标，构建出更精准公平的评估机制。研究发现，成功概率存在相变现象——当劳动者决策层能力出现微小提升时，成功概率可能呈现非线性跃升。

这种技能互补的组合——无论是人类与AI的协作，还是不同技能的组合，都能显著提升岗位成功率。当强于决策的人类与擅于执行的AI配对时，其协同效能将超越个体能力。这为设计高效人机团队提供了数学基础。

研究还揭示了近期观测到的"生产力压缩"效应：生成式AI通过补足低技能劳动者的执行短板，使其成功概率获得巨大提升，从而缩小与高技能劳动者的能力差值。通过真实世界数据验证，研究证实理论预测成立，该模型对理解当今劳动力市场具有现实指导意义。

新型工作体系实用指南

本研究蕴含了深远而迫切的现实意义，为机构适应新型工作体系提供了实用指南。首先是重塑技能升级路径。当前多数技能培训聚焦工具使用，这类执行层技能易被AI替代。研究指出，最持久的竞争力源于提升决策层能力：精准定义问题、权衡冲突目标、在不确定性中调整策略。

技能再造应推动劳动者转向人类判断不可替代的岗位。目标不是超越AI的编码能力，而是实现决策制胜。其次是招聘互补者，而非全能者。传统招聘依赖学历等粗放指标，将人才压缩为单一参数，迫使机构雇佣"综合全能者"。

通过区分决策层与执行层能力，可识别互补优势：企业可发掘"高决策力但执行欠佳"的人才，辅以工具稳定其产出，释放当前被埋没的潜能。招聘不再需要押宝全能型人才，而是精准配置能力拼图。

最后，要为人类判断而设计。AI浪潮正将执行与决策剥离，迫使我们重新定义人类独特价值。若继续基于执行层产出培训、招聘和评估人才，我们将误判潜力、错配资源，最终将未来的工作拱手相让——并非因AI更强，而是我们遗失了衡量人类独特贡献的标尺。

本框架为机构提供实用工具，构建能识别决策层卓越能力（判断力、验证力、战略推演）的体系。问题不再是人类在工作中的定位，关键在于我们是否为此而设计。

作者简介

本论文由南京大学黄棱潇与耶鲁大学的L. Elisa Celis和Nisheeth K. Vishnoi合作完成。黄棱潇现任南京大学副教授、博士生导师，本科与博士毕业于清华大学交叉信息研究院，先后在瑞士洛桑联邦理工（EPFL）、耶鲁大学担任博士后研究，以及在上海华为理论计算机实验室担任高级研究员。

他的研究领域为理论计算机科学，主要研究兴趣包括：数据压缩、计算社会学与机器学习理论，入选国家青年高层次人才。其论文陆续发表于理论计算机科学国际一流会议（STOC/FOCS/SODA）和人工智能国际一流会议（ICML/NeurIPS/ICLR）。