验证权在谁手里

二、裂缝：产出提升了，然后呢

先把问题钉死：一个成年人用 AI，怎样才算真的提升了自己，而不是只提升了产出？

这个问题的陷阱在于——它问"怎样算提升"，而"提升了"这件事，恰恰不是自己能判的。这不是感觉敏锐不敏锐的问题，是有数据的方向性偏差。

先看一组外部裁决的指标，它们在涨：

• Noy 与 Zhang（Science 2023）做过一项随机对照试验：453 名有大学学历的专业人员完成写作任务，用 AI 的一组时间减少 40%，由独立小组盲评的质量高 18%，低技能者受益最大。需要说明的是：任务是短时、有激励的写作任务，不是在职务场景里的真实工作，作者本人提示这可能高估短期效应。
• Brynjolfsson、Li 与 Raymond（QJE 2025）分析了 5,172 名客户服务岗位的真实业绩数据：引入 AI 辅助后，每小时解决量平均提高 15%，经验较浅的员工提高 34%。

这两项研究的裁决指标都是外部的——盲评小组、每小时解决量——所以读数可信。它们说明：在有外部裁决的任务上，AI 确实放大产出。

但另一组证据，方向相反：

• METR 2025 年做了一项随机对照试验：16 名有经验的开发者完成 246 个真实任务，用 AI 后实际用时多了 19%。
• 关键是同一项研究里的判断数据：这些开发者事前预期会快 24%，事后仍然以为自己快了 20%。

事前预期、事后的感觉、实际的结果，三者指向三个方向。 人在 AI 辅助下，连"自己变快了还是变慢了"都判断错——而且不是个别人判错，是整个样本系统性偏乐观。

还有两条相关证据。MIT 的一项脑电研究（arXiv:2506.08872）让 54 名受试者用 ChatGPT 完成写作，发现使用组在神经活动、语言表现和文本评分上出现下降，研究者用"认知债务"（cognitive debt）描述这种累积——需要说明的是：这是小样本研究，证据类型是相关性，不能当定论读。另一条是研究者提出的"元认知懒惰"：把认知任务长期外包给聊天机器人，省掉的恰恰是"判断自己懂没懂"那一份劳动。这个提法来自 Gašević 团队（发表于《British Journal of Educational Technology》），OECD《数字教育展望 2026》是采纳并引述，不是提出者。

两组证据并排，是一个不太舒服的形状：在有外部裁决的任务上，AI 能放大产出；在只有自我判断的地方，人的判断系统性偏乐观。 而"我懂了""我提升了"，恰好发生在后者。

这就是那个问题的答案位置：判断不能寄放在自己这里。用一句话说——验证权不能交出去。这里说的验证权，不是"有没有资格验证"的资格问题，是"验证这件事由谁把关"的执行问题；现成的说法要么落在能力上（会不会判断），要么落在资格上（有没有资格判断），这里谈的是第三件事——这个环节由谁来做。

两处必须讲干净的地方。其一，那两项显示 AI 有效的研究，恰恰证明的是"有外部裁决时 AI 有用"——这一点没人否认；它们没有测量的是"撤掉 AI 之后还能不能做"，也没有测量使用者对自己状态的判断，而这两件事才是"提升了自己"的靶心。其二，正面研究里也有同向信号：Brynjolfsson 等报告，最资深的员工速度小升、质量小降——与 METR 的方向一致，但机制可能不同，这里只取"方向"不取"机制"。他们还报告了另一个信号：AI 辅助下国际客户服务岗位的英语流利度提升了。这是一条真实的学习证据，不打算抹掉；它集中在可外部测量的子技能上，是工作场景的副产品，不覆盖"判断自己懂没懂"这一层——这类子技能的提升能否迁移到其他能力，同样没有证据，本文不做这个推论。