PNAS：使用AI会遭到社会歧视？

内容页.png

论文题目：《Evidence of a social evaluation penalty for using AI》

发表期刊： PNAS, 2025, Vol. 122

作者背景： Jessica A. Reif, Richard P. Larrick, and Jack B. Soll (均来自杜克大学福库商学院)

随着AI工具在工作场所的普及，一个有趣的困境出现了：一方面，AI能够显著提升个人生产力；另一方面，许多职场人却在悄悄使用甚至隐藏自己使用AI的事实，担心被同事和领导看作是“懒惰”或“能力不足”。这种现象背后是经典的归因理论（attribution theory）：当人们借助外力完成任务时，观察者倾向于将其归因于个人内在特质（如能力、动机不足），而非情境因素。

本文通过四个环环相扣的实验，系统地检验了这种“AI使用惩罚”是否真实存在，以及其背后的作用机制和边界条件。

研究问题

主观预期： 员工是否预期自己会因使用AI而受到负面评价？
客观现实： 观察者是否真的会对使用AI的员工给予更低的评价？
这种负面评价是否会影响现实的商业决策，例如员工招聘？
这种“AI使用惩罚”背后的心理机制是什么？如何缓解？

研究内容

文章通过四个预注册的在线实验，对总计4,439名参与者进行了研究，层层递进地验证了核心假设。

1. 实验1：主观预期

设计： 将被试随机分为两组，想象自己在工作中使用生成式AI工具或非AI工具。
测量： 评估他们预期的他人对自己能力、勤奋、懒惰程度的看法，以及向同事和上级报告使用该工具的意愿。

2. 实验2：真实的惩罚

设计： 让被试作为评估者，阅读一段关于某员工的描述。该员工被描述为接受了“AI辅助”、“非AI辅助”（如同事帮助）或“无辅助”（控制组）。
测量： 评估者对该员工的懒惰、能力、勤奋等维度进行打分。

3. 实验3：招聘的惩罚

设计： 采用激励相容的两阶段招聘任务。首先招募一批“求职者”完成任务并报告其日常AI使用频率。然后招募另一批“管理者”，让他们审阅真实求职者的简历（AI使用频率为“每天使用”或“从不使用”），并决定是否雇佣。管理者的奖金与所雇佣员工的真实任务表现挂钩。

4. 实验4：机制与边界

设计： 让评估者对一位求职者进行打分。该求职者申请的工作任务被随机设定为“手动任务”或“数字任务”。
测量： 评估者对该员工的懒惰、能力、勤奋等维度进行打分。

研究结论

1.“AI使用惩罚”真实存在

员工普遍担心因使用AI被负面看待，并且这种担心是有根据的。与使用非AI工具或不使用辅助工具的员工相比，使用AI的员工确实被评价为更懒惰、能力更弱、更不勤奋。

2. 惩罚影响实际决策

在招聘场景中，本身不使用AI的管理者更倾向于拒绝使用AI的求职者。反之，频繁使用AI的管理者则更偏爱同样使用AI的求职者，表现出“圈内偏好”。

3. 核心机制是“懒惰”归因

对AI使用者能力等方面的负面评价，主要是通过“认为他们懒惰”这一认知中介的。

4. 惩罚可以被消除

任务情境： 当工作任务明确适合使用AI时（如撰写邮件），AI使用者不仅不会被惩罚，甚至被认为更适合该岗位。
评估者自身经验： 对于那些自己也频繁使用AI的评估者来说，他们并不会认为使用AI的求职者更懒惰。

总结

这篇文章揭示了一个关于AI应用的深刻悖论：一个旨在提高效率的工具，却可能损害使用者的职业声誉，从而构成一种隐性的“社会成本”。

随着AI变得日益普及，越来越多的人成为使用者，以及组织对AI使用的规范和文化逐渐形成，这种因“认知陌生”而产生的污名化或许会自然消退。对于管理者而言，明确AI在特定任务中的价值和合理性，是消除员工“使用恐惧”的关键。