《Nature》重磅調研警示：過度依賴 AI 引發職業技能退化！

國際頂刊《Nature》最新一期刊發深度專題報道《IS AI RUINING OUR SKILLS? EARLY RESULTS DON’T LOOK GOOD》，匯總全球多組對照實驗數據，證實醫護、程序員、財會等知識密集型崗位長期依賴 AI 工具，會出現專業能力明顯衰退，“AI 去技能化” 已從理論擔憂變為可觀測的現實行業問題。

兩組權威對照實驗：AI 依賴直接削弱從業者核心專業能力

文章收錄兩項覆蓋專業醫師、軟件工程師的隨機對照試驗，數據直觀印證技能退化現象。

1. 消化內鏡醫師：AI 輔助后無工具檢出率大幅下滑

波蘭一批從業多年、累計完成 2000 例以上腸鏡的資深內鏡醫生，日常使用實時 AI 影像系統識別腸道腺瘤癌前病變。

對比前后三期數據：

?AI 工具上線前三個月，醫生獨立檢出腺瘤比例 28.4%；

?常態化使用 AI 三個月后，撤掉輔助工具，獨立檢出率跌至 22.4%。

研究團隊在《柳葉刀?胃腸病和肝病學》刊發結論：長期依托 AI 自動標記病灶，臨床人員專注力、自主病灶識別敏感度持續下降，脫離 AI 后決策主動性、判斷力顯著弱化。相關學者表示，目前全球暫無成熟方案化解該問題，未來十年將成為 AI 應用核心研究課題。

美國醫療行業調研同步佐證焦慮：77% 醫師、70% 護士擔憂長期使用 AI 診斷工具，喪失獨立診療判斷能力。

2. 軟件工程師：依靠 AI 寫代碼，底層邏輯學習效率腰斬

Anthropic 開展 52 名程序員對照實驗，全員可檢索網絡資料，半數人員強制搭配 AI 代碼助手完成基礎開發任務。

任務結束后統一開展代碼原理、故障排查測試：

?未使用 AI 組平均得分 67%；

?全程依賴 AI 組平均分僅 50%。

差距集中在代碼報錯診斷、底層邏輯推導題型。研究員指出，當下行業出現明顯割裂：員工依靠 AI 能快速交付成品，但自身并未吃透底層原理，只 “借用 AI 能力”，沒有完成自身專業知識沉淀。對青年程序員、在校技術從業者而言，這種學習斷層影響更持久。

不止醫護與開發：全行業通用認知能力退化風險顯現

文章延伸引用過往自動化系統長期跟蹤研究，揭示 AI 和傳統自動化工具存在本質區別。

過去 GPS、標準化財務軟件僅替代單一重復性動作；生成式 AI 直接接管思考、推理、解讀等人類核心認知工作，是首個全面自動化認知行為的技術。

早前針對會計師的長期跟蹤研究顯示：連續十年使用自動化賬務系統的財務人員，在脫離工具后，基礎分錄、核算流程出現大面積遺忘。

業內學者預判，未來財會、法律、研發設計、行業咨詢等大量知識密集行業都會復制同類現象。新一代從業者缺少完整手工實操、獨立推理的訓練過程，專業底層功底將出現普遍短板。

對產業、資本、企業帶來三大深層影響

1. 企業人才招聘與內部培養邏輯重構

過去企業招聘技術、研發、醫療人才，重點考察獨立解決復雜問題能力；AI 普及后，大量從業者實操能力縮水，企業招聘篩選標準需要調整。

企業內部培訓體系也需改造：不能完全放任員工全程依賴 AI，需要設置無 AI 輔助實操考核、定期線下獨立作業，保留基礎專業訓練環節，避免團隊整體專業能力滑坡。

2. 一級市場科技企業估值新增 “人才風險指標”

創投機構評估硬科技、軟件、醫療科創公司時，除技術壁壘、營收、算力儲備外，新增團隊自主研發能力考察維度。

若企業研發、臨床團隊高度依賴 AI 工具，核心人員獨立攻關能力薄弱，會抬高長期技術迭代風險，拉低企業長期估值上限。高度依賴 AI 外包思路、缺少底層自主攻堅團隊的初創公司，資本配置意愿持續降低。

3. 區域科創競爭力長期分化

大灣區、長三角等科創高地依靠完整人才梯隊維持創新優勢，若青年技術群體普遍出現“AI 依賴型技能退化”，原始創新、底層技術突破能力會持續削弱。

僅靠 AI 完成應用層開發，缺少自主推導、試錯、深度實驗的能力，難以實現 “從 0 到 1” 原始創新，長期會陷入應用層內卷，核心底層技術持續受制于人。

行業主流應對思路：平衡 AI 增效與人類專業能力留存

綜合文章多位歐美信息科學、經濟領域學者觀點，當前行業形成三類共識性應對方案：

1.建立分層使用機制：區分重復性輔助工作與核心決策工作，基礎篩查、代碼模板生成交由 AI，病灶綜合判斷、底層架構設計、復雜賬務核算必須要求員工獨立完成，定期剝離 AI 工具開展實操考核。

2.從業者建立 AI 認知邊界：清晰掌握大模型局限，不盲從 AI 輸出結果，保留人工校驗、反向推導習慣，避免形成思維惰性。

3.院校與企業調整人才培養框架：在校階段增加無 AI 實操課時，企業內部設立階段性 “脫 AI 實訓周期”，夯實底層專業基本功，實現 “AI 增效不替代人的核心思考能力”。

來源：廣東省創新戰略研究會。

近期學術會議推薦

歡迎留言，分享觀點。點亮?