哈佛商学院最新实证：从工具到“反馈型队友”，AI 如何重塑团队协作

  • 2025-12-30

1. 当 AI 开始挑战团队协作的三大支柱

在现代组织中，团队协作一直是创造价值的核心方式。组织对团队的依赖建立在三大支柱之上：

1. 绩效：团队通常能产出比个体更高质量的成果。

2. 专业知识：团队能够整合来自不同职能（如研发和市场）的互补知识。

3. 社会性：团队合作提供社会联系和激励，这有助于提升工作动力。

过去，技术（例如电子表格或计算器）被视为增强个体能力的工具。然而，生成式 AI (GenAI) 的出现带来了根本性的变化。GenAI 具有类似人类的语言交互能力，这使其超越了工具的范畴。

这引出了一个核心的组织问题：AI 是否能够替代人类团队协作的某些核心功能？它能否提供集体绩效、整合专业知识、甚至满足部分社交需求的系统？

“反馈型队友”（Cybernetic teammate）是这篇论文的核心概念，包含两层含义：

  • “队友” (Teammate)： 指 AI 像队友一样，能够提供绩效提升（如实验中的高质量产出）、共享专业知识（如打破职能壁垒）和社会性支持（如提供积极的情感反馈）。

  • “反馈型” (Cybernetic)： Cybernetics 一词的核心是反馈。AI 通过与人类进行迭代式、基于反馈的对话来动态调整其行为，从而共同达成目标。

（注：Cybernetics（控制论） 是由诺伯特·维纳（Norbert Wiener）在20世纪40年代提出的学科，研究的是：有机体、机器和社会系统如何通过“反馈”机制实现自我调节与学习。这里的英文单词 Cybernetic 直译为中文指“控制论”，指 AI 实现这一角色的方式。Cybernetic 指的不是 AI 有多“智能”，而是指它实现智能的方式——一种基于“反馈”的动态机制。在本文中，将其译为“反馈型”。）

哈佛商学院、沃顿商学院和宝洁公司（P&G）的研究人员进行了一项大规模实地实验，以检验这一问题。研究发现对组织如何构建团队、分配任务和发展人才具有深远的影响。 

2. “个体 + AI” vs “两人团队”：一项来自宝洁的 776 人大规模实验

1. 研究问题

本研究的核心问题是，GenAI 在多大程度上可以复制绩效提升、专业知识共享和积极的社会体验这三大人类团队协作的核心优势？

2. 实验设置

研究人员与宝洁公司（P&G）合作，对 776 名专业人士（来自研发和商业部门）进行了一项关于新产品创新挑战的实地实验。这是一个 2x2 的实验设计，参与者被随机分配到四个组中：

  1. 对照组（个体，无 AI）：个体员工独立完成产品创新任务。

  2. T1（团队，无 AI）：一名研发（R&D）专业人员和一名商业（Commercial）专业人员组成团队，共同完成任务。这是传统跨职能团队的代表。

  3. T2（个体 + AI）：个体员工使用基于 GPT-4 的 GenAI 工具完成任务。

  4. T3（团队 + AI）：一个跨职能团队（R&D + 商业）使用 GenAI 工具共同完成任务。

3. 测量指标

研究人员通过多个维度评估产出：

  • 绩效：由人类专家评估的“解决方案质量”，以及任务“花费时间”和“方案长度”。

  • 专业知识：评估解决方案的“技术性”，以判断其更偏向 R&D 还是商业视角；同时分析“核心工作”与“非核心工作”员工的表现差异。

  • 社会性：测量参与者在任务前后的“积极情绪”（如兴奋、精力充沛）和“消极情绪”（如焦虑、沮丧）变化。

 

3. 发现一：绩效的超越 —— 个体 + AI 的产出质量匹敌两人团队

传统观点认为，两人团队的表现优于个体，实验数据证实了这一点。

  • 研究发现：

    T1（团队，无 AI）的解决方案质量比对照组（个体，无 AI）高出 0.24 个标准差。

然而，AI 的介入改变了这一预期。

  • 研究发现：

    T2（个体 + AI）的解决方案质量比对照组高出 0.37 个标准差。T3（团队 + AI）则高出 0.39 个标准差。

最重要的发现来自于 T1 和 T2 的比较：使用 AI 的个体（T2）所产出的解决方案质量，与没有 AI 的两人团队（T1）的质量相当，甚至略高。

这表明，AI 能够有效地复制人类协作带来的绩效提升。AI 似乎扮演了团队中“第二个成员”的角色，帮助个体进行头脑风暴、评估和完善想法。

同时，使用 AI 的两个组（T2 和 T3）完成任务的速度显著加快，平均花费时间减少了 12% 到 16%，并且产出的解决方案长度（详细程度）也显著增加。

变与不变：

  • 不变：协作（无论是“人-人”协作还是“人-AI” 协作）的产出质量高于单一个体。

  • 变化：AI 作为一种新的协作形式，使“个体 + AI”的绩效单位达到了“两人团队”的水平。AI 正在成为一种有效的绩效倍增器。

图二用柱状图展示了四组（个体无 AI、团队无 AI、个体有 AI、团队有 AI）的表现对比，直观地证明了“个体 + AI”的质量匹敌“团队无 AI”。

 

4. 发现二：AI 成为知识桥梁 —— 打破职能壁垒，让新手匹敌专家

在组织中，最大的挑战之一是跨越职能壁垒。研发人员和商业人员看待世界的角度截然不同。

1. 提升非核心员工的效能

AI 的影响在那些不熟悉产品开发任务的员工身上更为显著。

  • 研究发现：对于“非核心工作”员工（即产品开发非其日常主要职责），在没有 AI 的情况下，他们的表现远逊于“核心工作”员工。

  • 研究发现：当“非核心工作”员工获得 AI（T2）后，他们的绩效水平跃升，达到了“核心工作”员工组成的团队（T1）的水平。

变与不变：

  • 不变：深度专业知识对于解决复杂问题仍然至关重要。

  • 变化：AI 显著降低了获取和应用跨领域知识的门槛。专业知识不再仅仅存在于人类专家的大脑中，AI 使其变得易于获取，从而让“新手”也能达到“专家团队”的部分表现水平。

下图的数据清晰地显示了这一差异，AI 帮助非核心岗位员工（右图）的表现在使用 AI 后（个体 + AI）追上了核心岗位员工（左图）的团队水平（团队无 AI）。

2. 打破功能孤岛

实验清晰地显示了这种差异：

  • 研究发现（无 AI）：

    在对照组中，R&D 专业人员倾向于提出技术性强的解决方案，而商业专业人员则提出面向市场的方案。在 T1（团队，无 AI）中，团队的方案通常会偏向一方（技术 或 商业），这取决于团队中哪位成员的主导性更强。

AI 的使用极大地改变了这一现象：

  • 研究发现（有 AI）：

    无论是 T2（个体 + AI）还是 T3（团队 + AI），R&D 专业人员和商业专业人员都能独立产出“平衡”的解决方案。AI 帮助 R&D 人员思考商业可行性，也帮助商业人员理解技术细节。

AI 在此扮演了一个“知识桥梁”或“跨领域翻译器”的角色。它帮助个体专业人士超越了自身狭窄的专业领域，获得了更全面的视角。密度图（a）和（b）直观地对比了这一变化。 

5. 发现三：社会性激励 —— 与 AI 协作的满意度媲美人类队友

团队的第三个支柱是社会性。人们通常认为与技术（机器）互动是孤立和负面的，而与人互动是积极和激励的。这项研究得出了相反的结论。

  • 研究发现：

    与对照组（个体，无 AI）相比，使用 AI 的参与者（T2 和 T3）感受到更高水平的积极情绪（兴奋、精力充沛）和更低水平的消极情绪（焦虑、沮丧）。

最引人注目的比较是 T1 和 T2：

  • 研究发现：

    T2（个体 + AI）的积极情绪水平，等于甚至超过了 T1（团队，无 AI）的水平。

这意味着，与 AI 这种“反馈型队友”的互动体验，在情感上比单独工作更令人满意，其满意度甚至可以媲美与人类队友的协作。AI 的语言界面和即时反馈能力，似乎提供了一种社会激励和支持，减少了独自面对困难任务时的挫败感和焦虑感。

一个有趣的附加发现是：AI 使用者对自己产出的评价（主观感知）偏低，尽管他们的产出质量（客观事实）更高。这表明存在一个“AI 绩效感知差距”，人们还没有学会准确评估自己与 AI 协作的成果。

变与不变：

  • 不变：人们在工作中寻求积极的社会和情感反馈。

  • 变化：AI 的对话式和反馈性特征，使其能够满足人类对协作的部分社会性与情感性需求，这挑战了“技术是冷冰冰的”这一传统认知。 

6. 对组织的启发：从重新定义团队到追求人与 AI 的卓越协作

这项研究的结果对全球的企业管理者、HR 和培训专业人士具有重大的实践意义。

1. 重新审视团队效率，承认“个体 + AI” 已是常规任务的更优解

这项研究证实了 AI 的“替代效应”。当一个“个体 + AI”的表现可以匹敌一个“两人团队”时，管理者必须重新评估团队的必要性。对于许多常规的、有既定路径的知识型任务，将员工与 AI 结合，是比组建传统两人团队更高效的资源配置方式。

2. 追求卓越表现需要“团队 + AI”

然而，该研究也揭示了 AI 的“互补效应”。在“产生 Top 10% 顶尖解决方案”的概率上，T3（团队 + AI）的表现最为出色。

  • 个体 + AI (T2) 擅长提升平均表现（将 50 分提升到 75 分）。

  • 团队 + AI (T3) 擅长创造卓越表现（将 90 分提升到 99 分）。

这意味着，对于需要高度创新和突破性思维的复杂挑战，最佳配置是人类团队 + AI。AI 帮助团队减少了协调中的主导性偏差（如上文所述，AI 帮助团队产出更“平衡”的方案），使人类的集体智慧得以更好的发挥。

下图数据支持了这一结论，显示（T3）团队+ AI 在产出顶尖解决方案上（Top 10%）的比例最高。

3. 赋能 I 型人才实现 T 型跨越

AI 作为“边界跨越者”的能力，意味着“T 型人才”的定义正在发生变化。过去，T 型的“横”需要数年跨部门轮岗才能建立。现在，AI 允许专业人士（“I”型人才）快速在需要时扩展其知识广度，处理跨领域问题。这要求组织重新设计工作角色，使其更加灵活和跨职能。

4. 解决“绩效感知差距”的心理难题

员工使用 AI 后产出更好，但自我感觉却不佳，这是一个需要解决的组织心理学问题。管理者和培训者需要向员工展示 AI 协作的客观价值，并通过培训帮助他们建立在人机协作环境下的新自信。 

7. 结论：组织竞争力的关键是人与 AI 协作的能力

这项研究表明，AI 正在重塑工作的基本单位：它是一个工具，也正在成为一个积极的、有能力的“反馈型队友”。这一转变要求组织从根本上重新思考能力发展的重点。AI 时代，成功的关键是人类与技术协作的能力。企业需要大规模地帮助员工发展新的 AI 素养和，加强与 AI 协作的能力。

UMU 致力于解决这一挑战，将学习科学与 AI 相结合。通过 AI 人才发展解决方案，UMU 提供了一个系统性的框架，帮助组织构建这种高效的人与 AI 协作的能力，使员工能够将 AI 视为高效能的“反馈型队友”，从而提升整体组织绩效和竞争力。

UMU ALT 团队由来自清华大学、北京大学、中国人民大学、康奈尔大学、佛罗里达大学等全球知名高校的博士组成，专注于深入解析 AI 与组织、管理、人力资源等领域的交叉研究。我们系统梳理大量相关学术论文，提炼其中的研究方法与核心洞见，并将其转化为企业可实际应用的知识资源。欢迎关注 AI 力论文研究合集。同时，我们结合学术成果、行业领袖建议及最佳实践访谈，推出了《发展大模型时代的 AI 力》在线系列课程。该课程旨在帮助企业全面理解 AI 技术演进对组织架构、管理模式及员工能力所带来的深远影响，助力组织构建面向未来的 AI 竞争力。欢迎点击文末“阅读原文”，深入了解课程内容，或联系 UMU 专属顾问，开启您的 AI 转型之旅。

参考文献：

Dell’Acqua, F., Ayoubi, C., Lifshitz, H., Sadun, R., Mollick, E., Mollick, L., Han, Y., Goldman, J., Nair, H., Taub, S., & Lakhani, K. R. (2025). The cybernetic teammate: A field experiment on generative AI reshaping teamwork and expertise (Harvard Business School Working Paper No. 25-043). Harvard Business School.

相关文章