Higher Baselines, Unbounded Ceilings: Four Forces Driving AI’s Great Divergence
人們寄望AI的發展能夠普惠各層級的能力。事實上，AI一方面正在讓普通能力趨同，另一方面正在拔高卓越能力的上限。能力的下限正在抬升，而能力的上限卻正在消失。
四種驅動力正在加速這一轉變。首先，AI造成的大壓縮效應改變了培訓基本勝任水平的成本。其次，一些任務的大分拆改變了不少崗位的職能構成，也改變了知識對於特定個體的依賴。第三，圍繞特定個體又能進行強項技能的重新大捆綁。最後，大規模化則改變了卓越能力可覆蓋的維度。此四種驅動力共同作用，一方面讓多數人在許多具體任務上的表現趨同，一方面卻讓最終的經濟結果日益分化。
大壓縮的核心，不是讓所有人都達到卓越，而是大幅縮短從“不會”到“勝任”的距離。如果設定80分為可靠的勝任水平，那麼AI正在讓80分變得越來越容易。一個新手現在可以在幾分鐘內完成一份像樣的分析、翻譯或代碼。過去需要多年訓練才能獲得的基本能力，如今可以由AI迅速補足。
但AI並沒有同樣壓縮從80分到99分的距離。更準確地說，它或許提高了所有人的絕對水平，卻讓相對意義上的99分更難達到。當標準化、可訓練的部分被AI吸收后，達到更高的標準越來越取決於選擇正確的問題、發現別人忽略的東西、在陌生情境下作出判斷，以及為最終結果負責。這些能力無法靠增加幾個提示詞輕易獲得。
80分越來越容易，99分卻可能越來越難。 AI壓縮了通往80分的道路，卻沒有壓縮最後的19分；它甚至因為抬高了所有人的起點，使99分成為一個更嚴格、更稀缺的標準。
因此，大壓縮並沒有消除卓越，而是改變了卓越出現在哪裡。當幾乎人人都能寫出一份合格報告時，合格本身便不再構成多大優勢。普通級別的能力越充裕，真正稀缺的能力反而可能獲得越高的溢價。
一項工作看起來是一個整體，實際上卻是一組任務的組合。過去，這些任務往往被固定在同一個崗位中，並不是因為它們天然不可分割，而是因為尋找不同技能、移交工作和協調多人都很昂貴。於是，一個人即使只擅長其中少數幾項任務，也必須承擔整個崗位。
AI使分拆此類崗位職能成為可能。寫作、分析、翻譯、製圖、排程等任務，可以從原有崗位中分拆出來，交給不同的AI工具或智能體。人不再需要繼承整個歷史形成的任務組合，而可以把時間集中在自己真正擅長的部分：判斷、創意、關係、品味，或者對複雜結果承擔責任。
大分拆還發生在更深的層面：訣竅也可以從擁有它的人身上分離出來。書籍能夠保存思想，錄像能夠傳播課程，卻無法複製專家面對新情境時的回應。AI分身則可能做到這一點。它不僅重複一位教授已經說過的話，還能回答新問題、識別學生的困惑，並把教授的思考方式應用於陌生情境。
任務可以離開崗位，訣竅可以離開大腦。過去只能依附於特定個人和職位的能力，開始變成可以獨立調用、重新組合的模塊。
大分拆並不意味着工作最終會變得支離破碎。恰恰相反，一旦任務和訣竅可以被分拆，它們就能夠圍繞一個人進行重新捆綁。
一位教授可能擁有原創思想，卻不會設計軟件、製作課程、翻譯內容、營銷產品，也無法親自輔導每位學生。過去，要把思想變成完整產品，需要不同專家組成團隊並進行大量協調。現在，AI可以把這些缺失的技能捆綁到教授身邊。教授不必親自掌握每一種技能，卻可以完成並擁有整個產品。
因此，舊崗位被分拆，新工作卻可能變得更寬。人親自執行的任務減少了，對最終結果負責的範圍反而擴大了。人的執行邊界在收縮，責任邊界卻在擴張。
這正是AI時代的核心悖論：人之所以能夠做得更多，恰恰是因為他們可以只專註於更少的事情。 大分拆讓人擺脫自己並不擅長的任務；大捆綁則用AI補上互補技能，使人的最強能力成為整個工作組合的核心。
大分拆使訣竅擺脫了專家必須持續親自到場的約束；大規模化則使它擺脫了專家個人產能的約束。
過去，即使最優秀的教授也只能教授有限數量的學生。教科書可以擴大課程內容的覆蓋面，卻無法複製教授對每個學生的回應。AI分身則可能同時做到兩者：它既可以教授數百萬學生，又能針對每個人調整解釋方式，而不再逐一佔用教授的時間。
大規模化把個人專長轉化為生產性資本。過去必須由本人一遍遍完成的能力，如今可以用極低的邊際成本不斷複製。判斷力、洞察力或聲譽上的微小優勢，因而可能轉化為覆蓋面和回報上的巨大差距。
四種力量的共同結果，是強者可能變得更強。大分拆拿走一個人並不擅長的任務，大捆綁補上完成結果所需要的互補技能，使人能夠更徹底地專註於自己的最強項；大規模化又把這一優勢擴展到前所未有的範圍。同時，當AI使一個人能夠獨立交付並擁有完整產品時，他也更容易獲得自己所創造價值中更大的份額。在組織內部，判斷力、品味和原創性很難被單獨歸因和獎勵。但當市場可以直接評價最終產品，而創造者又擁有這個產品時，逐項測量每一種貢獻便不再那麼必要。AI未必讓卓越才華變得可測量，卻可以讓它更容易轉化為回報。
我們的制度未必有能力應對如此巨大的分化。學校、企業、勞動力市場和所有權制度，都是為知識留在人腦中、個人產能受到時間限制的世界建立的。而且，這裡沒有簡單的解決方案。如果教授擁有自己的AI分身，超級明星效應可能進一步增強；如果平台擁有分身，權力與收益可能更加集中，因為平台能夠彙集數千名專家的訣竅，同時控制分發渠道、客戶關係和數據。限制規模化，會犧牲讓優質知識以低成本服務更多人的巨大收益；但僅僅普及AI的使用權，也消除不了分化。
使用AI，與擁有可被AI放大的知識、聲譽、客戶關係和數據，是兩回事：前者可以抬高所有人的下限，後者才決定誰能持續分享規模化所創造的收益。
沒有簡單的答案，並不意味着我們只能被動接受結果。制度並非一成不變，而看清這四種力量，正是制度調整的第一步。技術決定什麼可以被放大，社會仍然可以決定誰有機會被放大、誰能夠分享放大后的價值。真正的任務，不是重新壓低正在消失的天花板，而是讓更多人有機會找到自己的高點、擁有放大它的工具，並分享由此創造的價值。
李晋教授
香港大學人工智能、管理與組織中心總監，港大經管學院管理及商業策略學學術領域主任，張永紅基金教授 (經濟學及商業策略)
（本文同時于二零二六年九月三日載于《FT中文網》「明德商論」專欄）
