一个团队引入AI整理客户材料。起初，专业人员不断纠正分类、补充例外、说明什么信息真正重要。几个月后，某些步骤变得稳定，管理者决定自动运行。人员从这一步退出，又需要处理系统带来的新问题：哪些异常值得追查，客户要求变化时怎样调整规则，谁负责最终结果。
这是本文编写的组织场景。同一项工作，前期看起来在增强专业人员，后来又自动化了其中一部分；某处省下的劳动，还可能在别处形成新的判断与协调工作。
Sebastian Raisch与Sebastian Krakowski在2021年发表于《Academy of Management Review》的论文，为这种变化提出了“自动化—增强悖论”（automation–augmentation paradox）。他们反对把两种安排当成一次选定、长期稳定的道路，主张把时间和相邻任务一起放进分析。原文pp. 192–195 ↗
一分钟读懂
- 两个概念：自动化指机器接手一项人的任务；增强指人与机器持续互动，共同完成任务。
- 核心论证：两者在某个任务、某个时点可能形成选择，却又在时间和流程之间相互依赖。
- 文献性质：以三本商业著作为讨论起点的理论评论文章，借悖论理论与案例材料展开推论，没有提供一项新的随机实验或统一绩效估计。
- 阅读边界：企业案例按原文引用介绍，不当作本研究独立测得的因果证据；当代生成式AI场景与后续研究设计为编辑延伸。
01 · 为什么“增强人”听起来已经像答案
围绕AI的讨论经常形成两个方向：机器接管工作，或者机器帮助人做得更好。后一种说法更容易得到支持，因为它承诺保留人的能力与位置，同时取得技术收益。
原文从《The Second Machine Age》《Only Humans Need Apply》和《Human + Machine》三本书出发，分析这种增强主张。两位作者分别来自日内瓦大学与斯德哥尔摩经济学院，关注AI如何进入管理任务与组织过程。pp. 192–194 ↗
他们并不否认增强的价值，而是追问：把增强放在好的一边、把自动化放在应当少选的一边，是否足以解释组织实际发生的变化？帮助专业人员的系统，也可能逐渐吸收任务知识；自动完成某个步骤，又可能让人更有条件处理复杂问题。
因此，“本公司只用AI增强员工”首先是一项需要展开的组织承诺。它可以表达目标，却不能自动说明哪些任务会变化、哪些人获得机会，以及能力和收益怎样分配。
阅读这类理论论文，要先找到它正在反驳什么。这里的反驳对象不是“人与AI应该合作”，而是把合作与替代划成互不相干、可以一次选择的两条道路。若只记住“二者都很重要”，就会丢掉原文真正要解释的动态关系。
02 · 悖论不是折中，也不是所有矛盾的别名
原文采用的悖论概念包括三个条件：两方面相互矛盾，又相互依赖，而且这种张力持续存在。它与一次性的取舍不同，也不只是泛指难以解决的问题。pp. 194–195 ↗
对一项明确任务而言，让机器独立执行与要求人持续参与，会对时间、权限和组织投入提出不同要求。某个时点可能确实需要作出选择，不能用“都要”来代替实际设计。
但把观察窗口拉长，两种安排又可能成为对方的条件：人与系统反复工作，形成较稳定的规则，使某部分可以自动化；自动化释放资源或暴露新问题，又使另一些部分需要更深入的人机互动。
这也不是把自动化比例固定在一半。最合适的安排可能因任务风险、知识成熟度和环境变化而改变。悖论视角关注的是组织能否识别这些变化，并在不同安排之间建立可调整的联系。
一个有用的阅读问题是：眼前的冲突究竟发生在哪个层级？是同一个步骤必须二选一，还是不同环节具有不同要求，或者今天与半年后的要求不同？如果层级不清，争论很容易把可以分开的事情混在一起。
03 · 时间维度：增强怎样为自动化创造条件
对于规则明确、例外较少的任务，组织可能直接采用自动化。对于复杂、含混、依靠领域经验的任务，作者认为人需要与机器共同探索：提供材料、评价输出、修正规则或模型。pp. 195–196 ↗
在这个过程中，原本难以说清的条件可能逐渐被辨认；某些输出也可能足够稳定，达到组织接受的标准。于是，前期需要密切互动的一部分任务，后来具备了自动运行的条件。
原文用香精香料企业Symrise的产品创新案例说明这种路径。按照作者引用的报道，调香师与系统共同探索配方和偏好之间的关系，评价与修订输出，随后某部分配方想法生成被自动化。这是作者用于说明机制的案例材料，不是本论文自己随机分组测出的企业收益。
更重要的不是公司名字，而是转变的条件：自动化往往需要知识准备、评估标准和反复校正。若只拍摄系统独立运行的那一刻，容易把先前的人类工作从解释中删掉。
这条路也可能折返。市场要求、客户特征或任务目标改变后，旧规则不再合适，组织需要重新让人参与探索与修正。因此，自动化并不必然是一次不可逆的终点。能否重新进入任务，是组织学习能力的一部分。
04 · 流程维度：这一环节省了，邻近环节怎样变
作者把第二种相互依赖称为跨空间的关系。这里的空间主要指相邻任务与分析层级，并不只是办公室或地理位置。管理任务通常嵌在流程中，一个环节变化，会影响前后环节。p. 197 ↗
仍以原文的配方案例为例，生成想法自动化之后，前端需要更清楚地输入目标与限制，后端需要选择、感知、调整和评价候选配方。某个步骤中的人退出了，其他步骤中的互动却可能增加。
把它改写成一个编辑设想：课程团队让AI批量生成练习题。题目生成更快，但团队需要更准确地说明学习目标，检查难度与课程进度，排除歧义，还要追踪学生答错是因为知识不足还是题目本身有问题。
如果只计算“生成一题”的时间，自动化收益可能很大；如果把前端设置、后端核查和返工纳入，才能判断整个流程是否改善。新工作还可能落到不同的人身上，原来的一份成本只是被转移了。
这不是预设自动化没有价值。规模扩大以后，前期投入可能被更多产出分摊，新的评价工具也可能降低核查成本。关键是将分析单位从孤立动作扩大到完整任务链，并跟踪工作由谁承担。
原文的启发因此不止于给人分配“剩余工作”。自动化改变了剩余工作本身的性质、数量和所需能力，人员培养与流程安排也需要随之变化。
05 · 两种单向推进，为什么都可能困住组织
作者分别讨论过度偏向自动化与过度偏向增强的强化循环。这些是根据悖论理论和已有材料构建的解释，不是本研究估计出的必然轨迹。pp. 199–200 ↗
过度强调自动化，可能使组织持续追求短期成本下降。人不再参与某些任务，相关经验与技能也可能减少；当环境变化，需要重新设计流程时，组织反而缺少能够理解与改变它的人。于是，原有系统越难调整，组织越依赖既有自动化。
过度强调增强，也有不同的问题。持续的人机试验需要投入，过程不一定稳定或容易复制；失败后，组织可能为了证明前期投入值得而继续追加投入，没有及时决定哪些部分应当固化、自动化或停止。
人的持续参与还不保证偏差消失。专业经验可以纠正模型，也可能把既有偏见带进模型；模型又可能返回与这些偏见一致的结果，使人更确信原来的判断。这种相互确认值得研究，不能用“有人参与”直接排除。
两个循环提醒我们，评价不只在项目结束时进行。投入理由、退出条件、能力变化和反馈方式需要持续可见。否则，某种最初合理的安排，可能因为组织无法修正而逐渐变得不合适。
判断是否陷入循环，需要过程证据：哪些选择被重复，什么反馈被忽略，谁还保有改变规则的机会。一次失败或一次裁撤，都不足以独立证明完整机制。
这一论证也值得反向检验。并不是任何持续的人机协作都属于投入升级，有些复杂工作本来就需要持续解释；也不是任何技能不再使用都属于有害退化，有些任务转移可以释放真实资源。诊断循环需要说明哪些能力仍是组织未来应对变化所必需的，以及为什么当前安排正在削弱它们。
若一个理论能把所有成功都解释为整合、所有失败都解释为失衡，却无法预先指出可观察的差异，就很难接受检验。使用悖论视角时，应事先列出预期过程：什么反馈会触发调整，哪些知识会流失，组织通过什么办法恢复判断。这样，理论才能帮助追踪机制，而不只是事后给结果命名。
06 · 接受、分化与整合：原文提出怎样的回应
作者先提出接受张力：承认自动化和增强可能同时存在，并让不同角色的知识进入讨论。随后用分化与整合说明怎样行动。pp. 200–201 ↗
分化（differentiation）意味着看清不同任务和阶段的要求，允许不同安排发挥作用。有些部分需要一致、快速地执行，有些部分需要解释、试验和调整。它要求把任务边界说清，而不是给整个部门贴上自动化或增强的标签。
整合（integration）意味着让这些部分能够互相影响。系统独立产生的结果，可以促使人重新考虑直觉；人的评价与新条件，又可以进入下一轮系统处理。仅把两个部门并排设置，并不保证发生这种学习。
这里最值得观察的是交接处。自动运行什么时候应该暂停，什么证据足以触发人工复核，人工判断怎样回到系统或流程中，修订后如何验证？这些问题决定不同安排之间是否真的连通。
作者强调人保留对整体管理过程的责任。但要把这个主张落实，还需要具体条件：能看见过程，有时间理解，有权改变结果，并能获得相应支持。这个展开属于本文的编辑分析，可与自动化使用研究一起检验。
因此，所谓平衡不是找到一个长期不变的比例。它更像持续管理边界与交接：哪些部分已经足够稳定，哪些部分需要重新打开，改变之后有哪些人和知识需要重新进入。
07 · 企业受益，员工是否也受益
论文将结果讨论分为组织与社会两个层面。自动化可能提高效率，增强可能支持学习和创新；但利润增长、工作质量与社会公平之间，并没有自动成立的等号。pp. 201–202 ↗
作者提出，组织可以在某些技能不再需要时，支持员工建立新的重要能力。他们讨论选择性的技能转移与战略性的再培训，希望自动化释放的资源能够支持后续增强。
这里需要认真追问条件。释放出来的时间是否真的留给学习，还是马上被更高产量要求占满？需要培训的人是否能获得培训，还是新机会主要流向原本就有优势的人？组织节省的成本是否覆盖了过渡期的支持？
这些问题不是论文已经报告了答案，而是其社会层面讨论所打开的检查方向。一个企业能用更少人员完成同样任务，与所有原员工都进入更有意义的工作，是两种需要分别证明的结果。
公平也不能只靠“人和机器相互纠错”的理想保证。若两方依据同一套有偏材料，互相确认可能加固偏差。需要独立的评价标准、不同群体的结果检查，以及受影响者能够提出异议的渠道。
因此，讨论增强时应明确被增强的是谁：组织的生产能力、管理者的控制能力、员工的专业能力，还是服务对象获得的支持。这些目标有时一致，有时存在冲突。把它们拆开，才能谈有根据的组织改进。
08 · 今天重读，需要更新哪些技术假设
这篇论文写作时，作者用较强的技术与社会限制说明管理者会继续参与复杂任务。其中一些关于机器局限、任务迁移与信息处理能力的概括，具有明显的时代背景。pp. 198–199、204 ↗
今天不能把“机器只会一个固定任务”当作所有生成式系统的定义，也不能把原文关于机器处理能力的宽泛说法照搬为“AI拥有无限算力、完全理性”。更合适的做法，是把具体系统、任务条件和评价标准写清楚，再检验它在哪些环节需要人参与。
不过，某项能力提高，并不自动取消组织问题。系统能够完成更多步骤后，目标由谁设定、例外如何处理、结果由谁解释、工作怎样分配，仍然需要安排。能力变化可以改变边界，不能替代对边界的研究。
原文还讨论人在反馈中影响机器学习。应用到今天，需要区分一次对话中的调整、组织维护的规则或知识库变化，以及模型参数更新。普通使用者修改一次提示，不等于基础模型已经永久学会了这次经验。
这种技术层面的区分会影响组织学习的判断。如果纠正只停留在一个人的聊天记录里，没有进入可复用流程，下一位同事可能重复同样的错误。组织是否变得更有能力，需要查看知识如何被保存、验证和传递，而不能只看某次对话是否成功。
还有一个概念需要与效果研究分开。本篇的“增强”首先描述人与机器密切互动的安排；在一些实验文献中，“增强”则被操作化为使用AI后超过人独立完成的表现。前者可以存在而后者没有实现，因此不能仅凭工作方式被叫作增强，就认定结果有所改善。
同样，任务自动化不等于一个岗位已经消失。岗位可能由多种任务组成，局部变化会引起重组；重组是否减少职位、增加协调负担或改变专业地位，需要组织与劳动层面的证据。原文讨论这些可能性，但没有给出一份能直接预测每个职业未来的比例表。
09 · 理论怎样转成可检验的研究
沿着一个流程追踪变化。 在引入AI前记录任务分工，之后持续记录哪些步骤被自动化、哪些判断新增、哪些技能减少使用，以及修改系统的机会由谁掌握。比较不同时间点，才接近原文强调的动态关系。
同时测局部收益与全流程成本。 记录生成、核验、返工、协调和培训的时间，区分成本承担者。若只看一个环节的速度，很容易把其他人的新增劳动误当成系统节省。
研究交接条件。 可以比较是否具有明确复核触发条件、是否保留原始证据、反馈是否进入共享规则的工作组。但若没有随机安排，还需要考虑原有管理能力与任务难度，不能把全部差异归于交接设计。
这些研究可以结合纵向观察、过程访谈、操作记录和绩效指标。理论提供要追踪的关系，方法决定可以作多强的判断。原文呼吁管理研究与技术研究共同进入真实组织，正是因为单看算法分数或单看使用者态度，都难以还原整个变化过程。pp. 203–206 ↗
对学校与专业团队，最有用的起点也许不是宣布“全面增强”或“全面自动化”，而是找到一个具体流程，把任务、知识与责任的变化记录下来。之后才能判断哪些安排值得继续，哪些需要重新打开讨论。
10 · 延伸阅读
- 区分部署责任与个人使用：Parasuraman与Riley讨论不当引入如何改变操作者的位置，可以补充本篇的组织视角。第14篇精读 ↗
- 检验协作是否真的改善表现：Vaccaro等的元分析提供三方比较标准。本篇的组织“增强”概念与那篇的表现指标不完全相同，不能直接把二者当成同一个变量。第19篇精读 ↗
- 观察专业判断如何发生：Schön让我们回到具体情境，看人如何发现问题、修正理解；这能帮助细化增强过程中的实际活动。第5篇精读 ↗
“AI会增强人还是替代人”可以作为讨论开头。要进入可改变的实践，还需要继续追问：哪一项任务，发生在什么时间，影响了谁，又使下一步工作变成了什么样。
原文与版本
Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation–augmentation paradox. Academy of Management Review, 46(1), 192–210.
本文依据大学存档的期刊版核读正文，页码采用印刷页码；存档PDF首页为封面，PDF第2页对应期刊第192页。文献性质为理论评论，企业材料按作者引用叙述，未独立重核全部报道，也未将其绩效数字作为因果证据。开篇与课程例子、当代技术分析及研究方案为编辑延伸。
更新于2026-10-10 · v1.0。