读完这篇文章，你会明白什么是 AI 去技能化、为什么一位沃顿商学院教授在 2026 年 9 月 10 日公开表示自己正在"去技能化"、你团队里哪些能力可以放心交给 AI，以及哪些能力一旦丢掉，公司里就再没有人能分辨 AI 给出的答案到底对不对。
什么是 AI 去技能化？
AI 去技能化（AI deskilling）指的是：某项工作交给 AI 工具去做之后，人不再练习，能力慢慢退化，最后离开工具就做不了，甚至无法判断 AI 的结果是否正确。它会发生在个人身上，更危险的是同时发生在整个团队身上。
这个词比 AI 出现得更早。劳动经济学家 Harry Braverman 在 1970 年代用"去技能化"描述工厂把工序拆得很细、工人不再需要手艺的现象。计算器让人不再心算，导航让人不再看地图，拼写检查让人不再校对。
2026 年的不同之处在于广度和速度。过去一代人才会丢掉一项能力，现在一个人几个月内就可能同时丢掉电子表格、写作、排查故障和数据分析的能力，因为一个 AI 助手把这些全都包了。
这个词在 2026 年 9 月 10 日正式进入大众视野：沃顿商学院教授 Ethan Mollick 发帖说，自己正在许多"烦人的任务"上飞快地去技能化，而且"嫌还不够快"。帖子浏览量超过 56,000 次，评论区随即变成一场关于"方便到哪里为止、风险从哪里开始"的公开讨论。
AI 去技能化是怎么发生的？
去技能化遵循一个简单的循环：任务枯燥，AI 做得够好，人不再亲自做，能力因为缺乏练习而退化。几个月后，这个人已经无法判断 AI 的输出对不对，因为判断所需要的，正是他已经不用的那项能力。
想象一位茶餐厅老板开始采购切好的净菜。第一个月，他每袋都检查，切得不好的退货。第六个月，他信任供应商，不再细看。第十二个月，他已经忘了标准的切法是什么样，一批次品直接端上了餐桌。
研究结果与此一致。微软研究院一项覆盖 319 名知识型员工的研究（发表于 CHI 2025 学术会议）发现：对 AI 工具越有信心的人，对它输出内容的批判性思考越少；对自己能力越有信心的人，反而会一直检查。
2025 年发表在《The Lancet Gastroenterology & Hepatology》上的一项研究发现，使用 AI 检测工具三个月的医生，在关掉工具后识别异常的能力出现了可测量的下降。受过专业训练的医生都能在十二周内丢掉核心能力，一位行政助理丢掉电子表格能力只会更快。
哪些能力可以放手，哪些绝对不能？
判断标准不是任务是否烦人，而是两个问题：不亲自做，你还能不能核对 AI 的结果？丢掉这项能力，是否等于丢掉唯一发现错误的手段？机械式、容易核对、出错代价低的工作可以放手；依赖判断、难以核对、出错代价高的工作，必须至少留下一个懂行的人。
Mollick 帖子下的评论像一张家务清单：修打印机、写表格公式、找电脑文件、排查电脑故障。其中一条评论用三个字概括了健康的版本："判断留下。"
同一套分类方法，放到香港中小企业里是这样的：
可以放心去技能化（机械式、容易核对、出错代价低）
--- 整理价目表或报价单格式。错了一眼就能看出来。
--- 日常 WhatsApp 回复和社交媒体帖子的初稿。发送前你总会读一遍。
--- 把供应商的 PDF 发票转成电子表格的一行数据。合计对得上就是对得上。
--- 菜单或产品描述的初步翻译。母语者仍会快速过一遍。
不能完全去技能化（依赖判断、难以核对、出错代价高）
--- 阅读租约或供应商合同。一份看起来合理的摘要，仍可能漏掉那条让你损失 20 万港元的条款。
--- 核对每月现金流。如果没有人记得正常月份是什么样，一笔分类错误的 8 万港元就会悄悄溜过去。
--- 招聘决定和员工考核。AI 对简历的排序，只有在有人能指出它错在哪里时才有价值。
--- 定价和毛利决策。模型可以提建议，但老板必须仍然能解释那个数字是怎么来的。
为什么团队去技能化比个人去技能化更危险？
一个人去技能化，同事还能发现错误。当整个团队同时停止练习同一项工作，就再没有人能认出"看起来合理但其实错误"的答案。问题从个人的不便，变成组织的盲区，而且最后一道纠错机制也没了。
Mollick 帖子下最尖锐的一条评论正是这一点：个人版本没问题，但"当所有人都在同一项任务上去技能化，就没人能在 AI 出错时把它抓出来"。
想象一家位于荃湾、六个人的贸易公司。2024 年，三名员工都能手工核对每月银行对账单。2026 年，AI 记账工具四分钟搞定，三个人全都停手了。2027 年，工具把一笔 12 万港元的客户退款误标为收入，账目连续五个月看起来比实际情况健康。没有人发现，因为没有人记得核对时"应该有的手感"。
IBM 商业价值研究院 2026 年调研了 1,500 名高管和 28 个国家的 8,800 名员工，发现 46% 的高管已经把能力流失列为首要担忧，60% 的员工表示自己直接受到影响，其中最常被提到正在退化的能力是批判性思考。
波士顿咨询公司（BCG）2026 年的报告《当所有人都用 AI，企业就有失去关键能力的风险》得出了类似结论：管理层最看重的判断力和问题界定能力，恰恰是最容易流失的。
香港中小企业如何防止有害的去技能化？
防止去技能化是人事和流程上的决定，不是技术上的决定。给每项依赖判断的工作指定一位"能力守门人"，安排简短但定期的手工练习，每周抽查一部分 AI 输出，并把"正常结果长什么样"写下来，让新人也能认出异常。
下面五个步骤，适合二十人以下的企业：
--- 列出你的判断型任务。合同、现金流、定价、招聘、合规，通常只有五到八项。其余的可以放心自动化。
--- 每项任务指定一位守门人。不要什么都压在老板身上，分散开来，公司才不会依赖同一个脑袋。
--- 设立"手工星期一"。每月一次，守门人亲手完成这项任务，或者逐行核对 AI 的版本。三十分钟就够保持手感。
--- 抽查，不必全查。五十份 AI 起草的报价单里抽五份检查。如果有两份出错，扩大抽查范围；如果全对，继续抽查。
--- 把基准写下来。"正常月份有 40 到 55 张发票，毛利率在 31% 到 36% 之间。"一页纸的基准，就足够让新同事察觉 AI 已经跑偏。
这也是合理培训新人的方法：让新员工头两周亲手做一遍机械式的版本，之后再交给 AI。以后 AI 的输出一旦"不对劲"，他们永远都能闻出来。
关于 AI 去技能化的常见误解
三种想法造成了大部分损害：去技能化一定是坏事、去技能化完全没问题、只有基层员工才会受影响。事实上，有意识地放下琐事是健康的，不受控地放下判断力则不是；而一年没有亲自看过账目的老板，往往是全公司最"去技能化"的人。
"去技能化一定是坏事。"没有人为丢掉长除法而惋惜。如果一项任务对你没有手艺价值，而且结果容易核对，放手反而能腾出时间去做真正推动业务的事。
"只要 AI 准确，去技能化就无所谓。"今天准确，不代表工具更新、供应商换格式或模型下线的那一天仍然准确。工具悄悄失灵的时候，人的后盾才最重要。
"只有基层员工有风险。"BairesDev 的调查发现 24% 的初级程序员没有信心在没有 AI 的情况下从零写代码。但一年没亲自翻过账本的老板同样去技能化了，而且赌注大得多。
"培训一次就解决了。"能力是因为不用才退化，不是因为缺一张证书。只有定期练习，哪怕很短，才能保住。
AI 去技能化常见问题
香港老板最常问的四个问题：去技能化是否不可避免、多快会发生、是否应该因此推迟采用 AI、如何衡量。简短回答是：可以管理、最快三个月、不应推迟、每月一次手工抽查是最简单的衡量方法。
AI 去技能化是否不可避免？机械式部分是的。判断部分只会在你让所有人同时停止练习时才会丢掉。
多快会发生？《柳叶刀》的研究在三个月内就测到了专科医生的能力下降。任何团队停用的能力，可以假设三到六个月内退化。
我应该推迟采用 AI 来避免去技能化吗？不应该。落后于竞争对手的代价，远高于每月一次练习的成本。先采用，再保护那几项判断能力。
如何衡量？每季度一次，让一名员工在关掉 AI 的情况下完成一项真实任务并计时。如果他做不完，或者说不清结果，这项能力就需要守门人。
它和"认知卸载"是一回事吗？密切相关。认知卸载是把思考交给工具的行为；去技能化是反复这样做之后的长期结果。
结语：放下琐事，留住判断
AI 去技能化是因为工具接手了工作而导致的能力流失。放下你从不在意的能力是划算的交易；丢掉核对工具的能力则不是。用"我还能不能核对它？"给任务分类，为每项判断型任务指定守门人，然后简短而定期地练习。这样 AI 会让你的团队更快，而不是更盲。
科技应该接走苦差，而不是接走思考。这个平衡，正是我们 28 年来陪伴香港企业寻找的东西。懂AI，更懂你 UD相伴，AI不冷
UD AI 团队审阅。
想知道你的团队现在有多少 AI 判断力，缺口在哪里？免费 AI IQ 测试只需几分钟，就能告诉你哪些能力必须保护。UD 团队手把手教你，从测试结果到落地方案，全程陪你走每一步。
