简介：这份PDF是一篇发表于CHI 2025的英文学术论文，聚焦生成式AI对知识工作者批判性思维的影响，适合关注人机交互、AI伦理与认知科学的研究者、产品设计者及重度使用ChatGPT等工具的知识工作者阅读。研究基于对319名知识工作者的调查，收集936个真实使用案例，从认知努力、信心效应与批判性思维变化三个层面展开分析，揭示任务自信与对AI信心如何预测批判性思维的投入程度。资源包共1个PDF文件，约995KB，完整保留论文正文、图表与参考文献，便于系统研读其研究方法与结论。目前已有631人学习。读者可从中了解AI辅助下认知卸载的机制、信息核验与任务管理角色的转变，并获取面向知识工作的GenAI工具设计启示，为评估AI使用风险、优化工作流程提供实证依据。
1. 生成式 AI 与批判性思维：319 名知识工作者调查里那个反直觉信号
一份来自 CHI’25 的调查研究，把“生成式 AI 到底让人更聪明还是更懒”这个长期停留在茶水间争论里的问题，第一次用 319 名知识工作者、936 个真实工作案例摆上了台面。结论并不讨好任何一方：受访者普遍报告使用生成式 AI 后认知努力下降，任务变轻松了，但与此同时，对 AI 输出的信心却在上升——哪怕输出并不总是准确。更微妙的是，对自己判断力更有信心的那批人，反而在评估和整合 AI 内容时感到更费力。这不是一篇劝人戒掉 AI 的文章，而是一份把“效率提升”和“思维肌肉萎缩”放在同一张表里对照的实证材料。对每天把 AI 嵌进工作流的从业者来说，它值得逐页读完，因为里面写的不是别人的故事，是你我过去两年踩过的坑。
2. 调查设计：936 个真实案例如何拆开“批判性思维”这个黑匣子
2.1 为什么选知识工作者，而不是学生
过去关于 AI 与思维能力的研究，绝大多数集中在教育场景——编程课上学生用补全工具后成绩如何、写作课上用生成工具后论证质量怎样。这些研究有价值，但有一个共同的盲区：学生的主要任务是“学”，而知识工作者的主要任务是“交付”。两者的批判性思维触发条件完全不同。学生面对 AI 输出时，动机往往是“我能不能从中学到东西”；知识工作者面对 AI 输出时，动机往往是“这东西能不能直接进交付物、出了事谁背锅”。
这份调查把对象锁定在知识工作者群体，覆盖了多个职业方向，要求每位受访者提供第一手的、真实发生过的 AI 使用案例，最终汇总出 936 个任务样本。这个设计的关键在于“第一手”三个字：不是让受访者想象“如果 AI 帮你写报告你会怎么想”，而是让他们回忆“上一次你用 AI 做某件事时，具体发生了什么”。从行业角度看，这种基于真实任务的回溯，比实验室里的受控任务更接近日常工作的 messy 状态——任务目标模糊、时间压力真实、输出质量要求由外部客户或上级定义。
调查采用的批判性思维框架是 Bloom 分类法的六个层级：知识、理解、应用、分析、综合、评价。选这个框架的理由在论文里写得很直白：它维度少、定义清晰，适合做成问卷量表，而更复杂的框架虽然更细致，但落到自报式调查里容易让受访者失去耐心。每个层级用一道五点量表题测量，六个层级共六道题，让受访者针对自己提供的那个具体任务，判断“在这个任务里，你需要用到这一层思维的程度有多高”。
2.2 两个研究问题，对应两种完全不同的答案
调查围绕两个问题展开。第一个问题是：知识工作者在什么情况下、以什么方式感知到自己正在动用批判性思维？第二个问题是：生成式 AI 在什么情况下、因为什么原因，让他们感到批判性思维所需的努力增加或减少？
这两个问题看似接近，实际指向两个层面。第一个问题问的是“批判性思维什么时候被触发”，答案是定性的、场景化的；第二个问题问的是“AI 如何改变这种触发后的努力感”，答案是定量的、可比较的。把两者分开，是为了避免一个常见的混淆：很多人把“AI 让我思考变少了”直接等同于“AI 削弱了我的批判性思维”，但前者是主观努力感的变化，后者是能力层面的变化，中间还隔着一层“思考变少是因为不需要，还是因为不想”。
从数据看，第一个问题的答案集中在三个动机上：确保工作质量、避免负面后果、发展自身技能。这三个动机的优先级在不同任务类型里有明显差异。面向外部交付、出错代价高的任务，前两个动机占主导；面向内部学习、有成长预期的任务，第三个动机才会被提及。而第二个问题的答案则呈现出明显的分化：对 AI 能力信心越高的人，报告批判性思维努力下降越明显；对自己能力信心越高的人，报告在评估和整合 AI 输出时努力反而增加。
2.3 自报式调查的边界：它能说什么，不能说什么
提示：读这类调查时，先分清“感知到的努力”和“实际认知负荷”是两回事。前者是受访者主观报告的，后者需要生理测量或行为实验才能捕捉。
这份调查的方法论局限，论文本身没有回避。自报式数据能捕捉的是“人们觉得自己思考了多少”，而不是“人们实际思考了多少”。一个受访者说“用 AI 后这个任务不怎么需要动脑”，可能意味着任务确实变简单了，也可能意味着他把原本需要动脑的部分外包出去之后，主观上不再感知到那部分负荷——这两种情况在问卷数据里长得一模一样，但长期后果完全不同。
另一个边界是样本的代表性。319 人、936 个案例，在质性研究里算扎实，但放到整个知识工作者群体里仍然是一个偏小的切片。受访者的职业分布、所在行业、使用 AI 工具的熟练度，都会影响他们对“批判性思维努力”的感知基线。一个每天用 AI 写代码的开发者，和一个每周用 AI 改一次公文的管理者，对“努力”的参照系本来就不一样。
但这不影响这份调查的核心价值：它提供的是一个方向性信号，而不是精确的因果系数。方向性信号的意思是——当足够多的知识工作者在足够多的真实任务里，一致地报告“AI 让思考变轻松了，但我对它的信心反而更高了”，这个组合本身就值得警惕，不需要等到有精确的效应量才行动。
3. 认知努力下降：效率红利背后的三种典型场景
3.1 信息检索：从“找”变成“验”，努力感转移而非消失
调查里被提及频率最高的一类任务是信息检索。受访者的普遍描述是：以前要在多个来源之间比对、筛选、判断可信度，现在直接问 AI，几秒钟拿到一段整理好的答案。从主观感受上，这部分工作的认知努力大幅下降。
但数据里有一个容易被忽略的细节：努力感并没有消失，而是发生了转移。论文的定性部分指出，在信息检索类任务中，知识工作者把省下来的“搜集努力”重新投入到了“验证努力”上——核对 AI 给出的信息是否准确、是否过时、是否遗漏了关键前提。问题在于，验证所需的认知资源，往往比搜集更高，而不是更低。搜集阶段你可以容忍模糊，先抓一堆材料再说；验证阶段你必须做出判断，而判断的前提是你自己对这个领域有足够的独立知识储备。
这就引出一个现实中的踩坑场景：一个对某领域只有浅层了解的人，用 AI 做信息检索，拿到一段结构清晰、语气笃定的答案，他既没有能力验证，也没有意识到需要验证。调查数据里，这类“低基线知识 + 高 AI 信心”的组合，恰恰是批判性思维努力报告下降最明显的群体。从行业角度看，这不是工具的问题，是工具把“能力门槛”从检索环节挪到了验证环节，而很多人没有意识到门槛挪了位置。
3.2 内容生成：写作效率提升，但“对齐”成了新的隐形成本
第二类高频任务是内容生成，包括写邮件、写报告、写方案初稿。受访者普遍报告，从空白页到有一版可用的初稿，认知努力下降非常明显。这部分效率红利是真实的，不需要怀疑。
但调查里另一个信号更值得从业者注意：初稿之后的“对齐”环节，努力感并没有同步下降。所谓对齐，指的是把 AI 生成的通用内容调整到符合具体场景要求——语气要对、事实要对、口径要对、受众预设要对。论文的定性材料里，多位受访者提到，AI 初稿看起来完成度很高，但真正花时间的是逐段判断“这段能不能用、要改哪里、改了之后逻辑还连不连得上”。
这里有一个微妙的心理效应在起作用。当一版初稿看起来已经有七八十分，人的心态会从“我要写一篇”变成“我要改一篇”，而改一篇的认知模式和写一篇完全不同。写的时候你是从自己的知识结构里往外掏，改的时候你是拿别人的结构往自己的判断框架里套。后者需要的批判性思维密度更高，但因为起点看起来不错，主观上反而容易放松警惕。调查数据里，内容生成类任务的批判性思维努力下降报告比例很高，但对齐环节的实际耗时在受访者描述里并不短——这两者之间的落差，就是“努力感”和“实际负荷”分道扬镳的地方。
3.3 常规决策：低风险任务里的“顺手依赖”最危险
第三类场景是常规性、低风险的决策支持，比如“这个数据大概说明什么”“这两个方案哪个更合理”“这段反馈属于什么类型”。这类任务的共同特征是：出错代价不高，反馈周期短，即使判断错了也容易纠正。
调查发现，恰恰是在这类任务里，知识工作者最容易进入“顺手依赖”模式——不假思索地接受 AI 给出的方向性判断，不做独立推演。原因不复杂：低风险意味着验证动机弱，反馈快意味着即使错了也能快速修正，两个条件叠加，批判性思维的触发门槛就被抬得很高。
论文里有一句判断值得反复读：AI 可以提高效率，但也可能减少批判性参与，尤其是在常规或低风险任务中，用户只是依赖 AI。这句话的潜台词是，高风险任务里人反而会警惕，因为后果摆在眼前；真正侵蚀思维习惯的，是那些“错了也没事”的日常小决策。从行业角度看，这解释了一个现象：很多团队在关键决策上仍然保持人工复核，但在大量中间环节已经默认 AI 先行，而这些中间环节的累积效应，可能比单次关键决策更深远。
4. 信心效应：对 AI 越有信心，越容易跳过验证
4.1 两个方向的信心，走向完全相反
调查在定量层面最清晰的发现之一，是把“信心”拆成了两个方向，而这两个方向对批判性思维的影响完全相反。
第一个方向是对生成式 AI 能力的信心。数据显示，对 AI 能力信心越高的受访者，报告在 AI 辅助任务中动用批判性思维的程度越低。这个关联在统计上是显著的，且在不同任务类型里方向一致。换句话说，你越相信它能做对，你越不会去检查它做没做对。
第二个方向是对自身能力的信心。数据显示，对自己判断力信心越高的受访者，报告在评估和整合 AI 输出时感到的努力反而更大——尤其是“评价”和“应用”这两个 Bloom 层级。这个结果初看反直觉，细想很合理：一个对自己专业判断有把握的人，看到 AI 输出里某处不对劲，他不会轻易放过，而是会停下来想“这里为什么和我认知不一致、是我错了还是它错了、要不要改”。这个停顿和推演的过程，就是批判性思维在起作用，而它主观上就是费力的。
两个方向的信心放在一起，勾勒出一个不太舒服的图景：批判性思维在 AI 辅助工作流里的存亡，很大程度上取决于用户信心的落点。信心落在工具上，验证动机下降；信心落在自己身上，验证行为增加，但主观负担也增加。而现实是，工具的设计方向——流畅的交互、笃定的语气、完整的结构——天然在往“让你对它有信心”的方向推。
4.2 为什么“看起来对”比“真的对”更容易让人放下戒备
论文的定性材料里反复出现一个描述：AI 的输出“看起来很完整”。这个“完整”包括结构完整、语气连贯、术语使用正确、格式规范。对知识工作者来说，这些表面特征恰恰是判断一份材料是否值得认真对待的第一道过滤器——一份格式混乱、逻辑跳跃的材料，你会本能地提高警惕；一份格式规整、行文流畅的材料，你会默认它经过了某种程度的把关。
生成式 AI 把这道过滤器的信号给“伪造”了。它不需要真的经过把关，就能产出看起来经过把关的文本。调查数据里，受访者在描述自己为什么信任某次 AI 输出时，提到的理由大量集中在表面特征上，而不是“我核对过它的依据”。这不是受访者不诚实，而是人的判断系统本来就这样运作：在时间压力下，表面特征是最省力的可信度代理指标。
从行业角度看，这个机制解释了为什么“AI 幻觉”在实际工作流里造成的麻烦，往往不是因为它错得离谱，而是因为它错得不够离谱——错得离谱的地方容易被抓住，错得微妙的地方才需要真正的批判性思维去识别，而恰恰是后者，在“看起来很完整”的掩护下最容易溜过去。
4.3 一个容易被忽略的群体：高自信者的额外负担
调查里还有一个值得单独拎出来的发现：对自己能力有信心的人，在 AI 辅助任务中感到的努力增加，主要集中在“评价”和“应用”两个环节。这两个环节的共同点是，都需要把外部信息纳入自己的判断框架，而不是简单接受或拒绝。
这意味着，在一个 AI 深度嵌入的团队里，真正承担批判性思维负荷的，往往是那些专业判断力较强的人。他们不仅要完成自己的任务，还要额外承担对 AI 输出的审视工作。而调查数据显示，这部分努力在主观上是显著的、可感知的，但在很多组织的绩效度量里是不可见的——因为产出物看起来一样，只是有人多花了一道验证工序。
这个不对称如果长期存在，会产生一个隐性激励：既然验证不体现在产出上、只体现在个人负担上，那么理性选择是降低验证强度。调查没有直接测量这个激励效应，但从“对 AI 信心越高、批判性思维努力越低”的关联来看，方向是清楚的。从行业角度看，这提示了一个设计层面的问题：如果工具和工作流不把验证成本显性化、不把验证行为纳入正向反馈，那么单靠个人自觉，很难对抗“顺手依赖”的惯性。
5. 常见误读：这份调查容易被读偏的四个地方
5.1 误读一：把“认知努力下降”直接等同于“思维能力下降”
误判点：看到“认知努力减少”就得出“用 AI 让人变笨”的结论。
为什么：调查测量的是主观努力感，不是能力水平。努力感下降可能来自任务变简单、也可能来自负荷被外包、还可能来自熟练度提升后的自动化。这三种情况在问卷数据里无法区分，但长期后果完全不同。
怎么看：把这份调查当作“需要警惕的信号”，而不是“已经证实的结论”。真正需要跟踪的是能力层面的变化，而那需要纵向研究，不是一次横截面调查能回答的。对从业者来说，可操作的做法是定期做“无 AI 对照”——同一个类型的任务，偶尔完全靠自己完成一遍，感受一下差距在哪里。
5.2 误读二：认为调查在否定 AI 的效率价值
误判点：把这份研究读成“劝退 AI 工具”的檄文。
为什么：论文的定性部分明确承认效率提升是真实的，受访者报告的省时省力不是错觉。调查的问题意识不在于“该不该用”，而在于“用了之后思维习惯发生了什么”。
怎么看：效率红利和思维习惯变化是两个可以同时为真的判断。一个团队完全可以既享受 AI 带来的产出速度提升，又有意识地设计验证环节来对冲依赖风险。把两者对立起来，反而会让讨论失焦。
5.3 误读三：以为“高自信者更费力”说明他们方法不对
误判点：看到对自己能力有信心的人报告努力增加，就认为他们“不会用 AI”或者“过度谨慎”。
为什么：论文的解释方向恰恰相反——这部分努力增加，是批判性思维在正常运作的表现。评价和整合 AI 输出本来就是费力的认知活动，感到费力说明这件事没有被跳过。
怎么看：如果一个团队里，专业判断力强的人在用 AI 时普遍感到“更累而不是更轻松”，这未必是坏事，可能说明验证环节还在运转。真正需要担心的是所有人都报告“轻松多了”的团队。
5.4 误读四：把调查结论套到所有任务类型上
误判点：用“AI 减少批判性思维”这个总体结论，去解释所有具体场景。
为什么：调查数据本身是分任务类型呈现的。信息检索、内容生成、常规决策三类场景里，努力感变化的模式和机制并不相同。总体结论是这些异质场景的平均，套到单个场景上会丢失关键细节。
怎么看：落到自己的工作上，先分清手头任务属于哪一类。检索类任务的重点是验证能力，生成类任务的重点是对齐判断，常规决策类任务的重点是防止顺手依赖。三类任务的防护重点不一样，用同一套办法应对，效果会打折扣。
6. 从“执行”到“监督”：知识工作者的角色迁移才刚开始
把这份调查放回过去两年的工具演进节奏里看，它捕捉到的其实是一个正在进行中的角色迁移：知识工作者的核心动作，正在从“亲手做”转向“审别人做的”，而这个“别人”是 AI。论文里用的说法是从任务执行转向 AI 监督，这个转向在受控研究里已经被观察到，而这份调查的价值在于，它用真实工作场景的数据说明，这个转向不是实验室产物，它已经在日常任务里发生了。
这个迁移带来的第一个现实问题是能力结构的错配。执行阶段需要的技能是产出——写得出来、算得对、做得完；监督阶段需要的技能是判断——看得出哪里不对、说得清为什么不对、改得动该怎么改。这两套技能有重叠，但不完全重合。一个执行能力强的人，不一定天然具备监督能力，因为监督要求的是对“什么算好”有独立标准，而执行阶段的标准往往由任务本身给定。调查里“对自己能力有信心的人在评价环节更费力”这个发现，从侧面印证了这一点：监督是另一套肌肉，用起来就是会酸。
第二个现实问题是度量体系的滞后。绝大多数组织的绩效度量仍然围绕产出物展开——交付了什么、交付了多少、交付得多快。监督行为发生在产出物之前，且它的价值恰恰体现在“避免了一个没发生的错误”上，这种价值在传统度量里几乎不可见。调查数据里“对 AI 信心越高、批判性思维努力越低”的关联，如果放到一个不度量监督行为的组织里，会自我强化：既然验证不体现在绩效上，降低验证强度就是理性选择，而验证强度降低又会让 AI 输出看起来“够用了”，进一步强化对 AI 的信心。
第三个现实问题是工具设计的方向。当前主流生成式 AI 工具的交互设计，优化目标是“让输出看起来可信、让交互流畅、让用户少费劲”。这个方向和批判性思维所需的“让用户多停顿、多质疑、多对照”在某种程度上是相悖的。论文在讨论部分提出的设计启示，核心就是把这个矛盾摆到台面上：工具可以既高效又促使人思考，但前提是设计者把“促使人思考”当成一个明确目标，而不是指望用户自觉。从行业角度看，接下来一两年值得关注的，不是模型能力又涨了多少，而是有没有工具开始把“验证成本”做成产品的一部分——比如强制对照来源、把不确定的地方显性标注、把“你确认过这段吗”做成流程节点而不是可选项。
对从业者个人来说，这份调查给出的最实用的一条，是那个“两个方向的信心”框架。每次打开 AI 工具之前，花几秒钟问自己一句：我现在对这个任务的信心，是落在工具上还是落在自己身上？如果答案是工具，那就意味着接下来的验证环节需要刻意加码，因为数据说得很清楚，信心落在工具上的时候，人最容易跳过验证。这个自问不需要工具支持，也不需要组织制度配合，但它能挡住相当一部分“顺手依赖”。
我自己在这份调查里读到的最扎心的一条，是那个“低风险任务最容易侵蚀思维习惯”的判断。过去两年我用 AI 处理最多的，恰恰是那些“错了也没事”的小任务——改一段措辞、查一个概念、理一个思路。这些任务单次看确实无所谓，但它们的频率太高了，高到足以重塑默认反应模式。从那以后我给自己定了一个笨办法：每周挑一个平时会顺手交给 AI 的小任务，完全不用工具做一遍，不是为了做得更好，是为了确认那套肌肉还在。这个习惯坚持了几个月，最大的收获不是某次任务做得多好，而是重新校准了自己对“哪些事其实没那么难、只是我懒得做”的判断。希望这个办法对你有用。
本文还有配套的精品资源，点击获取
