随着生成式人工智能技术的快速发展，其在各行各业的应用逐渐深入，尤其在知识密集型机构如中央银行中展现出巨大潜力。作为货币政策执行、金融监管和经济分析的核心机构，中央银行的工作既包含大量例行任务，也涉及高度复杂且专业性强的分析工作。理解生成式AI如何影响不同性质任务的完成质量和效率，对于优化工作流程、提升整体生产力意义重大。斯洛伐克国家银行的一项实地实验，为我们提供了宝贵的第一手证据，揭示了生成式AI在真实工作环境中的表现及其对不同技能层次员工的影响。 实验设计的严谨性和现实针对性是此次研究的亮点。研究团队随机分配GPT-4o访问权限给斯洛伐克国家银行的101名员工，涵盖多个部门与岗位，包括研究、货币政策、信息技术、监管与运营等。
参与者需完成一系列设计贴合日常工作的任务，涵盖写作、编辑、数据分类与分析等广泛内容。同时，还特别安排了与部门专业密切相关的专项任务，以考察AI技术在非通用领域的辅助效果。这种结合通用任务和专业任务的设计，确保了对生成式AI整体绩效的全面评估。 研究结果显示，获得GPT-4o支持的任务在输出质量上可提升33%至44%，任务完成时间则普遍缩短21%。几乎所有参与者都因AI辅助产出更高质量工作，大部分同时实现了时间效率上的显著提升。深入分析发现，低技能员工在输出质量提升方面收益最大，其工作表现甚至在某些情况下追平了未经AI帮助的高技能员工水平。
而高技能员工则主要在完成任务所用时间上节省最多，这意味着他们借助AI能够更快速地高效完成已有较高质量的工作。 任务特征对于生成式AI的效益影响尤为关键。研究将任务按照是否例行、专门性以及认知复杂度进行分类，发现AI在非例行、专业化及认知要求高的任务上效果更为显著。在非例行任务中，AI辅助使绩效跃升达58%，远超例行任务的24%提升幅度。更值得关注的是，在需深厚领域知识的专业任务中，AI助力的绩效提升甚至达到100%至117%，是一般性任务提升的两倍以上。这表明，生成式AI不仅能替代部分机械重复劳动，更能在具备专业背景的场景中，配合人类的认知判断发挥巨大的增值作用。
然而，实验同时发现工作分配与AI收益之间存在潜在的不匹配问题。低技能员工虽在质量提升上有显著优势，却往往承担较多例行且AI助益有限的任务；而专业任务尽管AI收益突出，实际分配给的人员未必是最能最大化AI优势的员工。通过模拟任务重组，将人员根据其AI增益优势进行重新分配，整体产出预计提升7.3%。此结果凸显，AI应用不仅要关注技术部署，更需结合人力资源管理和任务设计，合理划分岗位职责和工作内容，释放AI潜力的最大化。 从机构管理的角度看，生成式AI带来的变革要求企业重新思考工作流程和绩效考核机制。首先，AI工具应被视为基础设施，普及至所有员工，同时对不同技能层次的员工提供个性化指导和培训，以帮助其发挥AI带来的独特优势。
其次，任务分配应灵活调整，着重鼓励员工向能充分利用AI的非例行及专业任务转型，实现技术和人才的最佳匹配。再次，绩效评估体系需涵盖AI使用情况，将AI贡献纳入考核标准和职业发展路径，促进积极采用和合理利用新技术。 此外，随着AI加快工作完成速度，机构亦应引入完善的审核和验证机制，防止对AI生成内容的过度依赖和潜在风险。包括同行评审、红队检查及自动化事实核查等多重保障措施，确保输出的准确性和可靠性。这不仅维护工作质量，也防范因过度快速交付而导致的错误与疏漏。 生成式AI在中央银行中的应用成果，反映了人工智能技术在知识工作中的革命性影响。
它既能缩短完成任务的时间周期，提高效率，也拓宽了低技能员工的工作能力边界，促进人力资本的均衡发展。与此同时，非例行高认知复杂度及领域专业性任务上的显著增益，强调了技术与专业知识协同作用的重要性。未来，广大机构只有真正实现人、机、任务三者的高度匹配，优化工作设计和管理架构，才能最大限度地释放生成式AI的潜力，推动组织走向更高效、更智能的工作新时代。 总的来看，此次斯洛伐克国家银行的生成式AI应用实验证实，人工智能不仅改变了简单重复劳动的生产方式，更在提升认知密集型知识工作的表现上展现非凡价值。中央银行等高端知识密集型组织需要积极拥抱这一变革，科学制定技术应用战略，深入理解不同任务类型与员工技能间的互动关系，推动人机协作机制的持续优化。这样，才能在竞争日益激烈的信息时代，把握数字化创新的机遇，实现整体生产力的飞跃发展。
。
