企业内部生成式人工智能使用率的提高，似乎并不会自动带来生产率提升。根据Recruit Works综合研究所介绍的数据，使用人工智能开展工作的日本全职员工比例从2025年的41.9%上升至2026年的54.3%，但这种普及并不一定意味着加班时间减少或机构成果改善。
在接受ITmedia采访时，Recruit Works综合研究所首席研究员小林雄二表示，利用人工智能创造价值有时需要远离人工智能。这并不意味着拒绝工具，而是要保留那些并非模型单独就能产生的能力来源：与现实接触、判断优先事项、构建意义，以及从真实的人和环境中学习。
更快的时间未必总能解决瓶颈
小林将人工智能在组织中的使用问题归纳为三个方面。第一是“在错误方向上节省时间的问题”：收集信息、往来电子邮件或制作演示文稿等任务可能变得更快，但瓶颈仍然存在于其他地方。他以销售为例：人工智能可以加快提案制作，但发现客户、了解客户需求或完成交易，可能对最终结果产生更大影响。
第二是“可用空间消失的问题”。研究显示，借助人工智能节省下来的时间中，有60%被重新投入工作，而其中超过70%用于日常工作。此外，最经常使用工具的员工可能会承担与工具相关的内部培训等额外负担，而不是将释放出来的时间用于学习或创新。
第三是“差异化消失的问题”。当求职申请书的撰写或营销材料的制作都可以通过相似工具由所有人完成时，单纯写作技能曾经带来的优势就会减弱。小林认为，公司能够利用人工智能完成的事情，竞争对手和客户也同样能够完成，这使得仅仅加快任务速度更难产生可以定价的优势。
关键能力是管理完整的循环
根据Recruit Works的研究结果，在使用人工智能的环境中表现出色的人，与在不使用人工智能的环境中表现出色的人有所不同。在传统环境中，绩效与理解自身职责、行动速度以及与他人的关系管理相关。而在人工智能环境中，那些能够把与工具协作转化为“收集信息—决策—执行—复核—学习”循环的人脱颖而出。
这一循环由五项技能构成：前期阶段的“收集”和“决策”，以及后续阶段的“验证”“拆解”和“存储”。流程从收集数据开始，包括来自现实世界的一手信息，而这些信息往往难以被人工智能获取。随后，用户确定优先事项以及哪些内容应交给工具处理，再与他人一起审查输出结果，调整结果或拆解不合适的假设，最后在组织内部分享经验，使其转化为集体知识。
这些步骤的重要性在于，实际风险并不总是容易发现错误的“幻觉”。小林指出，更大的风险是生成一个总体上看似正确、合理的答案，但它并不适合这个客户、这个时机或这个情境。因此，用户的价值不在于接受输出结果，而在于把“一般性答案”转化为适合具体情境的答案。
多元思考与屏幕之外的好奇心
研究还观察到高绩效者具备两种思维特征：“立体思维”，即提高抽象层次，从多个角度联系主题并看清全貌；以及“动物精神”，这是经济学家约翰·梅纳德·凯恩斯用来描述经济活动中非理性人类动机的表达。小林在这里用它指代好奇心，以及尝试那些看起来有趣的事物的意愿。
多元思考有助于整理模型生成的大量建议，而好奇心则促使人尝试新的使用方式，而不是满足于熟悉的任务。不过，正如消息来源所介绍的那样，研究并未发现“动物精神”会随着人工智能使用时间的延长而自动增强。相反，小林指出，可能会出现“技能习得的反作用”，即依赖工具导致用户的某些能力下降。
实际会发生什么变化？
编辑层面的重要结论是，仅以使用人工智能的员工数量或节省的分钟数来衡量人工智能是否成功，可能并不完整。更有用的问题是：时间和精力是否转移到了真正影响收入、决策质量或客户问题解决的环节？培训项目也不应局限于编写提示词，还应包括收集证据、确定优先事项、集体验证和记录知识。
小林建议，培养思考能力和好奇心需要开展工具之外的活动，例如与不同的人和环境互动，参与副业或非营利及志愿活动，深入研究一个主题并进行阅读。这并非适用于每个机构的已证实方案，但它反映了仅靠持续使用工具所能提供的能力边界。该研究首先基于一项包含2万名员工的预备调查，随后开展了包含3000名全职员工的主要研究。后续研究于2026年4月22日至5月7日进行，而新研究于2026年4月23日至5月7日进行，并对2025年10月研究的参与者以及新参与者进行了追踪。