Managing the Human Fallback: Skill Investment Under Improving AI and Worker Mobility

背景

随着自主 AI 系统在企业中的广泛部署，一个核心的管理难题浮出水面：企业必须在依赖 AI 的高效产出与维持人类员工技能之间寻找平衡。AI 虽然强大，但并非万无一失，始终存在失败的概率，此时需要人类作为“后备”介入。然而，让人类员工保持参与度不仅影响当前产能，还涉及未来人力资本的积累与流失。特别是在劳动力可以自由流动的市场环境下，员工的技能成长轨迹直接影响其去留。这篇论文构建了一个精简的两期模型，深入探讨了 AI 能力提升与劳动力流动双重背景下，企业如何制定最优的人类员工参与度策略，以及 AI 进步的两个不同维度（能力与可靠性）如何差异化地影响这一策略。

核心内容

论文构建了一个两期决策模型。在该模型中，AI 在正常工作时可能表现优于人类员工，但存在一定的失败概率。企业需要决定员工的参与度。对于技能低于 AI 基准的员工，参与度会降低当前产出，但会通过“学习效应”和“技能侵蚀”改变其未来的技能水平。

研究将 AI 的进步区分为两个维度：

1. Capability（能力）：AI 正常工作时能达到的产出水平。
2. **Rel