133 位专利律师实验:同样使用 AI,老手得到增强,新人面临认知卸载
原文链接: https://www.nber.org/papers/w35720 来源: www.nber.org 发现于: 小互 · AI 解读站 · 2026/10/26 说明: 本文由 AIHot 自动聚合,并由 GLM 翻译为中文(保留全部代码与链接)
AI 辅助是增强还是侵蚀专业能力?来自为期三个月的专利起草现场实验的证据
David Autor、Tanya Rodchenko、Josh Martin、Zanna Iscenko、Scott Strand、David Pearl & Melissa Ferere
分享
X LinkedIn Facebook Bluesky Threads 邮件 链接
工作论文 35720
DOI 10.3386/w35720
发布日期 2026 年 9 月
修订日期 2026 年 10 月
在专业密集型工作中,AI 辅助带来了绩效与学习之间的张力:AI 工具可以提高专业人士所交付工作的质量,同时却阻碍他们在此过程中本可培养的专业能力。在一项预先注册的为期三个月的随机对照试验(randomized controlled trial)中,我们让美国 11 家知识产权律所的 133 名执业专利律师使用一款定制的 AI 专利起草助手,并测量了他们使用 AI 期间的工作表现以及此后不使用 AI 时的专业判断。所有工作均由盲评的专家专利律师评分。使用 AI 提高了第 10 天(0.34 SD,? = 0.03)和第 90 天(0.38 SD,? = 0.01)基准专利起草任务上交付成果的质量,其中初级律师的获益更大。三个月后,所有受试者在无 AI 条件下对一份已有专利申请进行修订标注(redline)——这是专利实务中一项需要专家判断的核心任务。处理组律师的表现比对照组高出 0.32 个标准差(? = 0.04),但这一优势完全集中在资深律师群体中(0.45 SD,? = 0.02)。初级律师平均而言没有获益。他们的分数反而出现了两极分化:平庸的分数大幅减少,取而代之的是更多的差分和更多的好分,这表明 AI 辅助对一部分初级律师而言是跳板,对另一部分则是缓冲垫。基础性专业能力或许是从 AI 辅助实践中获取持久技能的先决条件。
- 本研究于 2025 年 5 月 21 日以“AI & Expertise research with patent lawyers”(Autor et al., 2025)为题在 AEA RCT Registry(AEARCTR-0015823)中预先注册。注册信息可在 https://www. socialscienceregistry.org/trials/15823 查阅。麻省理工学院(MIT)人类实验对象使用委员会认定 MIT 未参与本研究,因此无需进行 MIT 的人类受试者审查。本研究由 Google 开展,参与者已按照 Google 的研究程序提供了知情同意。我们感谢 Mauricio Carneiro、James Manyika、Ruth Porat、Kiera Russell 和 Tom Shane(均任职于 Google)以及 Google Labs 团队提供的宝贵意见。Autor 感谢 Google Technology and Society Visiting Fellows Program、Hewlett Foundation、NOMIS Foundation、Schmidt Sciences AI2050 Fellowship、Smith Richardson Foundation 以及 James and Cathleen D. Stone Foundation 的支持。本实验的直接费用由 Google 资助。本文所表达的观点仅代表作者本人,不一定反映美国国家经济研究局(National Bureau of Economic Research)的观点。
我,Tatiana Rodchenko,是 Google 的全职员工,我的部分薪酬包括按月归属的股权授予
**[Josh Martin](https://www.nber.org/people/josh_martin_1)**
Josh Martin 披露与 Google(本研究的主要资助方)存在有偿承包商关系。
**[Zanna Iscenko](https://www.nber.org/people/zanna_iscenko)**
我,Zanna Iscenko,是 Google 的全职员工,我的部分薪酬包括按月归属的股权授予。
**[Scott Strand](https://www.nber.org/people/scott_strand)**
我是 Google 的全职员工,并作为股东在 Google 拥有重大利益。
**[David Pearl](https://www.nber.org/people/david_pearl)**
我,David Pearl,是 Google 的全职员工,我的部分薪酬包括按月归属的股权授予。
**[Melissa Ferere](https://www.nber.org/people/melissa_ferere)**
我,Melissa Ferere,是 Google 的全职员工,我的部分薪酬包括按月归属的股权授予。
复制引用
David Autor, Tanya Rodchenko, Josh Martin, Zanna Iscenko, Scott Strand, David Pearl, and Melissa Ferere, "Does AI Assistance Enhance or Erode Expertise? Evidence from a Three-Month Field Experiment in Patent Drafting," NBER Working Paper 35720 (2026), https://doi.org/10.3386/w35720. 下载引用
相关内容
主题
[健康、教育与福利](https://www.nber.org/topics/health-education-and-welfare)
[教育](https://www.nber.org/taxonomy/term/556)
[劳动经济学](https://www.nber.org/topics/labor-economics)
项目
[教育经济学](https://www.nber.org/programs-projects/programs-working-groups/economics-education)
[劳动研究](https://www.nber.org/programs-projects/programs-working-groups/labor-studies)
NBER 更多内容
除了工作论文之外,NBER 还通过一系列免费刊物传播其研究人员的最新成果——包括 NBER Reporter、NBER Digest、Bulletin on Health、Bulletin on the Economics of Alzheimer's 和 Bulletin on Entrepreneurship——以及研究亮点、讲座和小组讨论视频。

2026 年第 18 届 Feldstein 年度讲座,Mark Duggan,“财政赤字时代的社会保障改革”
Feldstein 讲座
主讲人:
[Mark Duggan](https://www.nber.org/people/mark_duggan) Mark Duggan 现任斯坦福大学 Wayne and Jodi Cooperman 经济学讲席教授,即将……

2026,方法讲座,Melissa Dell 与 Ashesh Rambachan,“基于 AI 生成数据的估计与推断”
方法讲座
主讲人:
[Melissa Dell](https://www.nber.org/people/melissa_dell) & [Ashesh Rambachan](https://www.nber.org/people/ashesh_rambachan) 哈佛大学研究员 Melissa Dell 与 MIT 的 Ashesh Rambachan 主讲了 2026 年方法…… 视频
主讲人:
[Paul Goldsmith-Pinkham](https://www.nber.org/people/paul_goldsmithpinkham) 由 Vanguard Group 支持