2023 年，波士顿咨询公司（BCG）让一组来自哈佛、麻省理工、沃顿等院校的社会科学家，拿自家员工做了一场实验。758 名顾问参加，约占公司一线咨询人员的 7%。一部分人照常干活；其余的人拿到了 GPT-4，那是当时能力最强的 AI 模型，其中一些人还另外上了一堂怎么写提示词的简短培训。
大约一半顾问，整场都在给一家虚构的鞋企做新品上市：18 项任务，从「为一个没被满足的市场或运动项目，提出至少 10 个新鞋点子」，到写新闻稿、给员工写内部信。有了 GPT-4，他们多完成了 12.2% 的任务，用时少了大约四分之一，评分人给出的质量分也明显更高。
另一半顾问拿到的是一道经典商业案例，就是 BCG 招人面试时用的那种。一家虚构公司的 CEO 想知道，旗下哪个品牌最有增长空间。顾问们手上有一张销售数据表，还有一份公司内部人员的访谈记录。表格看上去很完整，答案却取决于埋在访谈里的细节。研究者特意把题目设计成：把全部材料交给 GPT-4，它会答错。
不用 AI 的顾问，约 84.5% 选对了品牌。用 GPT-4 的两组，分别只有 60% 和 70.6%。平均下来，AI 的帮忙让他们少答对了 19 个百分点。
第一个发现里还藏着第二个。不知道正确答案的评分人，按清晰、连贯、有说服力给每份报告打分。用 AI 的顾问得分更高，不管他们的结论对不对。论文的原话是：AI「即使在底层分析有缺陷时，也能改善表达和论证」。
研究者把这条边界叫作「锯齿状的技术前沿」。边界这一侧，AI 能让高手的活儿更上一层；另一侧，它会把人往下拽。在人看来难度差不多的任务，可能分处两侧，屏幕上也没有任何东西告诉你，你站在哪一边。
论文作者之一伊森·莫利克（Ethan Mollick）在写这项研究时，描述了用好 AI 的顾问的两种做法。一种像半人马，人和机器之间分工清楚；另一种像赛博格，从头到尾和 AI 来回传递一小块一小块的活。不管哪种，决定哪块活交给机器的，始终是人。