把 AI 当同事之后，谁会变强，谁只会更依赖？

假设一所学校给全体老师开通同样的AI工具。账号数量、培训签到率都很好统计，麻烦在下一步：这些数字能不能说明，老师获得了相同的使用机会？围绕《Co-Intelligence》的两篇公开材料，让这个问题多了几个可追问的地方。

在2024年7月的沃顿商学院对谈报道里，作者 Ethan Mollick 鼓励人们广泛尝试AI，摸清它能做什么、不能做什么。他也提醒，交流时可以像对待一个人那样给出需求，却始终要记住，对方是一套软件。这是报道呈现的作者主张。查看沃顿原文。

社会学者 Mark Carrigan 则在同年5月的读书评论里，把提示能力放回人的经历中：表达、领域知识、数字素养，以及能否自主支配时间，都可能影响使用AI的收获。他把这看作文化资本的问题。这篇文章提出的是批评性解释，不是已经测出因果效应的实验。查看 Carrigan 的评论。

沿着这个问题想下去，“都可以试试”其实包含不少没有写出来的条件。试错能不能算工作的一部分？遇到一个看似漂亮、实际不适合学生的方案，有没有人一起讨论？没做出成果的尝试，会不会反而变成工作考核里的减分项？这些是本站据此提出的追问，两篇材料并没有直接回答某所学校该怎样做。

再设想两位老师：一位每周有同事陪着试课、复盘，另一位只能在批完作业后自己摸索。两人都拿到了同款工具，却没有得到同样的学习条件。这个例子不是调查结果；它用来说明，评估一次AI普及时，除了数账号，还可以检查组织到底给出了哪些支持。

培训也可以据此换一个目标。与其只教大家复制一套提示词，不如围绕真实任务，把“哪里不合适、为什么要重做”讨论清楚。任务是否完成、老师是否更能判断，两件事可以分别看。我们提出的是一种值得尝试的安排，效果仍应由后续实践检验，不能提前把它包装成成功模式。

人人能打开同一个聊天框，是一个起点。接下来该问谁还有时间学习、谁能获得反馈、谁的试错被允许。把这些条件也算进来，才知道一项所谓的普惠，到底普到了哪里。