獨立（非廠商）生產力與白領職業衝擊

本檔定位：專收獨立、中立、非 AI 廠商的生產力與職業衝擊實證——NBER、頂刊 RCT、大學經濟學者、政府勞動統計、METR 等。目的是給書稿一面對照鏡：當 OpenAI/Anthropic/Microsoft 等廠商宣稱「AI 大幅提升生產力」時，這些沒有「賣自家 AI」利益動機的來源，到底證實了什麼、推翻了什麼。

為什麼需要這一檔：廠商的數字（GitHub「快 55%」、Copilot「省 2 小時」）大多來自自家、短期、任務級、且常是「自陳感受」。獨立研究一旦用隨機對照（RCT）＋客觀產出或行政薪資資料＋差異中差異去量，常出現三種落差：① 任務級提升真實但被高估、甚至為負（METR）；② 個別有效 ≠ 公司整體有效（生產力悖論）；③ 短期感受 ≠ 長期就業／薪資效果（Danish 零效果）。這份落差本身，就是書稿「判斷力／自我支持系統」的最強現實論據。

嚴謹分級：每筆標「類型」（學術 RCT／行政資料準實驗／年度追蹤／元分析／觀點論述）與「可信度」，並明標效果量與樣本。絕不編造；本批所有來源 2026-06-23 用 WebSearch／WebFetch 實際點開查證。查不到標〔待查證〕。正反兩面都列。

另見（不重抄）：

• METR 19% 慢、Stanford《Canaries》entry-level −13%、生產力悖論 80%、《Generative AI at Work》客服 +14% → 已逐筆建檔於 職場-01-工作重組與技能價值.md（D 區）與 AI產業-05-研究中心與指數.md。本檔對這四筆只「另見」並補它們的方法論限制與外推邊界，把重心放在新的職業級獨立研究（法律、寫作、顧問的 RCT；Danish/Yale 的勞動經濟；MIT NANDA 企業失敗率；生產力 J 曲線）。
• 廠商自家數據（GitHub、Copilot、Anthropic Economic Index）→ AI產業-04-Microsoft-GitHub.md、AI產業-02-Anthropic.md。

核心論點（本檔要幫書稿站穩的幾條主張）

1. 廠商宣稱與獨立證據之間，往往有一道系統性的落差；這道落差正是書稿的立論起點。 最清楚的一組對照是：GitHub 自家研究說 Copilot 讓人「快 55%」，但獨立第三方 METR 用 RCT 一量，資深開發者反而**慢 19%**，而且本人不太感覺得到（自估快 20%）。價值通常不在工具，在你有沒有把它放進對的判斷迴路。

2. 「個別任務有效」與「組織整體有效」是兩件事（生產力悖論／聚合悖論）。 任務級 RCT 反覆量到 14–55% 的提升，但 80%+ 企業回報零生產力提升、95% 企業的生成式 AI 試點未產生可衡量的財務回報。差別多半不在模型強弱，而在有沒有把方法、流程、人的能力一起重組。這正是書稿「先 workflow 後工具、先把自己的方法顯性化」要長的東西。

3. AI 比較像一台「拉平器」：對新手與低技能的人放大最多，對資深專家放大最少，有時甚至是負的。 客服 +14%（新手 +34%、資深近 0）；寫作品質的提升集中在原本較弱的人；法律分析速度大增，品質提升卻「微小且不一致」。這幾筆放在一起，指向同一件事：通用技能正在被 AI 變得便宜、被拉平；真正值錢的是 AI 抬不動的那塊（資深判斷、默會知識、關係）。這一點支持書稿 W1「把自己獨有的那塊聽深」。

4. 就業與薪資的「全面崩塌」還沒發生，但「選擇性擠壓」是真的。 丹麥兩萬五千人的行政資料：對薪資與工時是「精準的零效果」；Yale Budget Lab：ChatGPT 上市 33 個月內，職業結構沒有可辨識的崩塌。不過 entry-level 高曝險職位（年輕的軟體與客服）就業相對下降約 13–19%（見 3-3，最新一版為 19%）。書稿要的通常是「方向級轉變」這種穩健的說法，不是「明天全被取代」的恐慌；這批反證，其實是在保護書的可信度。

5. 「鋸齒邊界（jagged frontier）」：AI 在邊界內大幅增益，在邊界外反而讓人變差。 同一批顧問、難度看起來相近的任務，AI 在界線內幫得上忙，在界線外幫倒忙（正確率低 19%）。所以關鍵能力往往不是「會不會用 AI」，而是「知道哪條界線可以交、哪條不能交」。這一點直接支持 W5「判斷不外包」。

證據清單

一、廠商宣稱 vs 獨立證實／推翻（最核心的對照組）

1-1 ｜ METR《Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity》— 資深開發者用 AI 反而慢 19%（最反直覺的獨立 RCT）

• 年份：2025-07｜機構：METR（Model Evaluation & Threat Research，獨立非營利評估機構）
• 效果量與樣本：RCT，16 名熟練開源開發者、246 個真實 issue（平均每題約 2 小時，開發者對該專案平均 5 年經驗）。允許用 AI（主要 Cursor Pro + Claude 3.5/3.7 Sonnet，當時前沿模型）時，完成時間增加 19%，也就是 AI 把他們拖慢了。感知與現實的落差：事前預期加速 24%，事後即使被拖慢，仍**自估快了 20%**；經濟學專家預測會快 39%、ML 專家預測快 38%，兩邊都把方向猜反了。（以上數字 2026-09-10 經 arXiv:2507.09089 摘要逐項核得。）
• 怎麼平衡廠商：這一筆正面對上 GitHub 自家的「快 55%」（另見 AI產業-04）。同一件事（寫程式），廠商的自陳研究說大幅加速，獨立 RCT 加上客觀計時卻說反而變慢，而且當事人自己感覺不到。要說明「自陳感受不太可靠、得看客觀產出」，這大概是最乾淨的一組對照。
• 支持書稿哪論點：支持「價值通常不在工具，而在判斷迴路」「自我感覺 ≠ 真實效果，所以要回顧、要校準」。
• 作者明示的外推限制（誠實納入）：作者明文聲明本研究不證明「AI 不會加速多數開發者」；結果僅限這群熟練開源開發者與成熟 repo，不外推到其他人、其他領域、未來模型；且可能存在「50 小時以上才浮現的學習效果」。樣本僅 16 人。
• URL：https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ ｜ arXiv：https://arxiv.org/abs/2507.09089
• 類型：學術 RCT（獨立第三方）｜可信度：★★★★☆（方法極乾淨，但樣本小、族群窄、模型世代特定，外推須謹慎）
• 另見：職場-01 D2 已有此筆；本檔補上「作者外推限制」與「vs GitHub 廠商宣稱」的對照角度。

註：METR 另於 2026-02 發布實驗設計更新（承認原設計的學習曲線與選樣議題、正在改良），不否定原結論但提醒勿過度外推。URL：https://metr.org/blog/2026-02-24-uplift-update/

1-2 ｜ Brynjolfsson, Li & Raymond《Generative AI at Work》— 客服 +14%，但全部紅利在新手

• 年份：2023（NBER w31161；後刊 QJE）｜機構：Stanford Digital Economy Lab / MIT / NBER（學術，非廠商）
• 效果量與樣本：5,179 名客服專員、AI 對話助手交錯導入。每小時解決問題數平均 +14%；新手／低技能 +34%，資深／高技能影響極小。同時提升顧客情緒、降低離職。機制：把高手的隱性做法擴散給新手。（2026-09-10 經 NBER w31161 摘要核得：「5,179 customer support agents」「by 14% on average」「a 34% improvement for novice and low-skilled workers but with minimal impact on experienced and highly skilled workers」「improves customer sentiment, increases employee retention」。）
• 怎麼平衡廠商：這是獨立學者做的真實職場準實驗，數字（+14%）反而比廠商保守，而且揭露了一個關鍵限制：紅利高度不均，集中在新手。廠商常拿「平均提升」當廣告，這一筆告訴你，對資深的人幾乎沒什麼用。
• 支持書稿哪論點：支持「AI 像拉平器，把通用能力變得便宜」「資深的人真正值錢的地方，是 AI 抬不動的判斷與默會知識」。
• URL：https://www.nber.org/papers/w31161 ｜ Stanford：https://digitaleconomy.stanford.edu/publication/generative-ai-at-work/
• 類型：學術準實驗（大樣本）｜可信度：★★★★★
• 另見：AI產業-05 2-1 已建檔；本檔保留作為「拉平效應」職業級主錨。

二、白領職業級 RCT（顧問／寫作／法律；獨立、預註冊、客觀評分）

2-1 ｜ Dell'Acqua, Mollick et al.《Navigating the Jagged Technological Frontier》— BCG 顧問 758 人 RCT：邊界內多完成 12.2%、快 25.1%，邊界外正確率低 19%

• 年份：2023 首發（SSRN）；2026-03 正式刊於 Organization Science｜機構：Harvard / Wharton / MIT Sloan / Warwick（學術主導，與 BCG 合作但獨立學者設計與分析）
• 效果量與樣本：預註冊 RCT，758 名知識工作者（BCG 顧問），隨機分成不用 AI／用 GPT-4／用 GPT-4 加提示工程說明三組。邊界內任務（18 項適合 AI 的知識工作，從創意到分析）：多完成 12.2% 的任務、平均快 25.1%，品質也顯著較好。邊界外任務（一項看似相似、但 AI 不擅長的複雜管理題）：用 AI 的顧問產出正確解的機率比不用的人低 19%。AI 很有把握地給了錯答案，顧問往往就照單收下。（2026-09-10 經 Organization Science 37, 403–423 摘要核得：「completing 12.2% more tasks and completing them 25.1% more quickly」「19% less likely to produce correct solutions」。檔內原寫的「完成率 +12.5%」與「品質評分 +40%」已修正：12.2% 才是摘要數字；40% 出自 2023 年 SSRN 工作論文版，期刊版摘要只寫「significantly improved quality」，引用時請標版本。）
• 怎麼平衡廠商：廠商多半只報「邊界內」的漂亮數字；這一筆用同一群人、難度看起來相近的兩類任務，量出 AI 可能在你沒注意到的地方讓你變差。「鋸齒邊界」這個概念本身，大概就是對「AI 全面提升」這種說法最有力的修正。
• 支持書稿哪論點：這是 W5「判斷不外包」最直接的實證：關鍵能力在於辨認哪條界線可以交給 AI、哪條不能。它也支持 W2「先有自己的方法」，有自己的方法，比較不會被 AI 帶著走錯。
• URL：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321 ｜ 期刊：https://pubsonline.informs.org/doi/10.1287/orsc.2025.21838
• 類型：學術預註冊 RCT｜可信度：★★★★★

2-2 ｜ Noy & Zhang《Experimental evidence on the productivity effects of generative AI》— 中階白領寫作時間 −40%、品質 +18%，且縮小不均

• 年份：2023-07（Science）｜機構：MIT（學術）
• 效果量與樣本：預註冊線上 RCT，453 名大學學歷專業人士（含經理、HR、行銷、顧問、資料分析、撥款寫手），做職業相關寫作任務。用 ChatGPT 者時間 −40%（−0.8 SD）、品質 +18%（+0.4 SD）；勞動者之間的不均下降（原本較弱的人提升最多）。（2026-09-10 經 Science 381, 187–192 摘要核得：「453 college-educated professionals」「The average time taken decreased by 40% and output quality rose by 18%」「Inequality between workers decreased」；兩個 SD 值出自全文，摘要未載。）
• 怎麼平衡廠商：這一筆支持「AI 確實提升白領寫作生產力」。本檔照實列正面證據，不是只挑反證。但它同時揭露了拉平效應（紅利集中在較弱的人），與 1-2 的客服一致：對已經很強的人，邊際幫助有限。
• 支持書稿哪論點：支持「通用的寫作能力正在被 AI 變得便宜、被拉平，所以你真正值錢的地方，要往 AI 抬不動的那邊移」。
• URL：https://www.science.org/doi/10.1126/science.adh2586 ｜ PDF：https://economics.mit.edu/sites/default/files/inline-files/Noy_Zhang_1.pdf
• 類型：學術預註冊 RCT｜可信度：★★★★★

2-3 ｜ Schwarcz, Choi et al. — 法律工作 RCT：速度大增、品質提升「微小且不一致」（再到 2025 工具世代轉為顯著）

• 年份：2023–2025（多篇）｜機構：University of Minnesota / Michigan 法學院（學術）
• 效果量與樣本：
  • 早期（GPT-4，法學生 RCT）：對法律分析品質僅微幅且不一致提升，但速度大且一致增加。意涵：AI 讓你更快，不必然讓你更好。
  • 2025 新世代工具（Vincent AI、o1-preview）：在律師真實任務上，生產力提升約 38%–115%（Vincent）／34%–140%（o1-preview），複雜起草任務效果最強，且這一波首次顯示「能持續且顯著提升品質」。〔待查證〕（2026-09-10 檔內兩個網址：SSRN 403、lawnext 報導未重抓，這組數字未能回源核對。）
• 怎麼平衡廠商：它呈現的是真實的時間演進：早期工具「快，但沒有更好」，這是對廠商「AI 提升品質」說法的修正；要到 2025 這一世代，才在受控條件下量到品質提升。所以書稿引用時最好標清模型世代，別把舊結論當成永久成立。
• 支持書稿哪論點：支持「速度 ≠ 品質，要分開看」「AI 進步很快，判斷標準也得持續校準（W6 回顧迴路）」。
• URL：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4626276 ｜ 2025 報導：https://www.lawnext.com/2025/03/another-new-study-of-legal-ai-shows-some-models-can-significantly-improve-work-quality-and-efficiency.html
• 類型：學術 RCT（多波）｜可信度：★★★★☆（律師樣本任務數有限；2025 數字部分含工具商合作，相對打折）

三、獨立勞動經濟：薪資、就業、職業結構（行政資料／政府統計）

3-1 ｜ Humlum & Vestergaard《Large Language Models, Small Labor Market Effects》— 丹麥 2.5 萬人、7,000 家公司：薪資與工時「精準的零效果」

• 年份：2025-05（NBER）｜機構：University of Chicago / University of Copenhagen（學術，行政資料）
• 效果量與樣本：串接行政薪資紀錄，25,000+ 員工、7,000 家丹麥公司、2023–2024。差異中差異估出對薪資與工時是「精準的零效果」，可以排除大於 2% 的效果。即使換成密集使用者、早期採用者、重金投資的職場、自陳大有收穫的人、彈性薪資與早職涯工作，零效果依舊成立。同時觀察到任務重組（新增內容生成、AI 監督、AI 整合等任務）。〔待查證〕（2026-09-10 標題與作者經 Crossref 核得〈Large Language Models, Small Labor Market Effects〉Humlum & Vestergaard；但檔內的 SSRN 頁 403，樣本數與「排除大於 2%」未能回源核對。）
• 怎麼平衡廠商：這大概是對「AI 正在改變薪資與就業」最有力的獨立反證。廠商與媒體講的是顛覆，但串接真實薪資的準實驗說：兩年內，對個人收入與工時，幾乎什麼都沒動。
• 支持書稿哪論點：支持「這是方向級的轉變，不是時程級的恐慌」「不打恐懼牌」；也支持「AI 先改變的是任務組成，不是直接砍薪砍工時」。所以重點通常落在重組你的工作內容（W4 建系統）。
• URL：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5250742 ｜ 報導：https://fortune.com/2025/05/18/ai-chatbots-study-impact-earnings-hours-worked-any-occupation/
• 類型：學術準實驗（行政資料）｜可信度：★★★★★

3-2 ｜ Yale Budget Lab《Tracking the Impact of AI on the Labor Market》— ChatGPT 上市 33 個月，職業結構無可辨識崩塌

• 年份：2025-10 起持續更新（最新 CPS 11/12 月更新）｜機構：The Budget Lab at Yale（學術政策智庫，用政府 CPS 資料）
• 效果量與樣本：用職業／產業結構相異度（dissimilarity）＋按 AI 曝險分位的失業／就業＋使用率追蹤。結論：ChatGPT 上市後 33 個月，經濟體層級看不到可辨識的全面崩塌；職業結構的變化速率沒有超出歷史常態；高曝險職業的失業時長也沒有惡化。作者明說「這不預測未來」。〔待查證〕（2026-09-10 該頁 WebFetch 回傳內容被截斷，未能取到可引的原文段落。）
• 怎麼平衡廠商：面對「AI 正在大規模消滅工作」這種恐慌敘事，它提供了政府資料層級的冷靜對照。Yale 另外點出一個「AI-washing」的風險：企業可能拿 AI 當大裁員的說法，但資料目前並不支持 AI 是主因。
• 支持書稿哪論點：支持「全面崩塌還沒發生，衝擊是選擇性的」，讓書站在穩健的位置，而不是危言聳聽。
• 作者：Martha Gimbel, Molly Kinder, Joshua Kendall, Maddie Lee
• URL：https://budgetlab.yale.edu/research/tracking-impact-ai-labor-market ｜ 報導：https://fortune.com/2026/02/02/ai-labor-market-yale-budget-lab-ai-washing/
• 類型：政府資料年度追蹤（中立智庫）｜可信度：★★★★★

3-3 ｜ Stanford《Canaries in the Coal Mine?》— 但 entry-level 高曝險職位 −13%（選擇性擠壓的最強實證）

• 年份：2025（Stanford Digital Economy Lab）｜機構：Brynjolfsson, Chandar, Chen（學術，ADP 行政薪資）
• 效果量與樣本：ADP 行政薪資資料（檔內原記 2,500 萬名員工；2026-09-10 該頁寫的是「high-frequency administrative payroll data from ADP covering millions of U.S. workers through June 2026」）。生成式 AI 普及以來，最高曝險職業的 22–25 歲早職涯工作者，就業相對低於曝險較低的同儕（已控公司層級衝擊）：檔內原引 2025-11 版為約 13%；2026-09-10 重查該頁，資料延伸到 2026 年 6 月後，數字已更新為 19%（原句「employment of young workers (ages 22–25) in AI-exposed occupations now stands 19% below where it would be had it kept pace with that of their less-exposed peers」）。同一頁說資深工作者沒有出現同樣的落差，而不是「年長者反而 +6~9%」，後者本輪未能核到，〔待查證〕。衝擊集中在 AI「取代人類任務」的領域；在 AI 主要是互補的職業，就業持平或上升。調整走的是「少雇用」而不是「降薪」（原句「adjustment is occurring through employment rather than base compensation」）。
• 怎麼平衡廠商／平衡 3-1、3-2：它與丹麥、Yale 的「總體零效果」形成一組必要的張力：總體看不到，不代表特定族群（年輕、入門、可編碼的知識工作）沒被擠壓。三筆並列，才是比較誠實的全貌。
• 支持書稿哪論點：支持「通用的入門技能正在貶值，逼你盤點 AI 抬不動的獨有價值」「默會知識與經驗是一層緩衝」。
• URL：https://digitaleconomy.stanford.edu/publications/canaries-in-the-coal-mine/ ｜ PDF：https://digitaleconomy.stanford.edu/app/uploads/2025/11/CanariesintheCoalMine_Nov25.pdf
• 類型：學術準實驗（行政資料）｜可信度：★★★★★
• 另見：職場-01 C2、AI產業-05 2-2 已建檔；本檔保留作「選擇性 vs 全面」對照的第三角。

四、生產力悖論：個別有效 ≠ 公司有效（聚合層級）

4-1 ｜ Bloom et al.（NBER）— 近 6,000 名高管：80%+ 企業回報 AI 對就業／生產力零影響

• 年份：2025–2026（NBER 工作論文）｜機構：Nicholas Bloom（Stanford）等，跨美英德澳調查
• 效果量與樣本：調查近 6,000 名高管。80%+ 企業回報過去三年 AI 對就業或生產力零影響，儘管廣泛採用、投入數十億。約 70% 公司在用，但高管每週只花約 1.5 小時用 AI，四分之一完全沒用。Bloom 引 Solow 悖論：「電腦時代無處不在，唯獨不在生產力統計裡」；重大技術通常要十年以上，總體效果才看得出來。〔待查證〕（2026-09-10 檔內來源為 Fortune 報導頁，本輪未重抓，數字未回源核對。）
• 怎麼平衡廠商：廠商與顧問報告講的是「AI 革命已經實現」；這一筆用大樣本的高管調查說：對絕大多數公司，三年了還沒發生。落差多半不在技術，而在組織轉型還沒做完。
• 支持書稿哪論點：支持「個別任務有效 ≠ 整體有效，差別在有沒有把方法、流程、人一起重組」「先 workflow 後工具」。
• URL：https://fortune.com/2026/02/17/ai-productivity-paradox-ceo-study-robert-solow-information-technology-age/ ｜ ILO 聚合悖論：https://www.ilo.org/publications/aggregation-paradox-ai-why-do-micro-economic-productivity-gains-ai
• 類型：學術調查（大樣本）｜可信度：★★★★☆（自陳調查，但樣本大、跨四國、作者權威）
• 另見：職場-01 D1 已有此筆；本檔補上 Bloom／Solow 悖論的學理框架與「vs 廠商宣稱」角度。

4-2 ｜ MIT NANDA《The GenAI Divide: State of AI in Business 2025》— 95% 企業生成式 AI 試點未產生可衡量財務回報

• 年份：2025-08｜機構：MIT NANDA initiative（學術）
• 效果量與樣本：150 場領導訪談＋350 名員工調查＋300 個公開 AI 部署分析。約 95% 企業的生成式 AI 試點未帶來可衡量的 P&L 回報，只有約 5% 達到快速的營收加速。核心結論：問題多半不在模型弱，而在組織導入的方式。向專業廠商採購並建立夥伴關係，成功率約 67%，自建只有約三分之一。〔待查證〕（2026-09-10 檔內報告 PDF 連結 403，數字未能回源核對。）
• 怎麼平衡廠商：這是對「買了 AI 就有 ROI」最直接的修正。不過它自己也要反向打個折：這份報告同樣被拿來推「買廠商方案比自建好」。引用時取「95% 失敗」這個獨立觀察就好，對「該買誰」的建議保持中性。
• 支持書稿哪論點：支持「工具不會自動產生價值，要重組方法與流程」；也呼應 BCG 的「喜悅悖論」（另見 職場-01）。
• URL：https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/ ｜ 報告：https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
• 類型：學術／業界混合調查｜可信度：★★★☆☆（影響力大但方法細節有限，引用標清為「調查級」而非「行政資料」）

4-3 ｜ Brynjolfsson, Rock & Syverson《The Productivity J-Curve》— 為什麼「現在沒看到」不代表「沒效果」（學理框架）

• 年份：2018 首發（NBER w25148）；J 曲線於 2025–2026 被廣泛用來解釋 AI 悖論｜機構：MIT / Stanford / NBER（學術）
• 關鍵發現：通用技術（GPT）導入初期，因為要先投入無形的組織與流程重組成本，量到的生產力會先下降後上升，形成一條 J 曲線。對照：2020–2025 美國非農勞動生產力年均只有約 1.5%（正是 AI 大量部署期）〔待查證〕；多數公司到 2026 仍卡在「買了技術、但組織轉型還沒做完」的階段。（2026-09-10 經 Crossref 核得書目：NBER w25148，Brynjolfsson, Rock & Syverson，2018-10；1.5% 這個對照數字非該論文內容，未回源核對。）
• 怎麼平衡廠商：它給生產力悖論一個中性的學理解釋：既不替廠商開脫（「再等等就好」），也不站到末日派那邊（「AI 沒用」），而是指出價值要靠人去重組流程才釋放得出來。
• 支持書稿哪論點：直接支持書稿的核心：真正的工作是重組（你的 workflow、你的方法），不是換工具。個人層級的「J 曲線」，就是先慢下來把自己的系統建好，後面才換得到放大。
• URL：https://www.nber.org/system/files/working_papers/w25148/w25148.pdf
• 類型：學術理論＋實證｜可信度：★★★★★

缺口與反證

• 缺口 1：目前還沒有「教練／自我支持系統」情境的獨立生產力 RCT。所有職業級的實證集中在客服、軟體、寫作、顧問、法律，還沒有人量過「用 AI 做自我支持或教練式反思」的生產力與效果。這正是 AndAction 與本書可以填的空白（呼應 專題-AI與人的關係 的同名缺口）。
• 缺口 2：多數 RCT 是「短期、單次任務」。METR 已自承可能有 50 小時後才浮現的學習效果；長期、縱貫的職業級獨立 RCT 仍稀少。引用「任務級提升」時要標「短期」。
• 缺口 3：外推邊界。METR 僅 16 名熟練開源開發者、特定模型世代；BCG/Noy-Zhang 是受控任務非真實長期工作；Danish/Yale 是「截至 2024–2025」的快照，不預測未來。皆不可外推成「所有人、所有 AI、永遠如此」。
• 缺口 4：模型世代漂移很快。法律研究從「快但沒更好」（GPT-4）到「品質顯著提升」（2025 工具），只隔約兩年。任何「AI 做不到 X」的結論都有保鮮期，書稿引用時要標年份與模型世代，並在 W6 養成「定期重驗」的習慣。
• 內建反證（刻意保留）：本檔同時收了「AI 確實有效」的正面 RCT（Noy-Zhang 時間 −40%、客服 +14%、2025 法律工具 +34~140%）與「沒那麼神、甚至更糟」的反證（METR 慢 19%、生產力悖論 80%、丹麥的零效果、鋸齒邊界外正確率低 19%）。兩面並存正是本檔的價值：它讓書談的是「把 AI 用對、長出康健的判斷迴路」，而不是「AI 萬能」或「AI 危險」的單選題。

重驗提醒：本檔多筆為 2025–2026 快照（Yale 持續更新、METR 已出設計修正、法律工具世代更替快）。下次重驗優先更新：① Yale Budget Lab 最新 CPS；② METR 後續 uplift 實驗結果；③ Bloom 企業悖論論文是否正式發表；④ 是否出現首個「自我支持／教練 × AI」的獨立 RCT（填缺口 1）。