1800个专业用户的AI能力测试数据揭露了一个很残酷的真相

认知偏差在AI使用这件事上简直到了离谱的地步。我最近在跑一个AI能力测评工具，看了1800个真实用户的交互数据（每个人和Bot聊了20到40分钟），结果发现绝大多数人对自己的 AI Fluency 认知完全是反的。

最典型的一点就是典型的邓宁-克鲁格效应：那些能力最差的人，自我评分竟然比实际高出40分；而真正的大牛反而倾向于低估自己，实际得分比自评高了27分。这种近70分的认知落差，解释了为什么很多公司推行AI工作流时会卡壳，因为很多人觉得自己已经“精通”了，实际上根本没入门。

数据里还有几个反直觉的发现：

• 产品经理比工程师更懂怎么用AI：PM的平均分是59.2，工程师是53.7。这说明在实际应用场景中，对结果的判断力比纯技术知识更重要。
• HR群体最令人担忧：讽刺的是，很多HR在用AI筛选简历决定谁能入职，但他们反而是所有样本中AI能力得分最低的群体。
• 整体水平处于“发育期”：1800人的平均分只有48分，刚好落在 Developing 这一档。绝大多数人只是在“经常使用”，但完全没有系统性的实践方法。

最离谱的是团队内部的极差。在同一家公司、用同样的工具、享受同样的培训预算，同一个团队里能力最低和最高的人竟然差了82分（一个15分，一个97分）。这意味着公司那种“全员统一培训”的方案几乎是无效的，因为每个人的起点差了5倍，统一进度只会让小白听不懂，让高手觉得在浪费时间。

如果你想看具体的测评逻辑，可以参考这个页面：

https://aisa.to/methodology