ChatGPT 让答案更好，批判性思维让想法更宽
OpenAI 刚放出一项和 Bocconi 大学合作的实验摘要：一千多名一年级学生，做同一份真实营销案例，随机分到「有 ChatGPT / 有批判性思维训练 / 都有 / 都没有」四组。
结论不玄乎，但对教育、产品和自己用 AI 的方式都刺得很准：
ChatGPT 让答案更好；批判性思维训练让想法更宽；两者叠在一起，增益面最宽。
实验在测什么
任务不是写空泛作文，而是给学校周边商品店提营销建议——有真实业务语境。
批判性思维这边，教的不是「怎么提示 ChatGPT」，而是因果推理：把因果串起来，说清为什么方案可能有效、在什么条件下会失效。训练形式是游戏、例子、问答和反馈，跟 AI 课无关。
评分两套并行：
- 人工五分制量表（偏「是否对准提知名度、促使用」这类常规营销目标）
- 自动文本分析：想法数量与多样性、因果推理痕迹、与专家方案的相似度
这套设计的价值在于：能把「AI 介入」和「思维训练」拆开看，也能看叠加。
AI 补的是「像样」
有 ChatGPT（GPT‑4o）的学生，量表上几乎高出将近一分（满分五）。答卷想法更多、逻辑更顺，也更像专家写的建议。
换句话说：新手被抬到更接近专业输出的水位。
但文章特意点了一句：学生并不是把作业整份甩给模型。他们仍要决定问什么、筛什么、把什么写进终稿。AI 缩的是「从零搓出像样结构」的成本，不是替你完成判断。
这对个人工作流的直译是：把 AI 当打磨与扩写引擎，把「选题、取舍、拍板」留在自己手里——否则你只是在批量生产可替换的光滑答案。
思维训练补的是「不一样」
批判性思维组有个反直觉结果：量表分没明显更高，但文本分析里，他们更会解释「为什么有效 / 何时失败」，而且想法在同学之间更独特、覆盖面更广。
量表看不见原创，并不等于没有增益。传统 rubric 天生偏爱「结构清楚、对准标准 KPI」的答卷，容易漏掉别人没写过的那一刀。
这跟很多人日常用 AI 的坑是同一件事：模型很擅长把你推向「看起来最安全、最常规」的答案。若你没有因果链和质疑假设的习惯，输出会越用越同质。
两者不是对立，是互补
实验里「AI + 训练」组：
- 想法多样性 ≈ 只做训练的组
- 量表分与想法数量 ≈ 只用 ChatGPT 的组
- 逻辑连贯、找解释、质疑假设 —— 更强
所以教育辩论里常见的二选一——「让学生自己想」还是「让学生用 AI」——被数据拍扁了：两个都要，而且测法要升级。
真正的雷：只看终稿
AI 让「打磨过的标准答案」变便宜之后，只看终稿质量，越来越测不到学生懂了什么。
学校若还用「像不像标准好答案」当唯一尺子，会系统性奖励可被模型代劳的部分，惩罚或忽略原创与推理过程。
对企业和独立开发者同样成立：
- 评估要加维度：过程假设、失败条件、差异化想法，而不只是文案光泽度。
- 产品别只做人用 Tab：交互可以收敛到 AI 层，但能力本身仍要可调用、可检验。
- 个人能力栈：因果推理 + 把话说清楚，仍是 AI 时代最硬的杠杆——问得好、筛得好，终稿才属于你。
带走一句
AI 让答案更好；批判性思维让想法更宽。
工具负责抬水位，训练负责拓地图。缺一边，你会要么又同质、要么又粗糙；两边一起练，才是这篇实验真正想说的准备方式。
来源：OpenAI — What students gain from ChatGPT and critical-thinking training
评论