研究目的 本研究探究使用生成式人工智能（GenAI，特指大语言模型）能否提升知识工作者的劳动生产率，并分析任务复杂度、从业者技能水平以及自动化偏见对该影响所产生的调节或中介作用。 研究方法 本研究采用混合研究设计，具体包含三部分内容：（1）开展预注册随机对照试验，选取三家中国科技企业的 320 名知识工作者，开展为期四周的实验，将可使用 GPT-4 的实验组与无法使用人工智能的对照组进行对比；（2）对 1103 名每周使用生成式人工智能的知识工作者开展两轮纵向问卷调查；（3）开展后续定性访谈。研究通过任务追踪系统测算客观生产率，并采用协方差分析、含二次项的混合效应模型、结合自助置信区间的结构方程模型来验证研究假设。 研究结果 使用生成式人工智能后，受试者的平均生产率提升 23.7%（p<0.001，η²=0.37）。但任务复杂度呈现倒 U 型调节效应：中等复杂度任务的生产率提升 34.7%（p<0.001），高复杂度任务的生产率反而下降 14.2%（p=0.01）。从业者技能水平带来的差异十分显著：中等水平从业者生产率提升 41.2%（p<0.001），低水平从业者提升 13.8%（p=0.010），高水平从业者未见提升（降幅 2.5%，p=0.680）。自动化偏见在二者关系中起到中介作用，抵消了 18.9% 的潜在生产率增幅，有 31% 的使用者表示会不加甄别地采信人工智能的输出内容。 研究结论 整体而言，生成式人工智能能够提升知识工作者的生产率，但该效果存在极强的条件限制。一刀切推行人工智能应用会适得其反；企业应将人工智能应用聚焦于中等复杂度任务、面向中等水平员工落地，同时建立核验机制以规避自动化偏见。本研究结论也佐证了任务 - 技能 - 技术适配权变框架的合理性。