Sau khi ChatGPT xuất hiện, lượng bài nộp tạp chí quản trị học tăng 42%: AI đẩy học thuật theo hướng “nhiều” chứ không phải “tốt”

根据 INFORMS 旗下管理学顶刊 Organization Science 2026 编辑部社论《More Versus Better: Artificial Intelligence, Incentives, and the Emerging Crisis in Peer Review》，自 2022 年底 ChatGPT 上线以来，该刊投稿量上升 42%，迫使编辑部 Deputy editors 从 6 名扩充到 11 名、active senior editors 从约 30 名扩充到约 60 名。Wharton 教授 Ethan Mollick 4/27 引述此份社论并评论：“为人类设计的科学系统正在因 AI 而紧张。AI 可以拿来做更好的科学，也可以拿来只是『做更多东西』。危险是『更多』正在赢。”

投稿量爆增 42%、编辑部人力翻倍应对

Organization Science 的数据显示同侪审查（peer review）系统在 AI 时代的具体压力：

投稿量：自 ChatGPT 上线后上升 42%

Deputy editors：6 名 → 11 名（增加 83%）

active senior editors：約 30 名 → 约 60 名（翻倍）

多数投稿仍会被退稿，且许多在 deputy editor 初筛阶段就被刷掉，但「初筛本身的负担」仍大

社论明确指出，问题不是「AI 取代研究员」，而是「AI 让低品质投稿洪水般涌入」。volunteer editors 与 reviewers（多为其他学者义务承担审稿）首当其冲，必须花更多时间筛选 AI 拼凑的稿件，留给真正高品质研究的时间反而被挤压。

Mollick：「AI 可以做更好的科学，也可以做更多东西」

Wharton 商学院教授、生成式 AI 教育先驱 Ethan Mollick 在 X 平台分享此份社论时的评论触动了争论核心：

“Very cool analysis of the submissions to a major management journal that shows how much the system of science, built for humans, is under strain as a result of AI. AI can be used to do better science or it can be used to just do more stuff. The danger is that ‘more’ is winning.”

他在后续推文补充：「问题是激励机制奖励『更多』而非『更好』」（”The problem is that the incentives push for ‘more’ over ‘better'”）。这句话直指学术界的结构性问题—publish or perish 的职业压力使学者偏好量产而非深耕。

对 AI 工具产业的反向意义

Organization Science 的观察对 AI 工具产业提出了具体挑战：

第一，OpenAI Codex、Claude Code、Gemini 等写作／编程代理工具能否设计「质量保证」机制？例如自动引用真实 paper、检测明显 hallucination、辨别文章是否为「拼凑式重组」？目前主要 AI 工具都在比拼速度与便利，没有人卖「拒绝产出低品质内容」这个卖点。

第二，学术出版业的反制工具市场正在浮现。Originality.ai、Turnitin AI Detection、GPTZero 等工具虽试图侦测 AI 写作，但与 LLM 本身竞赛长期难胜。更可能的解方是「人类研究的可追溯性」—例如用 GitHub commit history、原始实验记录、即时笔记等方式证明研究过程，而非只交一份成品。

学术不是孤例：哪些行业同样会被「更多」洪水压垮？

学术同侪审查只是第一个受冲击的「人类设计、依赖志愿评审」系统。同样脆弱的还有：

程式码开源社群：GitHub PR 审查、开源专案 maintainer 已被 AI 提交的低品质 PR 淹没

新闻投稿与媒体编辑：自由作者投稿量爆增、新闻编辑难以分辨 AI 生成内容

法律文件审查：合约、诉讼文件的 AI 量产，律师审查时间爆增

学生作业与大学招生：申请文书、课堂作业数量远超师资负荷

共同点：所有依赖「人类专家义务性审阅」的系统，在 AI 把产出边际成本压到接近零后，都会出现「审阅端的崩溃」。Organization Science 的解方是扩编人力（从 6 deputy 到 11），但这只是延缓问题，不是解决。

结论：「更好」需要新的社会机制

社论结尾语意深沉—「人类专家判断仍在限制 AI 对发表内容的负面影响，但代价是大幅增加的努力。」意思是：学术品质没有立刻崩溃，但每位编辑／审稿人付出的时间翻倍，这个系统的「能量平衡」已被打破。

下一阶段的挑战：如何让 AI 工具本身肩负「品质导向」（而非「产量导向」）的设计责任、如何让激励机制重新奖励「深度」、如何让人类专家审查的成本被合理补偿。这些都不是技术问题、是社会与制度问题—而 AI 把这些问题从「未来慢慢处理」加速到「现在不得不面对」。

这篇文章 ChatGPT 出现后管理学期刊投稿量增 42%：AI 把学术推向「多」而非「好」 最早出现在 链新闻 ABMedia。