AI监控的最佳真实世界证据究竟是什么样的？
在所提供论文中，对AI监测工具最严格的实际验证来自2023年一项基于AI的多发性硬化症MRI分析系统临床研究[1]。这是与工作场所AI监测最接近的类比，因为它涉及对个体状态进行自动化、持续性的评估。该研究使用了来自多家医疗中心常规临床实践的397对MRI扫描——并非受控实验室实验——并将AI工具的表现与标准放射学报告及专家共识的黄金标准进行了对比。AI检测新发或扩大的脑部病灶的灵敏度为93.3%，而标准放射学报告仅能检出58.3%——两者相差35个百分点。这意味着AI仅漏检了约7%的疾病活动病例，而人工报告则漏检了约42%。此外，AI在测量脑容量损失（平均-0.32%对比-0.36%）这一神经退行性关键生物标志物方面，也与专业临床试验影像实验室的结果相当。这项研究表明，当AI监测以清晰、可量化的终点为目标设计，并在真实条件下与黄金标准对照进行验证时，能够产生高度可靠的证据。
职场AI监控的证据如何比较——为何其证据力较弱？
工作场所AI监控的证据远未成熟。一项2025年针对芬兰及国际公司207名员工的调查发现，AI的应用并未直接影响员工福祉，而是通过优化任务和提升安全性间接产生作用[3]。这一结论的严谨程度远不及临床研究中病灶检出率的评估，且样本量较小。更具说服力的是，2025年一项持续更新的系统综述方案——即随着新证据出现不断更新的研究计划——明确指出，该领域仍处于初期阶段，尚无法就AI系统如何影响员工安全、健康与福祉得出确切结论[4]。该方案指出，研究人员仍在界定所使用的AI系统类型及其设计对员工的影响方式。这与临床研究形成鲜明对比：后者拥有经过验证的结局指标（病灶检出率）和明确的对照标准（标准放射学报告）。两者之间的差距不仅体现在应用场景不同，更在于证据基础的成熟度差异。临床AI监测已进入大规模多中心验证阶段，而工作场所AI监测仍停留在小规模调查与方案制定层面。
区分可靠与不可靠的AI监控真实世界证据的关键
这些论文揭示了决定人工智能监控的真实世界证据是否可信的三个关键因素。首先，结果必须可客观衡量。临床AI研究采用了共识性金标准——由多位专家共同确认每份核磁共振扫描中的实际情况，并将AI的表现与该标准进行对比[1]。相比之下，职场研究往往依赖自我报告的健康状况或主观感受，这些指标具有主观性且难以验证[3]。其次，研究设计至关重要。美国食品药品监督管理局2022年的一份观点文件明确指出，“真实世界证据”并非单一概念——它可能来自使用真实世界数据的随机试验，也可能来自观察性研究，其可靠性取决于具体的设计细节[2]。临床研究本质上是一项具有明确参考标准的诊断准确性研究；而职场调查则是一项无对照组的横断面研究。第三，证据必须能在不同场景中复现。临床研究使用了多中心数据，仍得出一致结果；职场调查仅局限于总部位于芬兰的企业，其普适性存疑。除非职场AI监控研究采用客观、可独立验证的结果指标，并扩大样本的多样性与规模，否则其真实世界证据的可靠性将始终不及临床AI监控领域已取得的成果。
关于这些来源
该回答基于5篇经同行评审的研究构建而成——发表于2022年至2025年间，其中2篇为2024年及以后发表，5篇均来自Q1期刊，累计被引用269次——这些研究是从5篇通过质量筛选的文献中选出的最具相关性的成果，而该筛选过程则源于从超过5亿篇论文数据库中检索到的39篇文献。
本文引用的文献
基于人工智能的多发性硬化症MRI监测的真实世界临床验证
在一项基于397组真实世界MRI扫描对的多中心临床验证中，一款基于AI的监测工具检测多发性硬化疾病活动的灵敏度达到93.3%，而标准放射学报告仅为58.3%；在脑容量损失测量方面，该工具与专业试验影像实验室的结果高度一致（平均值分别为-0.32%与-0.36%）。
真实世界证据——我们如今身处何方？
FDA的视角明确指出，“真实世界证据”并非单一类别——它既可以来自使用真实世界数据的随机试验，也可以来自观察性研究，其可靠性取决于具体的研究设计，而非仅仅取决于标签本身。
人工智能与职场员工福祉：一项实证研究
一项2025年针对207名员工的调查发现，人工智能的采用并不直接影响员工福祉，而是通过优化任务和提升安全性间接产生作用，这凸显了工作场所AI监控结果的间接性与主观性。
工作场所中的人工智能：关于工人安全、健康与福祉影响的动态系统综述方案
本系统性综述方案（2025年）指出，人工智能对劳动者安全、健康与福祉的影响领域仍过于新兴，尚无法得出确切结论，研究人员仍在界定所使用的AI系统类型及其对劳动者的具体影响方式。
职场社会资本：重新定义与测量该构念
这项2022年的研究开发并验证了《工作场所社会资本量表》（WoSCi），涵盖158个工作组的733名员工，结果表明社会资本是一种可测量的工作场所资源，与个体心理资本有所区别，有助于理解监督如何影响信任与合作。