Bocconi大学与OpenAI经济研究合作进行了一项随机实验，超过1000名大一本科生参与，完成一个真实商业案例：为大学商店制定营销建议。学生被随机分为四组：只使用ChatGPT（GPT-4o）、只接受因果推理训练（一种批判性思维形式）、两者都接受、两者都不接受。因果推理训练通过一个包含游戏、例子、问题和反馈的练习来教授因果推理概念，与AI无关。学生作业由人工评分员用5分制评分，同时用文本分析测量想法数量、多样性、因果推理迹象以及与专家方案相似度。

结果是，使用ChatGPT的学生平均评分高出近1分（5分制）。他们的答案包含更多想法，逻辑更清晰，并且与专家推荐更相似。AI帮助新手产出了更专业的结果。但学生并非简单将作业交给AI，他们仍需决定问什么、评估回答并选择最终内容。

因果推理训练产生了更意想不到的效果。接受训练的学生能更清楚地解释想法为何有效或可能失败，但评分并未提高——因为评分标准只衡量是否达到两个标准营销目标（提高商店知名度和使用率）。不过，文本分析发现了评分未捕捉的收益：接受训练的学生在组内产生了更广泛、更独特的想法，与传统评分标准只奖励清晰结构而忽略原创性形成对比。

实验还发现，同时接受ChatGPT和因果推理训练的学生融合了两者优势。他们想法多样性与仅接受训练的学生相当，评分和想法数量与仅使用ChatGPT的学生相似，同时表现出更强的逻辑连贯性和寻找解释、质疑假设的倾向。整体上，该组在所有衡量指标上提升最大。

实验的随机设计让研究者能够分离不同因素的效果，为AI对学生学习影响的研究提供了有价值的贡献。结果也凸显了教育评估的挑战：如果AI能帮助产出专业答案，仅看最终答案就难以判断学生真实理解。学校可能需要调整任务和评分标准，奖励原创性、推理和多元思考，而非仅仅最常规或最精炼的答案。总结来说，AI帮助答案更优质，批判性思维帮助想法更广阔，两者在培养学生中互补。