您大概也有过这种经历:让AI帮忙写个行程、整理份简报,回来一看觉得挺顺眼,可读着读着又心里打鼓,怕漏了东西、写错了地方,或者资料已经过时。于是只好再从头查一遍。
先说结论:AI确实能提高效率,但它省下的时间,很多时候会被“核对输出是否准确、是否合适”这件事吃掉。研究人员把这种额外付出叫作“核对负担”(verification burden)。
为什么核对比自己动手更累
小编觉得,可以把AI想象成一个速度很快、文笔很漂亮的实习生。问题在于,这个实习生交上来的东西,好的坏的都用同样自信的口气说,也不会告诉您哪里该多看两眼。出了问题,他也不用承担后果,最后责任还是落在您身上。
心理学研究发现,人对自己亲手做出来的内容,记忆往往比只是读过的更牢固;而读起来顺畅、易懂的内容,人们也更容易觉得可信。这意味着,核对别人(包括AI)的产出,本身就是一项和创作不同、也不见得更轻松的工作。
效率提升,可能被看不见的成本抵消
已经有经济学研究观察到,办公场景中使用生成式AI确实能带来效率提升。但也有一项针对有经验软件开发者的随机对照试验发现,加入核对步骤之后,任务完成时间反而变长,平均增加了约19%。更有意思的是,这些开发者自己却以为用了AI之后变快了。另外,一项针对咨询团队的大规模研究显示,在自己不熟悉的领域使用AI,更容易得出错误结论。
这些研究并不能说明“核对一定会抵消全部收益”,但它提醒我们:只看AI生成得有多快,并不能真正衡量工作效率。
核对为什么特别费劲
不知道什么时候算“查完了”
做事的时候,我们通常知道什么时候算做完了。但核对不一样:您不知道有没有错、错在哪儿、会以什么形式出现,自然很难判断查到什么程度才算够。
错误越隐蔽,越容易漏掉
这有点像机场安检,少见的威胁反而更容易被漏掉,因为检查的人很容易觉得“这种情况大概不会有”。AI如果帮您生成了超出自己判断能力的内容,核对的难度会更大。有研究发现,AI给出的推理过程能帮人发现简单题里的错误,却帮不上难题,而难题恰恰是最需要帮助的地方。
找到错误,只是另一轮修改的开始
发现一个错误,往往意味着要修正,然后再检查一遍。研究还发现,修复某个问题需要的工作量越大,人们就越不愿意真的去动手修。
查出来的东西越多“没问题”,人越容易松懈
核对很多时候什么也查不出来,这种“白忙一场”的感觉会消磨耐心。当AI大多数时候表现不错时,人就可能慢慢变得不那么警惕。这个现象在更早的自动化决策研究中就已经出现过。
工作重心正在从“做”转向“审”
综合起来看,很多知识工作者正在经历一种“技能交换”:过去靠动脑子产出内容,现在越来越多的精力放在判断内容靠不靠谱上。有调查显示,不少知识工作者也确实感觉自己的关键思考正在向核对环节转移。
但审核和创作是两套不同的能力,审核不一定更容易,也未必是擅长创作的人就天然擅长审核。所以小编认为,如果员工还要为AI辅助的结果负责,单位就应该给他们留出核对的时间、提供相应培训,并给予足够的判断权限。衡量效率时,也不能只看AI多快写出了初稿,更应该看整个“人加AI”的流程能不能用更低的总成本产出可靠的结果。
实用建议:自己也可以这样做
如果您平时也常用AI,可以先想清楚这件事“做到什么程度算完成”,再决定核对到哪一步。对于不熟悉的领域,优先核对关键结论,而不是逐字逐句较真。涉及时间、金额、法律条款、医疗建议等高风险内容,最好再通过权威来源做一次确认。把核对当成工作流程里的一个正式环节,而不是事后“顺便看看”,往往能省下不少心力。
常见问题(FAQ)
用了AI之后,为什么反而更累?
因为您要花精力判断AI的内容对不对,这份核对工作本身就有时间和脑力成本,还要一直保持警惕。
核对AI的答案,一定会降低效率吗?
不一定。关键在于怎么核对。如果没有划定范围,很容易陷入反复检查;如果先明确标准、把核对变成固定环节,整体效率通常会更稳定。
能不能完全不核对AI的输出?
对于重要的工作,不建议这样做。AI的错误有时会以非常自信的口吻出现,尤其是需要对结果负责的场合,核对仍是必要的一步。
哪些内容最值得重点核对?
涉及数字、日期、法律条款、医疗建议、金钱决策,以及您自己不熟悉领域的结论,都值得花时间确认。
本文参考 The Conversation 的英文文章改写,原文以知识共享协议转载,文中观点与研究引用均以原文为基础,由小编整理成中文。