假设你要把一场项目会议整理成材料。原本要写半天的东西,交给 AI,几分钟就有了三个版本。标题齐整,段落也通顺,看起来只需选一份。
可三份摊在面前,事情又没那么简单了。这份背景讲得细,那份结论更醒目,还有一份看起来很适合安排工作。你得读懂它们、核对事实,再向同事解释为什么留下其中一个。键盘终于歇了,脑子却未必能下班。
再来几个版本,谁来读完
“反正很快,都做出来看看。”这个念头很容易理解。过去,三个版本意味着多写不少时间,我们多少会先问为什么需要三个;现在,顺口加一句就行。单份材料做得快了,等着人处理的材料却可能变多。
多看几种可能当然有用,尤其在方向还没想清的时候。只是每多一个候选,就多了一份需要看懂、核实和比较的东西。打印机每分钟多印几十页,会议室里的人也不会因此多达成几十个共识。
如果三份材料提出了不同的做法,交代各自需要的资源、期限和代价,读完就有机会作出选择。如果它们只是在轮流换形容词,读到最后才会发现,原来没有三个不同的方案可选。稿子多了,决定还在那里等着。
也可以让 AI 先归纳差异、筛掉一些候选。不过,比较总得有标准:这次更在意速度,还是风险?需要完整交代背景,还是让某位读者迅速作决定?标准不清楚,把三个版本再交回模型选一次,仍然是在请它替我们猜。
当然,目标清楚、需要的稿子数量不变,关键内容也容易核实时,写得快就能省下时间。《Generative AI at Work》在客服场景中发现,AI 辅助的影响随员工经验和技能而异,经验较少者受益更明显。[1]
这项研究让我更在意,原来的工作究竟难在哪里。如果困难主要在组织语言,AI 可以直接帮上忙;如果还没想清要作什么决定,多几份稿子就未必省事。后面这种审核负担,是我根据这里的任务作的推演,不能算作那项客服研究的结论。
这份材料,究竟拿去做什么
眼前这三份稿子,也可能各自在做不同的事。
有人希望缺席者知道会上讨论过什么,有人想据此安排后续工作,还有人要判断项目值不值得继续。给缺席者看,要交代背景和分歧;安排工作,要写清决定、负责人和未决事项;判断是否继续,则要看已经获得什么证据、还有哪些条件没有满足。同一段录音,确实可以写出三份不同的好材料。
可如果一开始只说“整理得专业一点”,模型就得猜该为哪种用途写。结果每份都结构完整,我们却觉得哪份都差一点。那一点未必藏在措辞里,可能是自己也还没弄清:谁要拿着它,去做什么?
用途没说清,模型只好各猜一种,再由审核者一处处纠正。原本写任务要求时就该想的事,拖到了读稿时。先弄清这份材料要支持什么决定,哪些背景该展开、哪些结论必须带着条件,也就容易说明白了。
会议确定了什么、还有什么没决定,也要说清楚。会上没定负责人,表格里多出一栏,这个人也不会自然出现。至于版式和措辞,可以让模型自行处理,不必每个标点都交代。影响含义和后果的事说明白了,才有余地把其他选择交出去。否则,人刚放下笔,又得逐项批准它怎么写。
那句不够漂亮的话,为什么要留下
继续看这份假设中的材料。如果它要用于讨论是否扩大试点,就得仔细读一句话:“试点已完成,推广效果待观察。”某个版本把它改成了“全面实现突破”。
后一句更有气势,却把完成试点和证明推广有效合在了一起。我们有时管这叫润色,仿佛事实也应该配合文章,显得精神一些。
读者可能据此以为扩大的条件已经满足。讨论于是从“还需要了解什么”,走到了“什么时候开始”。一句话改变了大家对证据的理解,接着可能影响资源安排和承诺。删不删它,已经不只是喜欢哪一种文风。
我理解的品味,也包括看出这种变化,说明为什么朴素的那句话更合适。只说“感觉不对”,别人下次还是不知道怎么改;说清完成试点还不能证明推广有效,大家就能回头核对依据。喜欢哪种文风可以商量,缺的证据却不能靠措辞补上。
就算事实都核过了,也未必只有一种合理选择。试点可以扩大得快些,也可以先维持较小范围,要看期限、能否撤回,以及相关的人能承受什么代价。换了这些条件,同一组事实也可能支持另一个决定。所以读到“综合来看,建议采用”,我会想再看一眼:它考虑了什么?漏掉的条件,最后要谁来承担?
程序可以检查字段,AI 可以比较版本、寻找依据,不必让人把所有步骤重做一遍。有争议的选择,再交给有相应知识和权限的人处理。但他需要看清依据;只在最后加一个“确认”按钮,省不掉判断要花的工夫。
我在《AI时代的人机协同之道》这门课里,用物质、能量和信息讨论技术怎样改变工作。这个教学框架的几个阶段彼此重叠,并不代表历史一定照着它走。
这份材料让我想到的,是理解用途、交代要求、挑选表达和作出决定怎样互相影响。一处用途没说清,可能多改几轮;一个条件被删掉,可能改变别人的决定。这是整理和使用信息时会遇到的事,身体技能、照护、关系和现场协调等工作,还得另外讨论。
答案来得更快,确实可以让我们少写一些字。想让工作也轻松一点,有时得先说明白这份材料拿去做什么;有时,只需把“推广效果待观察”这句不够振奋的话,好好留着。
阅读补充
参考与延伸
- Erik Brynjolfsson、Danielle Li、Lindsey Raymond:Generative AI at Work
客服场景的原始研究,提供了不同经验与技能群体受到不同影响的证据。
修订简记
补充了生成提速可以直接省时的情形:目标清楚、输出数量稳定,关键检查也容易完成。
从认识 AI,到作出自己的判断。
可以顺着读,也可以从眼前的问题开始。