一道反复出现的落差

过去两年, 大多数组织都做过同一件事: 把一个能力很强的模型接进现有流程, 然后发现结果远低于预期。这不是模型不够好。同一个模型, 在一个人手里能把三天的工作压到两小时, 在另一个团队手里却产出一堆需要全部重看的材料。

差别不在工具, 在过程。我们反复看到同样三种情形:

• 目标说不清。委托给模型的任务, 往往连人自己都没界定清楚——"整理一下这批资料"到底是要摘要、要分类、还是要找出矛盾之处? 目标含糊时, 模型会给出一个看起来合理的东西, 而合理与正确之间的距离, 要到很晚才暴露。
• 判断无据可查。模型给了结论, 人接受了, 但没有人记录当时为什么接受。三周后结论出了问题, 无从追溯是输入错了、判据错了, 还是根本没人真的判断过。
• 结果无法复盘。同一个任务换个人做、换个时间做, 得到的东西不一样, 而团队说不出为什么。于是每一次协作都是一次性的, 经验不积累。

这三件事有个共同点: 它们都不是模型问题, 而是协作过程的结构问题。而结构问题不会因为换一个更强的模型而消失——它只会被更强的模型掩盖得更久。

为什么是实验室, 而不是咨询公司或产品公司

我们考虑过另外两种形态, 都放弃了。

咨询公司的交付物是建议。建议的问题在于它不承担实现的后果: 一份方法论文档可以写得无懈可击, 而它是否可行, 要到别人动手时才知道, 那时提出方法的人已经不在场了。我们认为一个方法如果没有被自己实现过, 就不该被推荐给别人。

产品公司的问题正相反。产品必须收敛到一个确定的形态才能卖, 而收敛会压掉那些尚未有定论的问题——恰恰是这些问题决定了三年后什么是对的。一旦形态固定, 组织就有动力证明这个形态是对的, 而不是去检验它。

实验室这个形态保留了两者的必要部分: 它要求你动手实现, 又不要求你过早收敛。我们自己写代码、自己部署、自己维护, 因为只有实现过才知道一个方法在哪里会断; 同时我们保留说"这个方向此刻不值得做"的余地, 包括对自己已经投入过的方向。

这也意味着我们接受一种不对称: 研究的产出可能是"此路不通", 而这类结论没有商业价值, 却有真实价值。

"之间"是什么意思

弦影之间的"之间", 指的是我们工作的位置。

它不是人的一侧——我们不认为把 AI 当作纯粹的工具、由人全权决定一切, 是长期成立的姿态。也不是模型的一侧——我们不相信"给足够强的模型足够多的自主权, 好结果会自然出现"。

真正需要被研究的东西在两者中间: 人与模型交接的那些界面。目标如何被表述才能被准确接收, 判断的依据如何被记录才能被复核, 哪些环节必须保留人的决定权而哪些可以让渡, 一次协作结束后什么东西应该沉淀下来。这些都不属于任何一方, 它们只存在于两者之间, 也因此长期无人认领。

"弦影"是这个位置的另一种说法: 弦是振动的实体, 影是它投下的形。两者不是同一个东西, 但彼此决定。人与模型的关系也是如此——你无法通过只看其中一方来理解它。

我们打算怎么做

三件事, 按这个顺序:

1. 把过程变成对象。协作过程目前大多是隐性的, 存在于个人习惯里。我们把它显性化为可描述、可复现、可批评的方法 (见人机共创框架)。
2. 在真实约束下检验。方法只在真实项目里检验, 不在演示里检验。演示可以规避所有难处, 而难处正是方法要处理的东西。
3. 公开可复用的部分。结论、方法、失败案例, 能公开的都公开。这不是姿态——一个只在内部成立的方法, 通常意味着它依赖了某些没被说出口的条件。

我们不承诺这条路会走通。我们承诺的是: 走到哪一步, 就如实说到哪一步。

一个更具体的说法

"AI 会改变一切"这类说法没有信息量, 因为它无法被反驳。值得说的是具体在哪里变、哪里不变。

我们的判断是: 这一轮变化的核心不是自动化, 而是判断的可委托性。

自动化早就存在。过去两百年被自动化的是执行——重复的、规则明确的、结果可预期的部分。而知识工作之所以长期抵抗自动化, 不是因为它的执行难, 而是因为它的每一步都夹杂着判断: 这份材料相关吗、这个说法可信吗、这个方案在我们的处境里说得通吗。判断无法被规则穷举, 所以无法被写成程序。

现在判断——至少是一部分判断——可以被委托出去了。委托的结果不总是对的, 但已经好到值得认真对待, 且成本低到可以大量使用。这是一个结构性的位置变化, 而不是效率的提升。

什么因此松动了

知识工作的组织方式, 有相当一部分是建立在"判断不可委托"这个前提上的。前提松动, 建立在它上面的东西会跟着松动。

专业分工的边界会移动。 过去把一件事交给专业人士, 买的往往是两样东西: 判断力, 和执行的熟练度。当熟练度那一半的成本大幅下降, 分工的划法就得重来。这不等于专业消失——它意味着专业的定价基础从"会做"转向"知道什么时候做得不对"。

组织的层级逻辑会松动。 科层制的一个隐含功能是判断的分级过滤: 信息逐层上报, 每一层做一次筛选。当筛选可以在信息产生的地方低成本完成, 中间层的存在理由就需要重新论证。我们不认为层级会消失, 但它的理由会从"过滤信息"转向"承担责任"。

"经验"的含义会变。 经验过去主要意味着见过足够多的案例。模型见过的案例比任何人都多。所以经验的价值会向另一侧转移: 知道哪些案例不适用于眼前这件事——这依赖对具体处境的了解, 而处境恰恰是模型最缺的东西。

什么不会变

同样重要的是说清哪些不变, 否则容易把这一轮变化说得比实际更大。

责任不能被委托。 判断可以外包, 后果不能。一个决定造成的损失, 不会因为它是模型给的建议而减轻。这意味着无论自动化推进到哪一步, 链条的末端必须有一个能承担后果的人——而且这个人必须实际有能力否决, 否则"人在环内"只是形式。

目标仍然来自人。 模型可以在给定目标下寻找路径, 但它不能告诉你应该想要什么。组织要解决什么问题、愿意付出什么代价、什么结果算成功——这些是价值判断, 不是能力问题, 不会因为模型更强而被解决。

信任仍然要靠可核查性建立。 人对人的信任可以靠长期共事积累, 对模型则不行——它没有稳定的人格, 每一次输出都是独立的。所以对模型输出的信任只能来自另一条路: 过程可追溯、依据可复核、错误可归因。这恰恰是当前大多数落地实践最薄弱的地方。

因此, 我们关心什么

如果上面的判断成立, 那么值得投入的不是"如何用上 AI", 而是如何在判断可委托的条件下重新组织工作: 哪些判断可以让渡, 让渡时需要留下什么记录, 人的否决权落在哪个环节才有效, 一次协作的经验如何沉淀成下一次的起点。

这些问题都还没有稳定答案。我们把它们当作研究对象, 而不是当作已经解决的问题去销售。

一个容易被跳过的前提

大多数人机协作的讨论直接从"怎么用"开始: 提示怎么写、工具怎么接、流程怎么排。但在这些之前有一个更基本的问题——双方是否在谈同一件事。

共频指的就是这个前提: 人与模型对当前任务达成了可对齐的理解。它不是让人去迁就模型的表达方式 (把话说成"提示词"的腔调), 也不是让模型模仿人的语气。它要求的是三样东西上的一致, 而且这一致必须可检验——即能指出在什么情况下它不成立。

三个必须对齐的东西

一、目标。 不是任务的名字, 而是完成的样子。"整理这批访谈"不是目标; "从这批访谈里找出受访者对同一问题给出相互矛盾的说法, 并标出矛盾点"才是。前者可以有一百种交付, 后者只有一种。检验方式很简单: 如果你无法说出"什么样的产出算没完成", 目标就还没说清。

二、边界。 哪些东西不能动、哪些假设不能引入、哪些信息不在范围内。边界之所以关键, 是因为模型倾向于补全——遇到信息缺口时它会给出一个合理的填充, 而合理的填充和真实的信息在文本上不可区分。明确说出"这里不知道就写不知道", 与不说, 产出的可靠性差别很大。

三、判据。 凭什么判断产出是对的。判据必须在动手之前定, 不能在看到结果之后定——否则你只是在为已经拿到的东西找理由。这是共频里最容易被省略的一项, 也是省略后代价最大的一项。

共频不是一次性的

一个常见误解是把共频当成开场的一段说明: 说清楚了, 后面就顺了。实际上它会在过程中持续漂移。

漂移通常这样发生: 任务推进到中途出现了一个开始时没预料到的情况, 模型基于自己的理解处理了它, 而这个处理隐含了一个人没同意过的判断。此后所有的产出都建立在这个判断上, 但没有人知道。等到发现时, 往往要回退很远。

所以共频需要周期性重建: 在关键节点上把当前的理解重新说一遍, 特别是把"我们现在假设了什么"说出来。这件事看起来啰嗦, 但它的成本远低于事后回溯。

怎么知道共频成立了

三个可操作的检查:

• 复述检查。让模型用自己的话说一遍任务和判据。如果复述里出现了你没说过的限定, 那就是它补上的; 如果丢了你强调过的东西, 那就是没接收到。
• 反例检查。问它"什么样的产出会不满足要求"。答不上来, 说明判据没有真正传递——判据的本质就是能划出反例。
• 分歧检查。在你已经有结论的问题上问它。如果它给出不同答案而理由值得考虑, 共频是有效的; 如果它总是附和, 那不是共频, 是回音。

★ 最后一条尤其值得注意。一个总是同意你的协作者不会提高你的判断质量。当模型被调教得过度顺从时, 表面上协作很顺畅, 实际上你失去了它本可以提供的最有价值的东西——一个不共享你盲区的视角。

与共创的关系

共频是前提, 不是目的。它本身不产生任何东西, 它只是让接下来的工作有可能是共同的。没有共频而直接进入产出, 得到的是轮流输出——人给一段, 模型给一段, 拼起来看着完整, 但没有任何一处是双方共同想清楚的。

共频之后才谈得上共创。

一个可以证伪的定义

"共创"是个被用滥的词, 大部分用法等于"我们一起做了这个"。这样的定义没有区分力, 因为它无法排除任何情形。

我们用一个更窄、可以证伪的定义: 共创是双方都对结果有实质贡献, 且贡献可以被区分。

判据是一句话: 拿掉任一方, 结果会明显不同。

按这个判据, 两类常见情形都不算共创:

• 人提要求、模型执行。拿掉模型, 结果会慢, 但不会显著不同——因为所有的判断都是人做的, 模型只是加速了执行。这是使用工具, 不是共创。
• 模型生成、人润色。拿掉人, 结果会粗糙, 但骨架不变。这是校对, 也不是共创。

真正的共创里, 有些结论是人不会独自到达的, 也有些是模型不会独自到达的, 而最终产物依赖两者。

过程的形状

共创不是一团混合, 它有可辨认的结构。我们把它拆成四个动作, 它们通常循环发生:

1. 提出。 任一方给出一个初始方案或方向。这里模型的优势是广度——它能在短时间内给出多个互不相同的切入角度, 包括人因为熟悉而不会考虑的角度。人的优势是知道哪些角度在当前处境下根本不可行。

2. 施压。 对提出的东西找漏洞。这一步双向进行: 人质疑模型的推理链条 (特别是那些"看起来对"的过渡), 模型检验人的假设是否在其自身逻辑内自洽。★ 这一步最容易被省略, 因为它不产出任何东西, 只消解东西。省掉它, 后面所有工作都建立在未经检验的前提上。

3. 收敛。 在经过施压后仍然站得住的选项里做选择。这一步的决定权必须在人手里——不是因为人判断更准, 而是因为选择意味着承担后果, 而模型不承担任何后果。

4. 固化。 把这一轮得到的东西写成下一轮的输入: 结论、被否决的选项及否决理由、仍然存疑的部分。没有这一步, 每一轮协作都从零开始。

什么必须留在人这边

上面第 3 步已经说了一半, 这里说全。三类东西不能让渡:

价值判断。 什么算好、愿意付出什么代价、在冲突的目标间怎么取舍。模型可以陈述不同取舍的后果, 但取舍本身是立场问题, 不是能力问题。

对处境的判断。 一个方案在抽象上成立, 不代表在这个组织、这个时点、这些人手里成立。处境的多数信息从未被写下来, 模型无从获得。

终审。 链条末端必须有一个能否决的人, 而且必须实际有能力否决——这意味着他要能看懂产出是怎么来的。如果产出的推导过程无法被追溯, 那么"人在环内"就只是形式: 他能签字, 但不能判断。

一个常被忽略的成本

共创比单独工作更费人的注意力, 至少在前期。因为它要求你把原本隐性的判断说出口——目标、边界、判据、否决理由。这些东西在一个人做事时可以留在脑子里, 在共创里必须外化。

这个成本是真实的, 也是值得付的: 外化出来的东西可以被复核、被复用、被别人接手。但如果一个团队只想要速度, 不愿意付这个成本, 那么诚实的做法是承认自己在用工具, 而不是宣称在共创。

方法层面的展开见人机共创框架。

先说数学上的定义

拐点 (inflection point) 是曲线改变凹凸方向的那一点。在它之前曲线向一侧弯, 在它之后向另一侧弯。

有一个常被混淆的地方值得先澄清: 拐点不是极值点, 也不是增长最快的点。在拐点处, 曲线本身可能仍在上升, 上升的速度甚至可能达到最大; 变化的是加速度的符号——增长从"越来越快"转为"越来越慢", 或者反过来。

这个区分不是学究气。它决定了你在拐点处会观察到什么: 你看不到任何戏剧性的事件。数值仍在变好, 团队仍在推进, 没有任何指标崩塌。改变的是趋势的二阶性质, 而二阶的东西人眼很难直接察觉——通常要到很久以后, 回头画出整条曲线, 才看得出来那一点在哪里。

品牌名与站点上那个几何标记指的就是它: 两条曲线在中心交汇, 而后各自转向。

组织与 AI 的关系里, 拐点长什么样

我们观察到的转折, 大致有三类。它们的共同点是: 不是能力的跃升, 而是关系的重新定义。

第一类: 从"用它做完"到"用它想清楚"。 早期使用几乎都是执行导向——写初稿、做摘要、生成代码。这个阶段的收益是线性的, 且很快触顶, 因为执行本来就不是瓶颈。转折发生在某个时刻: 有人开始用它来检验自己的想法, 而不是产出自己已经想好的东西。此后收益的来源变了——不再来自省下的时间, 而来自避免的错误。

第二类: 从"个人技巧"到"团队资产"。 起初总有少数人用得特别好, 而这种好无法解释、无法传授。转折点是这些隐性技巧被外化成可传递的东西: 判据被写下来, 失败案例被记录, 一次协作的产出成为下一次的输入。跨过这一点, 能力开始随人数增长; 没跨过, 它永远是几个人的事。

第三类: 从"人审所有"到"人审关键"。 一开始所有输出都要人逐字检查——这是对的, 因为还不知道它在哪里会错。转折发生在错误模式被摸清之后: 团队知道哪些环节风险高、哪些环节稳定, 于是把审查集中到高风险处。★ 危险在于, 这个转折很容易在没有依据的情况下发生——不是因为摸清了错误模式, 而是因为审查太累了。两者外观完全相同, 后果差别巨大。

怎么知道自己正处在拐点

既然拐点在当下难以观察, 那么可用的只能是间接信号。我们用四个问题自查:

1. 收益的来源变了吗? 如果省下的时间不再增加, 但错误率在下降, 说明关系已经从执行转向判断。
2. 好用法能被复述吗? 如果团队里用得好的人能说清自己做了什么, 而不是"感觉这样问比较好", 说明隐性技巧正在外化。
3. 你能说出它在哪里最容易出错吗? 说得出, 说明错误模式已被摸清; 说不出而审查已经放松, 那不是拐点, 是懈怠。
4. 回退是否还可能? 如果现在拿掉这套协作方式, 工作能否回到原来的做法? 如果不能, 说明流程已经重构过了——这本身就是拐点已经过去的标志。

拐点能不能被设计

我们的工作假设是: 可以被促成, 不能被强制。

不能强制, 是因为拐点的实质是理解方式的改变, 而理解不能被安排进日程。可以促成, 是因为上面三类转折都有明确的前置条件——判据被显性化、失败被记录、错误模式被统计。这些条件可以被有意创造。

创造条件而不强求发生, 是我们做方法工作的基本姿态。这也是我们把研究与方法放在一起的原因: 研究负责识别哪些转折是真的, 方法负责把促成它的条件变成可操作的步骤。

为什么不做预测

关于人机协作的未来, 市面上的说法主要分两类: 一类描述一个能力持续跃升直至接管一切的图景, 一类描述一个泡沫破裂后回归常态的图景。两者都不可证伪, 因为都没有说清在什么时间、什么条件下可以判断它错了。

我们不加入这个争论。下面给三个判断, 每一个都标明把握程度, 并说明什么样的观察会推翻它。这是我们能诚实做到的最大程度。

判断一: 协作的瓶颈会长期停留在接口层 (把握较高)

模型能力仍在提升, 但组织能从中获得多少, 取决于人与模型之间的接口——目标如何表述、依据如何记录、责任如何划分。这些都不随模型能力提升而自动改善。

理由: 过去两年模型能力的提升幅度远大于组织获益的提升幅度。如果瓶颈在能力, 两者应该同步。

什么会推翻它: 出现一类系统, 能够在没有人明确表述目标的情况下, 从组织的既有材料中可靠地推断出目标与判据, 且推断的错误可以被廉价地发现。若如此, 接口问题就被内化了。

判断二: "人在环内"会大范围地退化为形式 (把握中等, 且我们不希望它成真)

保留人的审查权是当前几乎所有规范的共识。但审查要真正有效, 需要审查者能看懂产出是怎么来的; 而随着协作链条变长、中间步骤变多, 这个条件会越来越难满足。

结果很可能是: 制度上人仍在环内, 实质上他只能选择"通过"——因为否决需要理由, 而他给不出理由。

理由: 这不是新现象。复杂系统里的签字权退化为形式, 在金融风控与安全审查中都反复发生过。

什么会推翻它: 出现一套被广泛采用的可追溯规范, 使得任一产出都能被廉价地还原到它所依据的输入与判断。★ 我们把这件事当作值得投入的方向, 而不是坐等结论。

判断三: 分化会加剧, 而分化线不在技术投入上 (把握中等)

同样接入同一批模型的组织, 差距会拉大而不是缩小。但拉开差距的不是谁买了更多算力或更贵的系统, 而是谁把协作过程做成了可积累的东西。

理由: 能力可以购买, 因此不构成长期差异; 而过程性资产——判据、失败案例、可复用的方法——只能积累, 无法购买。

什么会推翻它: 如果通用系统能够直接吸收一个组织的历史材料并复现其判断标准, 那么过程性资产也变得可转移, 分化会重新收敛。

我们不知道的事

诚实地列出来:

• 能力提升的曲线形状。它会继续陡峭还是趋于平缓, 我们没有判断依据, 也不认为有人有。
• 人对委托的适应速度。人放弃自己做判断的速度, 可能比能力提升快得多, 也可能慢得多。这取决于文化与制度, 而非技术。
• 可追溯性的成本能降到多低。判断二能否被推翻, 很大程度上取决于这个数字, 而目前没人知道它的量级。

因此我们做什么

在这种不确定下, 押注某个未来图景是不理性的。可理性做的是: 把在多种未来下都成立的东西做扎实。

无论能力如何演进, 一个可追溯的协作过程都比不可追溯的好; 无论人机边界如何移动, 明确的判据都比含糊的强; 无论组织形态如何变化, 能被复核的判断都比不能的可靠。

这些不依赖对未来的赌注。这也是我们方法工作的全部内容。

未来由这些选择累积而成, 不由预测决定。