哪些事情不该交给AI：划清个人边界

AI能够快速起草、总结、分类、比较和转换信息，因此人们很容易对每项任务都问同一个问题：

AI能做这个吗？

更有用的问题是：

这项任务的哪一部分应该仍由我来做？

模型也许能生成结果，却不一定适合替你作出决定。它无法承担专业责任，无法修复受损的人际关系，也无法了解每一项未说出口的限制，更不会察觉你正在逐渐失去仍然需要的技能。

因此，合理分工应从划清边界开始，而不是先列AI功能清单。

提供帮助不等于承担责任

大多数知识工作包含若干不同活动：

1. 收集信息；
2. 组织或转换它；
3. 生成选项；
4. 选择行动；
5. 沟通该选择；
6. 以及对结果负责。

AI在前三项往往有用。后三项需要更多谨慎。

例如，模型可以：

• 摘要访谈笔记；
• 识别重复主题；
• 建议若干人员配置选项；
• 或起草解释决策的消息。

这并不意味着它应选择雇用谁、决定解雇谁，或未经审核发送敏感消息。

输出可以来自模型，责任却不会随之转移。即使建议由模型生成，相关人员或组织仍然要对最终结果负责。

需要审视的四条边界

在委托有意义的任务前，使用四项测试。

1. 错误的后果

先问：如果输出错误、不完整、带有偏见或被人误解，会发生什么？

低后果任务更容易委托：

• 重排笔记格式；
• 提出议程标题；
• 生成练习示例；
• 或创建初稿核对清单。

更高后果的任务需要更强的人类控制：

• 决定某人能否获得金钱、工作、住房、教育或基本服务；
• 下达安全关键的指令；
• 为实际行动解释合同条款；
• 或回应严重的人事问题。

后果依情境而定。私下头脑风暴中的错字无关紧要。剂量、银行账户、截止日期或客户承诺中的同一错字则可能不然。

不要简单地给整类活动贴上“安全”或“不安全”的标签。应识别具体输出，以及它可能改变什么。

2. 责任归属

问一问：事后谁能对这项决策作出解释并为其辩护？

如果真实答案是“模型决定的”，就说明任务已经交出去太多。

对有实际后果的工作，先指定一位具名的人类负责人，再使用AI。该负责人必须能够：

• 理解相关证据；
• 发现薄弱或无依据的推荐；
• 拒绝输出；
• 解释最终选择；
• 并在造成伤害时纠正结果。

如果审核者缺少时间、权限、背景信息或相应技能，所谓审核就没有意义。点击“批准”不等于监督。

3. 关系

有些工作之所以有价值，正是因为对方能感受到你认真投入了注意力。

考虑：

• 给出困难反馈；
• 道歉；
• 认可出色工作；
• 在不确定中支持某人；
• 协商分歧；
• 或解释影响同事的决策。

AI可以帮助你准备。它可以整理事实、指出含糊句子，或建议你可能遗漏的问题。

但如果对方真正需要的是你的参与、判断和真诚回应，一封经过精心润色的生成式消息反而可能显得敷衍。如果信任取决于对方相信你认真听过，并亲自选择了措辞，就不要把整段交流交给AI。

4. 保留技能

把任务交出去，也会改变交出任务的人。

若AI总是执行某项技能，你练习它的机会就更少。对你刻意想停止做的任务，这或许可以接受。但如果你仍需要这项技能来完成以下事情，这样做就有风险：

• 监督模型；
• 在工具不可用时回应；
• 察觉异常案例；
• 教别人；
• 或在职业角色上继续成长。

这里存在一个简单的核实悖论：一项技能练得越少，你就越可能难以检查AI在该领域生成的内容。

先决定哪些能力必须保留。对于这些能力，应先自己尝试，再让AI提供反馈或进行比较，而不是一开始就让AI代劳。

用五个问题判断是否可以交给AI

在交出任务前，回答：

1. 糟糕输出最坏的合理结果是什么？
2. 谁对最终行动负责？
3. 那个人能否独立核实重要部分？
4. 完全委托是否会削弱与受影响者的信任？
5. 这是否仍是团队需要维持的技能？

然后选择四种模式之一。

这比“员工可以使用AI”或“AI不得作出决策”更实用，因为它明确指出任务流程中的边界究竟在哪里。

合理分工的示例

客户投诉

AI可以：

• 把问题归类；
• 找到相关政策段落；
• 或起草三种回应结构。

人应当：

• 判定实际发生了什么；
• 决定补救措施；
• 按关系调整语气；
• 并批准回应。

招聘

AI可以：

• 把已批准的岗位说明变成结构化面试计划；
• 去掉重复问题；
• 或格式化面试官笔记。

人应当：

• 决定什么证据重要；
• 调查不一致信息；
• 做出并解释决策；
• 并检查流程是否公平对待候选人。

学习技术技能

AI可以：

• 创建练习题；
• 审核一次尝试的解答；
• 或以另一种方式解释错误。

学习者应当：

• 在看到答案前先尝试检索记忆或解题；
• 在没有帮助的情况下复现解答；
• 并在新案例上测试技能。

重要的业务建议

AI可以：

• 把可用证据整理成结构；
• 暴露假设；
• 生成替代方案；
• 或采取刻意的对立观点。

决策所有者应当：

• 确认源数据；
• 调查实质性不确定性；
• 比较权衡；
• 并记录最终选择的原因。

制作个人边界表

创建表格，每个反复出现的用途一行：

不要只凭记忆填写这张表。还要询问执行、审核和接收这项工作的人。他们可能看到流程负责人忽略的后果或关系成本。

在以下情况后复审工作表：

• 重大错误；
• 工具或工作流变更；
• 新数据源；
• 核实结果的人变更；
• 或有证据表明人们正在失去所需技能。

用AI检查边界是否合理

AI可以帮助对这套规则做压力测试，但不能替你选择它：

充当流程风险审核者。

对下方任务，分开：
- 信息收集，
- 转换，
- 选项生成，
- 决策，
- 沟通，
- 以及问责。

对每个阶段，指出：
- 一种合理失败，
- 谁能发现它，
- 他们需要什么证据，
- 行动是否可逆，
- 以及哪项人类技能可能因反复委托而削弱。

不要替我决定可接受风险。
在做假设前先询问缺失情境。

[描述该任务]

把模型的回答当作讨论清单，而不是批准意见。

实际边界

在以下情况把任务更靠近人类：

• 出错后果严重；
• 决策影响他人的机会或权利；
• 审核者无法独立核实输出；
• 信任取决于真诚的注意力；
• 或任务锻炼未来判断所需的技能。

在以下情况更自由地使用AI：

• 任务可逆；
• 正确性易于核实；
• 模型在准备而非决定；
• 未暴露敏感情境；
• 且仍有具名的人对结果负责。

目标不是保留每一个手工步骤，而是让责任、人际关系和必要能力继续掌握在人手中，同时在真正有帮助的地方采用自动化。

如需更完整的六维生活与工作审查，以及人际关系和高风险判断中“保留 / 辅助 / 交给AI / 绝不交给AI”的示例，请参阅“委托审查：哪些事情必须由你负责”。