见过一个内容团队用AI写初稿。生成很快，问题出在下一秒：编辑坐下来，先把开头两段删掉，再把中间的顺序调回来。剩下能用的部分，大概一半。他说这不是AI写得差，是“它不知道我们这篇要给谁看”。
这类场景见得多了，我逐渐觉得，人机协作的难点不在模型能力，而在交接点选在哪里。选错了，人不是在协作，是在给机器收拾。
把协作想成接力，往往一开始就错了
常见的设想是接力赛：机器跑前半程，人跑后半程。听起来合理，实际跑起来会发现，前半程的终点很难定。写一篇稿子，哪一句算“前半程结束”？检索完资料算吗？列完提纲算吗？
更麻烦的是，机器跑过的那段路，人还是得自己再走一遍才能放心签字。核对的成本如果高于自己动手，这种协作就是负收益——表面上省了时间，实际上把时间挪到了看不见的地方。
所以判断一个环节该不该交给机器，我一般看两件事：这个环节的产出能不能被快速验证；出错之后的代价由谁承担。前者决定效率，后者决定敢不敢用。
机器给的是选项，还是答案
界面上的差别很小，用起来的差别很大。同样是生成一段文字，只给一版成品，人要么全接受要么全推翻；给三版不同取向的草稿，人的动作就变成了挑选和拼接——这是两种完全不同的心理状态。
我更愿意把工具设计成给选项的那种。原因很朴素：人一旦开始挑选，注意力就回到判断上；一旦只能接受或推翻，注意力就跑到“它靠不靠谱”上，反而更累。让人机协作顺起来的关键，很多时候不在模型里，而在这种小小的交互设计上。
还有一点常被忽略：可回退。人在不确定的时候敢不敢动手，取决于能不能撤销。能给出一版、能退回去、能只改其中一句，人才会把机器当成同事而不是黑箱。
谁签字，这件事得先说清
技术之外，真正卡住落地的往往是责任。稿子发出去了，出了错，是写指令的人负责，是用的人负责，还是买工具的人负责？说不清，团队就会本能地不用，或者用了也不承认。
我见过的处理方式比较务实：把机器产出当成“未签字的材料”，任何对外的东西都要有人署名。这样一来，机器负责的是速度和覆盖面，人负责的是取舍和后果。分工清楚了，人机协作才不是一句口号。
也有反过来的情况。有些环节机器确实比人稳，比如格式转换、批量核对、从长文档里找出一句原话。这种时候让人去盯，反而是浪费。承认某些事该让出去，和坚持某些事不能让出去，是同一件事的两面。
回到那个删稿子的编辑。他后来改了流程：不让机器写整篇，只让它整理素材、列出几种可选的开头。删的动作少了，讨论的句子具体了。他说现在开着工具跟没开一样，因为注意力不在工具上。
我觉得这是人机协作比较好的状态——它不显眼，不制造“AI多聪明”的话题，只让具体的某一句话被改得更好一点。