下午四点，一个人盯着屏幕，机器给出三条建议，他扫了一眼，选了第二条，点通过。两小时后，问题从下游冒出来。回头查，机器没错，人也没偷懒——错在中间那段谁都没说清楚的交接。
这类场景在办公室里越来越常见。工具变强了，流程却没有跟着变。我们把任务切成两段，一段给人，一段给机器，然后默认接缝会自动愈合。实际不会。
接缝处的信息，往往只存在人脑里
人做判断时依赖大量默会经验：这个客户的语气不对，这个数字好得不像真的，这份材料上周刚改过。这些信号很难写进提示词，也很难变成机器的输入。于是机器拿到的是一个被削平的世界，输出规整、干净，也可能偏离。
反过来，人看机器的输出时也有同样的断层。人不清楚它基于什么、漏了什么，只能凭结果像不像来判断。人机协作真正的成本，很大一部分就压在这个互相看不见的环节上。
快，不等于省
单看某一步，机器确实快。但一个流程的净收益，要看从发起到验收的整段时间，还要算上核对、返工和沟通。如果输出需要人逐条复核才能用，那么节省下来的时间很可能在核对环节又还回去。
所以判断一段人机协作是否成立，可以问一个很朴素的问题：如果它错了，谁会在什么时候发现？答不上来，说明验收环节还没设计好，速度就只是个漂亮的局部数字。
哪些活可以先交出去
有些任务适合先交给机器：结果可逆、试错成本低、有明确验收标准、出错后能快速回滚。这类活的容错空间大，人只需要在关键节点看一眼。
另一些则更适合留在人这边。原因在于责任没法转移，而不在于机器做不了。需要向他人解释、需要承担后果、需要现场判断分寸的事，最终还是要有人签字。把这类任务强行自动化，省下的是操作时间，增加的是事后补救的麻烦。
让它说“这里我不确定”
一个常被忽略的设计点：机器给出确定答案时，人容易放松警惕；机器主动标出不确定的地方，人反而会凑近看。愿意示弱的系统，表面上显得不那么自信，却给了人一个介入的入口。
人机协作的质量，很大程度上取决于这种坦诚。把不确定的地方圈出来，把依据摆出来，把“我可能漏了”说出来，人才能把注意力放在真正需要判断的地方，而不是平均地怀疑一切。
流程设计可以笨一点：先写下出错时谁在什么时候发现，再决定哪一段交给机器。把接缝留清楚，这件事本身就值得花时间。