周三下午,一位编辑把四十分钟的会议录音转写交给模型,要求压缩成三百字。半分钟后,屏幕上出现了四个版本,措辞都还算通顺。接下来的四十分钟,他做的事是:删掉两段没人认领的讨论,把一句被改写过的原话改回去,翻出录音确认某个数字是三十万还是三百万。
生成答案的那半分钟很显眼,后面那四十分钟不太被提起。但如果要谈人机协作,真正的内容几乎都发生在后面这段时间里。
它给的是候选,不是答案
模型的输出更像一份草稿清单,而不是一个结论。它不知道这份纪要会给谁看、出错时由谁承担责任、哪句话在会上其实带着情绪。这些信息不在提示词里,也很难完整写进去。
因此,协作的实质往往不是「让它写」,而是「从它给的东西里挑」。挑的动作看起来轻,实际上承担了全部责任:留下来的那句话,署名是人。
核对的成本,很少有人细算
有一类任务,核对成本很低。把一段话改顺、把表格转成清单、把长文压缩——好坏一眼能看出来,改两笔就能用。这类协作顺畅,人的角色接近编辑。
另一类任务,核对成本很高。涉及具体数字、内部规定、外部事实的表述,人得逐条回溯来源。麻烦就在这里:如果核对花的时间超过自己动笔的时间,协作就没省下什么,只是把工作从「写」挪到了「查」。
判断一个任务值不值得交给模型,可以先问一句:出错之后,我要花多久才能发现?答案越长,越该谨慎。
界面的小决定,也在分配角色
同一个模型,交互方式不同,人的位置也不同。
- 只给一个答案,人就成了审稿者,要么接受,要么重来。
- 一次给三个方向,人就成了挑选者,判断变得更粗,但选择变多。
- 在拿不准的地方标出来,人就知道该往哪儿看,注意力被引到真正需要的地方。
这些设计不改变模型能力,却实实在在改变了人和机器各自承担什么。人机协作的手感,很多时候就由这些细节决定。
判断力是会钝的
还有一层容易被忽略:挑选这件事做久了,自己动手的能力会慢慢退。原因不是技术替代了人,而是练习的机会被让了出去。写第一稿、搭结构、找那句话的准确说法,这些活儿费劲,却也恰好是训练判断力的地方。
一个不算复杂的办法是分工:把耗时的、机械的部分交出去,把需要定调的部分留给自己。哪怕只是一段开头、一个标题、一处结论,自己先写一版,再拿模型给的版本比对。比对的过程,是人机协作里最实在的一段——不是它替你写完,而是你更清楚自己要什么。
下次打开对话框之前,可以先想清楚一件事:哪一步无论如何要留给自己。想清楚了,协作才有边界;没有边界,人容易从参与者变成签收人。