很多人第一次真正意识到人机协作的存在,不是在发布会视频里,而是在自己改第三遍同一段文字的时候。屏幕上给出的版本语法正确、语气客气、结构清楚,但就是不像你写的。你删掉它,自己重写一遍,再把原稿丢回去让它润色。来来回回,半小时过去了。
这段消耗掉的时间,通常不会写进任何效率报告。
交接点比功能点更容易出问题
讨论人机协作,人们习惯先问“它能做什么”。这个问题当然重要,但它更像在挑工具,而不是在安排合作。真正决定事情顺不顺的,往往是交接那一刻:人给出什么,机器返回什么,人拿回来之后还要做多少。
一位做内容运营的朋友有个习惯,凡是交给模型写初稿的活儿,她都会先写三五行骨架,标明哪几句必须保留、哪几处不要扩写。她说,不给约束的话,改稿时间比自己写还长。她并不觉得模型笨,只是双方对“写得好”的理解不一样。
这一点常被低估。人默认对方能读出上下文里的潜台词,而模型只能看见你写出来的字。于是交接处的水分,全变成返工。
信任是一点点长出来的
人机协作还有一层,很少被拿出来讲:信任不是一次性给出的,而是从一次次小任务里积累的。刚开始,人会把结果逐字检查;用久了,发现某类活儿它确实稳,就放手一部分;一旦在某处出过错,检查又会变严。
这个过程看起来低效,其实很合理。人对同事也是这么建立判断的。区别在于,人可以从表情、语气、以往的口碑里获得线索,模型没有这些,只能靠使用者在心里慢慢画出一张能力地图,知道在哪里该复核,在哪里可以省事。
所以我不太相信“把人从流程里拿掉”这种说法。至少在眼下,人还在扮演校验和兜底的角色,而这部分工作并不轻松,也不该被算成免费。
责任留在谁手上
还有一个绕不开的问题:出了差错算谁的。工具不会背责任,签字的仍然是人。这一点决定了人机协作的形态——人必须保留否决权,也必须保留理解过程的能力。
我见过一种做法:把模型给出的建议当作第二意见,而不是结论。先自己形成判断,再看它怎么说,遇到分歧就回去查原始材料。这样做速度慢一些,但好处是人不会被带着走,也不会在出问题时说不出理由。
反过来,如果一个人完全不知道自己交出去的那部分是怎么被处理的,他其实已经退出了协作,只剩下接收。这种状态下,人机协作名义上还在,实际已经断了。
把磨合期算进成本
回到最初那个改稿的场景。半小时的来回,不是浪费,而是磨合的成本。任何合作关系都有这段,人和人之间有,人和模型之间也有。不同的是,前者通常被承认,后者常被忽略,好像只要工具够好,适应期就该消失。
我的判断是,接下来一段时间,人机协作的差别不在于谁用了更强的模型,而在于谁愿意认真对待这段磨合:把要求写清楚,把复核的地方定下来,把责任留在该留的地方。这些事不新,也不酷,但它们决定了合作能不能长久。
工具会换,习惯会留下。