一份材料初稿由模型生成后，屏幕上的光标停在第三段。人没立刻往下读，而是回头核对前面的设定。这个动作很短，短到流程图上通常不会画出来，却决定了后面的修改是否值得。讨论这类协作时，人们容易盯着生成速度，忽略这十秒里的判断：哪一句能直接用，哪一句需要追问，哪一处必须由人接手。
交接处的摩擦
把AI放进工作流，不等于把任务整段丢给它。更常见的情形是任务被切开：人给出背景和约束，模型给出草稿或备选，人再做筛选、补证和定稿。交接次数一多，摩擦就出现了。提示词写得含糊，返回内容看似完整，实际缺少关键条件；人若直接采用，返工成本会后移；人若每句都查，节省的时间又被吃掉。
所以，人机协作的难点往往不在模型会不会写，而在交接面是否清楚。哪些信息必须由人先补齐，哪些输出必须附带依据，哪些环节允许模型先跑一遍，这些约定比换一个模型更影响日常体验。界面也有关系：如果系统只给一段不可追溯的文本，人就得凭感觉判断；如果能把引用、改动和不确定处摆出来，人的停顿会更有方向。
信任需要校准，而不是站队
有人把信任理解成“敢不敢用”，其实它更像一个调节旋钮。任务风险低、可逆性强时，人可以放宽检查，让模型多做几步；涉及对外发布、对外表述或关键决策时，检查就应收紧。问题在于，很多团队没有把这个旋钮显性化，导致两种极端并存：一种是把AI当搜索引擎，复制结果就交差；另一种是每段都重写，最后只剩一个昂贵的输入框。
校准信任需要反馈。人改了什么、为什么改、哪类错误反复出现，如果能沉淀到下一次协作里，模型和人都会更省力。这里不必追求全自动，人工标注几处关键差异，往往比堆叠大量泛泛评价有用。人机协作的质量，常常取决于这些小幅修正是否被看见。
责任不能跟着光标走
还有一层常被绕开：谁对结果负责。模型可以给出建议，但不能替人承担发布后的后果。因此，流程里需要明确“最后确认”的位置，而不是让责任散落在每一次复制粘贴中。对编辑、设计或运营岗位来说，这意味着把审阅从形式动作变成有记录的判断：改动理由、核查范围、剩余风险，至少要有人能说清楚。
这听起来增加了负担，实际上是在减少隐性返工。人机协作不是把人从流程里拿掉，而是把人放到更需要判断的位置。模型擅长铺开可能性，人负责收束目标、处理例外、承担选择。把这两件事混在一起，效率会短暂上升，随后被反复修改拖回去。
留出可停顿的空间
回到开头那十秒。它不是流程的浪费，而是协作的接口。好的工具不会逼人无条件接受输出，也不会把每个动作都变成审批；它会让人在需要时停得下来，在不需要时顺畅通过。企业引入AI时，与其只问能生成多少内容，不如问一句：人在哪里接手，接手时能看到什么，改完之后留下什么。
人机协作的成熟度，大概就藏在这些不起眼的停顿里。光标继续往下走之前，那几秒的核对和犹豫，才是人仍然在参与的证据。