夜间模式 切换到宽版

 找回密码
 注册

QQ登录

只需一步,快速开始

搜索
查看: 98|回复: 5

[科技新闻] 为什么我们用AI反而更累了?麻省理工最新研究:因为我们都用错了

[复制链接]
  • 打卡等级:功行圆满
  • 打卡总天数:805
发表于 2026-5-27 20:12 | 显示全部楼层 |阅读模式

马上注册,查看更多内容,享用更多功能,让你轻松玩转社区。

您需要 登录 才可以下载或查看,没有账号?注册

×
“怎么用了AI之后,我反而觉得更累了?”



前几天,一位朋友跟我疯狂吐槽:“以前写份策划案,我自己理顺思路,半天也就写完了。现在倒好,我让AI帮我写,它10秒钟是生成了一大堆,但我得花半个小时去核对数据、修改病句、纠正它一本正经的胡说八道。这哪是人工智能,这简直是我招了个需要手把手教的笨实习生!”


我猜,肯定有不少人也有同样的感受。


过去这两年,我们被铺天盖地的AI神话包围,总觉得它能一键包办所有工作。但真到了实际打工的日常里,AI却经常变成一个打断心流的麻烦精。到底是我们太笨,还是AI太蠢?


最近,麻省理工学院(MIT)、耶鲁大学和微软的研究人员联合发表了一篇名为《任务链式处理与工作的重新定义》(Chaining Tasks, Redefining Work: A Theory of AI Automation)的重磅论文。


这篇论文一针见血地指出了问题所在:如果我们只把AI当成提升单个任务效率的工具,那我们就完全限制了它的真正价值。


今天,我们抛开晦涩的算法参数,直接用大白话聊聊这篇论文揭示的残酷真相:为什么我们的AI不好用?以及,AI到底该怎么用?



致命的交接成本

绝大多数普通人是怎么用AI的?


以写一篇文章为例:构思大纲(人) ➔ 生成草稿(AI) ➔ 修改润色(人) ➔ 校对错别字(AI) ➔ 排版发布(人/AI)。


发现问题了吗?在这个工作流里,人类和AI在不断地来回交接。


论文中指出,这种按任务来使用AI的方式,隐藏着一个巨大的黑洞:协调与验证成本


每一次工作从AI交回到人类手里,我们都需要进行阅读、审核、验证和调整。在这个过程中,我们的思路是被打断的,我们的注意力是被极度消耗的。很多时候,人类给AI擦屁股和审核把关的时间,早就抵消了AI帮我们省下的时间。


这就是为什么我们总觉得用AI像在带实习生,因为我们把工作切得太碎了,导致人机沟通和监督的成本急剧上升。
1.webp

真正的魔法:任务链式处理(Task Chaining)

既然单打独斗不行,那该怎么办?研究团队提出了一个极其关键的新概念:任务链式处理(Task Chaining)


我们应当把工作看作一条完整的流水线,打破孤立看待单个任务的习惯。企业和个人真正应该做的,是将多个相邻的任务打包串联起来,让AI一口气从头跑到尾,中间不需要人类插手,人类只负责在最后一步验收最终成果。


论文中举了一个非常生动的例子:讲课与辅导
这两个工作看起来很像,但被AI改造的潜力却天差地别。



  • 讲课(Lecture-based teaching): 老师备课的工作流是连续的——查阅资料 ➔ 制作PPT ➔ 生成教学案例。这些任务相邻且连贯。我们完全可以把这一整条任务链丢给AI,让它直接吐出一份完整的教案,老师只做最后的审核。这种效率提升是爆炸性的。
  • 辅导(Tutoring): 辅导是一个持续互动的过程——老师讲解 ➔ 学生提问 ➔ 老师根据反馈调整。在这个过程中,机器和人(学生)在不断地交接,任务被严重打碎。因为无法形成完整的任务链,AI在这里能发挥的自动化价值就非常有限。


这就引出了一个颠覆认知的新工作设计原则:任务的排列方式,和任务本身能不能被自动化一样重要。 我们的工作能不能被AI赋能,往往取决于我们能不能把适合AI干的活儿,毫无缝隙地拼在一起。


案例解析:一条没有人工干预的自动化流水线

其实,在看到这篇论文之前,我在实战摸索中也得出了完全一致的见解:想要真正发挥AI的威力,就必须干掉人机交互的高昂摩擦。


基于这个洞察,我设计并开源了一套“小红书图文生成工作流”。过去做一篇图文,我需要自己找资料、让AI写文案、自己排版、再让AI配图,中间无数次沟通修改,这就是典型的“高摩擦”工作流。


为了彻底干掉人机交互的摩擦,我将整个流程进行了“最小步骤拆解”,设计了 1个总控 + 4个独立的执行模块



  • 信源采编器:用脚本锁死爬虫逻辑,只负责去网上扒内容、提干货,杜绝AI乱编新闻的幻觉。
  • 商业写作器:拿到干净的底稿后,AI只需专注一件事——根据预设网感提炼标题、生成带Emoji的爆款文案。
  • 配图生成器:把调用画图API和保存文件的机械流程用代码写死,AI只负责发散脑洞、构思绝美画面的提示词。
  • 飞书审阅入库器:最后用脚本将图文自动打包,规规矩矩地推送到多维表格里。


在这条精心设计的任务链里,1个总控脚本盯着这4个独立模块按顺序跑。上一个模块的产出直接自动喂给下一个模块,中间没有任何人类插手的余地。 复杂的机械执行被代码关进了SOP的笼子里,而AI最擅长的创意与理解力被无限放大。


只需要在源头扔进去一个链接,然后在终点端着咖啡,在飞书里点个头确认发布就行了。这就完美实现了论文中提到的极致系统效率:消除摩擦,减少交接。
2.webp



你可能会问:这套流水线跑起来,真的每一环都比人工做得好吗?比如,写出的文案一定比老练的编辑更有网感吗?


这就引出了这项研究中最反直觉,但也最震撼的发现:


系统效率 > 局部完美

很多老板和完美主义者可能会跳出来反驳:“AI干活不精细啊!在收集数据这一步,我手下的老员工比AI做得好多了,凭什么要把整条线交给AI?”


答案是:AI并不需要在每一项具体任务上都超越人类,才能创造巨大价值。


为什么?因为如果我们让那个老员工去收集数据,这条AI任务链就被打断了。数据收集完,又得经历一次人机交接,增加一次验证成本。


论文明确指出,就算人类在某些中间环节比AI做得更好,把整条任务链全权交给AI,依然是更优解。


让AI从头到尾独立处理,能彻底消除摩擦,减少交接环节,极大地加速整体产出——哪怕中间某个环节的质量略微下降了一点点。因为我们省下的是极其昂贵的人力协调时间。


这就好比当年亨利·福特发明汽车流水线。流水线上的工人,单独拉出来可能不如传统的全能老工匠手艺精湛,但作为一条连续的系统,流水线的降维打击是毁灭性的。在AI时代,系统层面的极致效率,永远大于任务层面的局部完美。


工作正在被重新定义

历史上,我们对“职位”的定义,是基于人类的生理和脑力极限来打包任务的。但AI正在重写这个方程式。


论文提到,在AI引入的早期,因为我们需要购买工具、学习提示词、忍受高昂的交接成本,AI带来的收益甚至可能覆盖不了成本(这就是著名的生产力 J 曲线)。


但只要跨过了那个临界点——当我们彻底突破AI只是打字机的局限,开始围绕AI重新设计整个工作流时,真正的红利才会爆发。


在这个过程中,传统的打字员、执行者角色将被大量压缩。未来的工作,重点将转变为比拼谁能更好地设计流程、谁的洞察力更强,纯粹比拼谁敲代码更快或者谁写PPT更熟练的时代已经过去。


如果我们能把繁琐的日常任务连成这样一条条全链路的AI任务链,我们就能腾出手来,去承担更多需要复杂判断力、战略决策和情感共鸣的高价值工作。一个人加上一套严密的自动化工作流,就能干完一个团队的活。


所以,别再问“AI怎么才能帮我更快地完成眼下这个任务”了。


我们真正该问的是:“我们该如何通过拆解和串联,把工作流打造成一条无需人工干预的AI流水线?”


从工厂的马达到墙上的插座,技术的演进从未改变。世界正在发生巨变,AI的能力已经足够强大,只是我们给它安排的工位,实在是太小了。
  • 打卡等级:功行圆满
  • 打卡总天数:805
发表于 2026-5-28 00:12 | 显示全部楼层
文章中指的AI工具是哪些?是deepseek这种?
回复 支持 反对

使用道具 举报

  • 打卡等级:功行圆满
  • 打卡总天数:805
发表于 2026-5-28 07:11 | 显示全部楼层
莫名其妙,都已经提到搜索的数据不准确,还扯一大堆让ai从头到尾完成任务,一错到底呗?
回复 支持 反对

使用道具 举报

  • 打卡等级:功行圆满
  • 打卡总天数:805
发表于 2026-5-28 07:51 | 显示全部楼层
我们需要看到的是作者个性化的观点,AI带来的是高概率观点,更进一步的我们需要前瞻性观点,网上能搜罗到的信源滞后性怎么解决,除非文章本来就是给不在乎探索性读者看的。
回复 支持 反对

使用道具 举报

  • 打卡等级:已臻大成
  • 打卡总天数:516
发表于 2026-5-28 10:08 | 显示全部楼层
谢谢楼主分享!
回复 支持 反对

使用道具 举报

  • 打卡等级:功行圆满
  • 打卡总天数:809
发表于 2026-5-28 10:18 | 显示全部楼层
感谢分享。
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 注册

本版积分规则

文字版|手机版|小黑屋|RSS|举报不良信息|精睿论坛 ( 鄂ICP备07005250号-1 )

GMT+8, 2026-5-28 11:03 , Processed in 0.238888 second(s), 5 queries , Redis On.

Powered by Discuz! X3.5

© 2001-2026 Discuz! Team.

快速回复 返回顶部 返回列表