人与AI，参差不齐的协作边界_人与人的参差怎么读
楔子
在上篇博文《码农忧心忡忡，听说我最容易被取代？》 开头，我提供了如下图表来直观展示AI对于不同岗位技能可覆盖的比例，但我没有特意说明的一点是：这张图表是GPT-4生成的（因为CodeInterpreter环境不支持中文，为避免乱码，使用了英文标注），我的贡献是指示AI绘图，而不是直接操作excel或python绘图库。从结果来看，AI相当擅长数据分析和可视化的工作，如果把数据分析师岗位加入领英的调研报告，我估计可被AI替代的技能比例与下图中排名第一的软件工程师差相仿佛。
具体来说，为了更直观友好的可视化效果，我做了如下几项工作：
- 从报告中截取原始数据表，然后指示AI：“请将以下内容整理为一个markdown表格”；
- 校对 AI 输出的Markdown内容，然后指示 AI：“请根据表格中两列百分比数据做成一个专业的图表——百分比堆叠柱状图，横轴为职业，纵轴为百分比，每根柱子由每个职业的两个百分比数据构成，左边是最容易被AI替代的职业，右边是最不容易被替代的职业，图表使用英文标识” ；
- 进一步指示 AI 修改完善图表展示形式，比如“图表中柱子的下半截百分比使用偏黄颜色，上半截百分比使用偏绿颜色，请使用适合商业图表的专业和谐的配色方案，在适当位置标注出百分比数据”，以及“仅标注图表中柱子下半截的百分比数字，上半截柱子不标注百分比，颜色调整的更商务更和谐一些”，等等；
值得一提的是，这个交互过程相当自然，我没有打开Excel操作任何一行数据，更没有敲一个代码，而是像面对一个同事一样提出我的意见。如果你没有深刻体会过“前ChatGPT时代”的AI智障程序，你很可能都意识不到ChatGPT带来的巨大进步。比如说，我在对话中使用了一系列模糊含混的指称——“表格中的两列百分比数据……左边……右边……柱子的上半截……更商务的颜色……”，这作为以往的程序输入是不可想象的，也许花大力气训练一个特定场景的专用AI模型都未必管用。但现在我就这么干了，而GPT-4 理解执行的很好。
OpenAI公司CEO山姆奥特曼说：“五年前，所有人都认为AI会按照以下顺序改变世界： 首先是蓝领工作， 此次是简单的白领工作， 然后是复杂认知的工作， 最后是创意类的工作。 但现在，AI正在以完全相反的方式运行。” 是的，我们在预测未来方面一向没有信誉可言，就算到了现在，我们是否已经有足够信心说，我们已经弄清楚了哪些事AI干不了，哪些事AI干得好？换句话说，我们与AI结合的“甜蜜”边界在哪里？
哈佛报告：AI对知识工作者的影响分析
在上篇博文中，我提到一个由哈佛商学院、沃顿商学院、麻省理工以及波士顿咨询这几家知名机构联合发布的论文：《在参差不齐的技术前沿航行》，针对AI对知识工作者的生产效率和质量影响做了一个实验分析。我看互联网上的相关报道全部只写了一个吸引眼球的结论：“人工智能让知识工作者效率提高 25.1%，质量提高 40%”—— 估计小编只读了全篇报告的概述部分，甚至连概述都没有细读，因为这个结论是有限定条件的，但网上流传的文章里根本没提到这一点。
我觉得，这个报告基于咨询顾问这类高级白领的真实工作场景，做了较大规模的AI辅助提效的对比实验，与当前网上满天飞的大咖意见、个人心得体会相比，采取的是更科学的研究方法，值得展开深入解读一下内容：
实验设计
- 实验对象：受试者来自波士顿咨询集团（BCG）的战略顾问团队的758名咨询顾问，可想而知，他们是高端知识工作者的代表。实验采用注册报名制，组织者还设计了奖励措施，以鼓励受试者认真参与实验。
- 实验分组：受试者通过随机的方式分配到以下三组。
- 控制组：这个组不使用AI支持，作为对照组；“GPT Only”组：这个组使用基于GPT-4的AI工具完成工作；“GPT + Overview”组：对这个组提供GPT-4工具以及提示工程概述说明，以帮助他们更好的使用AI工具；
- 实验任务分为两类，一类是AI能力边界内的简单任务，一类是AI能力边界外的综合任务。每类任务均包含一个评估任务以及一个实验主任务。
- AI能力边界内任务：评估任务：提供新饮料产品的多个创意等5个问题；主任务：为细分市场人群提供新鞋设计创意等18个问题，涵盖创意、分析、写作、说服4个能力范畴；AI能力边界外任务：评估任务：为CEO准备一份报告，建议选择哪种分销渠道以推动公司的利润增长；主任务：根据提供的访谈记录和财务数据，找出哪个品牌具有最大的增长潜力，并向CEO提供建议；
- 实验步骤
- 受试者首先需要完成一个评估任务，该任务与实验主任务相似，用于评估受试者的能力水平（平均水平之上或之下）；随后，受试者被随机分配到三个实验组中的一个：控制组、"GPT Only"组和"GPT + Overview"组；受试者根据分配的组别进行相应的实验任务，使用或不使用AI工具完成任务；受试者的每个答复都通过两名人类评估员进行质量评分，并取平均值作为最终结果；
实验结果
- 针对AI能力边界内任务：
- 使用AI的受试者提供的答复的平均质量得分为5.74，相比于控制组质量得分均值4.1提升了1.66，增长了40%。其中，“GPT + Overview”组相比于控制组提高了1.75，增长了42.5%；“GPT Only”组分数增加了1.56，相当于38%的增长；
- 无论受试者技能水平如何，都受益于AI提升了输出的答复质量；相比之下，低水平的受试者得益更多，跟高水平受试者的差距从43%下降到17%；
- 控制组完成前17个问题的平均时间为5023秒，而 AI 组平均耗时3767秒（提升25%）。其中“GPT + Overview”组平均耗时减少了1129秒（比对照组快了18.8分钟或22.5%），而“GPT Only”组减少了1388秒（比对照组快了23.13分钟或27.63%）；
- 基于对受试者对问题答复的相似性分析，虽然使用AI的实验对象生成了更高质量的创意，但这些创意更为同质化（回答相似性从高到低： GPT Only组 > GPT + Overview组 > 控制组）；
- 针对AI能力边界外任务：
- 此项任务的主要评估指标是“正确性”，对照组的正确率为84.5％，而 AI 组平均下降了19 pct；其中“GPT + Overview”组正确率降低到60%，降低了24.5 pct，“GPT Only”组正确率为70.6%，相比控制组降低了13.9 pct；
- 无论最终答案正确与否，AI 组受试者提供的答复的质量都上升了，其中“GPT + Overview”组得分增加了1.47分（相对于对照组平均值上升了25.1％），而“GPT Only”组得分增加了1.05分（相对于对照组平均值上升了17.9％）；
- AI 生成内容的保留率
大多数 AI 组的受试者在提交的答案中保留了非常高比例的AI生成内容（平均保留率大约为0.87）。
文末附上报告全文，更多细节内容，有兴趣可以自行下载阅读。
人与AI，如何融洽无间的结合
人与AI，如何融洽无间的“甜蜜”结合，以达成最优的效果？
这很大程度上取决于参差不齐的AI能力圈，以及我们是否能清楚认识到这个边界。哈佛的研究报告告诉我们，在AI的能力边界内，所有人都会从AI受益，而且相对低水平的人从AI受益更多，所以要更加勇敢的拥抱AI。但是研究结论的另一面却鲜少被媒体报道：
- 对于涉及复杂信息和综合分析的工作，引入AI可能会降低决策正确率；
- 虽然AI通常会提升人们在创意工作中的输出质量，与此同时却可能降低创意多样性；
- 在工作中引入AI 可能让人产生依赖行为，让部分人放弃独立的判断力；
哈佛报告中还提及了两种不同的人与AI协同模式，一种是人马模式（将工作拆分为子任务，根据人与AI各自的优势分派不同的任务），另一种是半机械人模式（在所有任务流程中交替使用人和AI，以细粒度协同的方式输出内容）。你倾向的协同模式是哪一种呢？
我们每个人都曾幻想过借助高科技手段变成一个更强大的自己，比如拥有一个巨大可操控的高达机器人，或者是像机械战警那样成为超人，但相比人类身体结构的机械改造，人与AI的结合更为隐秘而微妙。就像文字和书籍改变了人类文明传承的方式，手机和互联网改变了人们获取知识的方式，我相信AI也将改变我们运用知识的方式。
也许是时候超越“是否要在工作和组织中引入AI”的问题了，我们更应该询问的是“如何与AI协同创造最大价值”，后一个问题更导向实践，也更加有意义。