最新研究：AI够聪明，但为何搞不定我们的日常工作？

AI的进步速度，几乎让人追不上。根据AI研究机构METR（Model Evaluation & Threat Research）这家AI系统风险评估的非营利机构，所公布的最新研究，目前最先进的AI模型已经能完增长达一小时的任务，但冷静想想，我们的工作生活有变轻松吗？为什么每天的信还是自己在回、会议还是得亲自安排？AI明明都能写小说、画画、写程序了，却还没办法搞定我的日常工作，这到底是怎么回事？

METR使用的任务时间长度，其实是从特定领域的数据中推算出来的，尤其集中在软件与程序设计任务上。目前AI展现的完增长时间任务的能力，并不代表它能同样有效处理其他类型的工作，像是沟通、协调、完成实地工作等。

不同领域的任务复杂度、可拆解性、所需知识背景都不一样，因此时间长短的可比较性极低。以美国为例，远程工作约占整体工作任务的35%，而其中真正能以软件任务表示的比率更低。因此，用这类任务长度来评估“所有工作”的自动化潜力，明显会高估AI的能力。

让我们不能忽略的是，研究结果显示，AI的任务完成率只有50%。这在实验室中看起来也许还行，但如果放进真实世界，这样的成功率等于抛硬币决定工作品质。在真实世界中，多数任务需要95%甚至99%的准确率，才能放心交办。比如自动驾驶，如果出错一次可能就是致命风险；再比如回错一封工作Email，可能就会造成业务误会或公关危机。

当我们将AI任务成功率标准调高，METR研究指出，当AI达到80%成功率时，它能处理的任务长度就从1小时缩短到15分钟；而若我们要求99%准确率，推测估计任务长度甚至会掉到1分钟以下。这显示：成功率要求越高，AI可完成的任务长度就越短。

更重要的是，AI目前在表现上的“平均成功率”并不代表“任务一致性”。这代表同一项任务，它有时做得很好，有时却一塌糊涂，没有稳定输出的能力。这在职场上是大忌。即使AI某次写了一封让你惊艳的Email，你也无法保证它下一封不会出错。长久下来，信任感无法创建，自然就不敢放心交办。

在METR测试中，多半任务都是封闭式、明确界定范围的标准作业流程（例如写一段程序、解决一个错误消息），这些任务比较单纯，不需要额外上下文。可是真实世界的工作，常常是开放式、依赖长期互动与环境理解。例如写一封Email这种“看似小事”的工作，就包含了数个任务：理解来信背景、读懂人际语气、知道对方是谁、回应合适内容……这不是一句“写封信”就能涵盖的。

说到这里，我们也不免反思：是不是其实我们的工作流程，对AI来说太“人性化”了？也许我们需要做的，是调整流程，让工作变得更容易自动化。例如，把回信标准化成几种场景分类，创建默认回复；把任务流程切割成模块，逐一输入给AI。这样一来，AI就不需要“理解全貌”，只要处理小任务也能大幅减少错误率。这其实就是现在许多企业正在进行的“流程AI化”策略。与其等AI变成人类，不如先让工作变成机器能理解的语言。

AI的确进步飞快，但也别忘了，它进步的是技能，不是智能。人类之所以能胜任日常工作，不只是因为我们懂得怎么做事，而是因为我们知道“为什么要这样做”。这些理由，可能藏在以往的经验中，也可能来自人与人之间的微妙关系、职场文化、甚至一点直觉。AI还没有这种直觉，更无法创建“价值观”，这让它在处理工作时难以做出人类那样灵活的选择。

这也让我们对未来的工作有了新的想象。也许AI不会完全取代人类，但它会成为我们的辅助者，把重复性高、流程清楚的任务处理掉，让人类专注在更需要判断、创造力与情感的部分。但这样的未来，也更需要我们学会如何与AI合作，而不是期待它什么都会做、什么都能搞定。到那时，或许AI终于能帮你回信，但最重要的决定，还是得你自己来下。

（首图来源：AI生成）