如何运用人工智能而不外包思考过程

我们已经进入了这样的阶段：AI 负责撰写文档，AI 也负责阅读文档，而人类在其中的作用则成了可有可无的选项。

你很可能已经经历过这种情况：有人将一大堆分析资料输入模型，编写一段冗长的提示语，随后模型就会生成 22 页的内容。接收方打开后看到这么多页，通常会选择两种做法之一：要么快速浏览后就不再继续看，要么将其输入自己的 AI 工具中要求生成摘要。

机器生成，机器消耗。两人之间只是交换着工作的假象罢了。

这些其实都不是什么新现象。韦氏词典还将“slop”选为 2025 年的年度词汇（唉）。但我现在正频繁面临这类情况，也开始着手反抗了。

如果一份文档需要说明，那就说明它本身存在缺陷。

我们最近完成了一项需要提交多份战略简报的客户项目，其中涉及诸多深层次的主题，以及背后扎实的分析。

AI 非常擅长这项工作。你把所有内容都提供给它，写出详尽的提示语，它就会全速运转。乍看之下，生成的结果十分出色。

这时你才会发现，每份任务说明的开头都有一节名为“如何阅读本文档”的内容。

第一次看的时候我笑了。到第三次时我就不再笑了。如果一份文档还需要说明书，那这份文档本身就有问题。那些必须亲自撰写全部内容的人，是不会去写“如何阅读此文档”这类说明的，因为写作成本迫使他们必须决定哪些内容才是重要的。

那笔成本已经不存在了。因此没有任何项目可以被削减，而决定什么内容重要的任务就落在了打开文件的人身上。

人们根本不阅读产品的基本使用说明，更不用说手册了。

这是我现在正在处理的另一个例子。

我们正在试用我们的合成用户研究平台 Candor。当用户创建访谈指南时，会有一个名为“项目背景”的可选字段，其说明文字为：“请补充更多关于您希望从此次访谈中了解的具体内容的背景信息。”该字段内还直接提供了一个简短的示例。

有多名用户在那里粘贴了数百字的内容，包括角色行为规则、希望被提出的问题以及格式要求。在其中一个案例中，那些内容简直就和直接询问 ChatGPT“我正在使用一个合成研究平台，需要为它提供该项目的相关背景信息”时得到的回复如出一辙。

他们没有阅读标签，也没有查看其正下方的示例。他们询问人工智能该在盒子里放什么，然后直接把人工智能给出的答案贴了上去。

在我要过于愤慨之前先说清楚：人们从来都不认真阅读。雅各布·尼尔森在 2008 年通过对 45,000 次页面浏览的数据分析后估计，用户实际上只阅读页面上约 20%的文字。这并不是什么新鲜事。

新的情况是，他们跳过的 80%内容已经多到无穷无尽，而且现在还有机器为他们撰写对话中的那部分内容。

“来源信息”只能告诉你内容出自哪台机器，却无法说明是否有人进行过思考。

Anthropic 刚刚开始在 Claude 的生成内容上添加标记：在文本本身中嵌入隐形水印，同时为文件标注 C2PA 来源信息。

方向上还行。但要弄清楚检测标记实际传达的信息——仅说明该内容“可能曾由 Claude 处理过”，仅此而已。

因此，模型根据一条简短的提示就写出的 3000 字报告，会和我自己先撰写后再让 Claude 帮忙精简的段落获得相同的评分。但这两种行为根本不同。人工智能生成的文字往往冗长繁琐，很难被整理成优质的内容；而经过人工智能编辑的文本意味着是我自己构思了思路与结构，这更接近于文字校对，而非真正的创作。

以“来源”作为答案存在问题。它只能告诉你哪些机器处理过这些文字，却无法说明是否是人类进行了思考。

说实话，现在我们应该在人工撰写的部分加上水印——毕竟这类内容已经越来越少了。

你能生产的越多，就越有人希望你继续生产。

一旦能在四分钟内完成一份战略演示文稿的制作，人们就会期望你制作更多这样的文稿——而非更优质的版本，只是数量上的增加。因为数量是唯一能让人一眼看懂的指标。

这正是两难困境：生成内容的速度越快，要求生成的量就越多，而人们用来阅读这些内容的时间却越少。无论是对文档、代码还是其他任何事物而言都是如此。

BetterUp Labs 与斯坦福大学社交媒体实验室的研究人员将这种内容称为“废品”：表面上看似精心制作，实则毫无实质内容，接收方不得不去完成发送方所省略的思考工作。41%的受访者表示曾收到过此类内容，每处理一份这样的内容大约需要两小时时间。

科里·多克托罗的表达更为直白。他写道，将未经核实的 AI 生成内容发送给他人，“其实是一种强迫陌生人免费为你工作的手段”。我非常喜欢这句话——既荒谬可笑，又令人恼火，同时还让人感到沮丧。

内容创作者不再动脑思考，却要求接收者保持清醒的头脑。他们凭什么要这么做？

一旦所有内容都由人工智能生成，信任就会崩塌，也无人能真正学到东西。

那么，这一切最终会走向何方？以下是我的经历，我相信其他人也有类似的感受：

1. 你阅读的 AI 生成内容越多，就越容易发现其中的破绽——即便人们试图隐藏它们。
2. 你看到的内容越多，对任何需要阅读、审查或查看的东西就会越感到厌倦。
3. 越感到厌倦，就越倾向于浏览一眼、直接跳过，或者把任务交给人工智能来帮忙总结。
4. 你越这么做，从这些事情中学到的东西就越少。
5. 于是你提出进一步的问题或对发件人提出质疑，但他们却无法回答，因为这些内容根本不是他们创作的，只是他们下了订单而已。这样一来，就有两个人都没有得到学习的机会。

最终，你会开始认为收到的所有内容都很平庸。看到一份长文档时，你就会想：“这是 AI 生成的，肯定是垃圾。”你还会觉得自己和 AI 用四分钟就能做出同样的东西。也许你是对的。

这现已成为一个产品设计问题。

如果人们都不愿阅读仅有一行的字段说明，那么你的产品引导、工具提示、产品导览或是文档又会变成什么样呢？

皮尤研究中心通过 69,000 次 Google 搜索，对 900 名美国成年人进行了调查。当页面顶部出现 AI 生成的摘要时，只有 8%的人会点击进入原始内容；而如果没有摘要的话，这一比例则为 15%。摘要的出现使得进一步点击深入查看内容的人数减少近一半，而且仅有 1%的人会点击摘要中的链接。

在我们开始使用 LLMs 的这段相对较短的时间里，就已经出现了人们期望值的改变。他们希望立刻得到答案，既不想深入探究，也不愿阅读相关内容。随后，他们将这种期望带到了你的产品上——一款他们从未使用过、功能也尚不熟悉的工具。如果他们无法快速从你的产品中获得价值，或者觉得可以直接用自己的 LLMs 获取同样的信息，那你的产品就麻烦了。顺便说一句，这也就是我认为 AI 产品的价值实现时间正在缩短、用户流失率不断上升的原因。

人工智能虽然让产品开发变得更加容易，但却无法帮助人们为目标市场打造出合适的产品。面对不断变化的用户需求——他们觉得没必要阅读任何说明，也没有时间去学习，只希望一切都能神奇地自动完成——人工智能式的开发方式根本跟不上节奏。人工智能并非魔法，软件也并非魔法。

再回到 Candor 平台。我们不再纠结于如何更好地阐述输入内容——对于那些根本不阅读任何文字的人而言，再好的文案也毫无用处。相反，我们开始在输入字段上建立全面的质量检测机制。在通过合成方式开展用户研究时，输入数据至关重要，确实存在“垃圾进，垃圾出”的情况。我们已经遇到了相关问题：如果设计研究时使用的输入数据质量较差或一般，得到的结果也会不尽如人意，进而让人质疑 Candor 的价值。我知道 Candor 确实有效，我的职责就是帮助他人正确使用它。

我们还推出了 Candor Bot，这是一种聊天界面，它了解 Candor 的运作方式，内置了最佳实践指南，同时还能理解用户输入的内容背景。虽然不确定人们是否会使用它（毕竟在不断与 LLMs 聊天后，大家都已出现了“应用聊天疲劳”现象），但这仍是将实时帮助功能整合到应用程序中的一种尝试。

这是我所学到的：

• UI/UX 正在迅速变化。我认为，未来大多数软件的界面都会被集成到人们所选择的 AI 界面中的 MCP 服务器/API 所取代。人们几乎不再愿意登录不同的软件产品了。不过，这是个可以留到以后再讨论的话题。

• LLM 们让人们期望能立刻得到结果。如果你的产品需要几分钟才能完成某项操作或给出解释，那很可能就会遇到麻烦。

• 人们过分依赖 LLM 的生成内容，只为了追求更快的效率并感觉自己在不断取得进展。他们不加思考地到处复制粘贴内容，无论是报告还是软件产品中的输入框，全然不顾后果。

现实情况是，你不再是在为用户设计产品，而是在为用户及其人工智能共同设计，而且人工智能将会承担越来越多的工作。

我正在向我们团队传达的内容

AI 很好！AI 很坏！AI 究竟是……🤬 🤨 😢

我并不想与机器对抗。我希望驾驭机器来满足自己的需求，同时帮助他人做到同样的事情。随着我产生和接触越来越多低质内容，以及观察人们如何使用 Candor，我越发觉得有必要敦促 Highline 校对团队采取相应措施。

1. 先自己撰写内容，再利用人工智能进行编辑，切勿反其道而行之。这样的质量根本无法相提并论，而且对于那些未经深思熟虑的东西，你是无法为之辩护的。想要反其道而行的诱惑实在巨大，但必须坚决抵制。

2. 所有权至关重要。每当你将任何内容发送给客户、潜在客户或其他人时，你都必须对其负责。无论这些内容是否由你亲自创作，你都是它的所有者。这种所有权意味着你必须为所创建并发送的内容承担责任。而当所有内容都是由人工智能生成的时，要做到这一点就十分困难了。

1. 在开始生成内容之前，先明确“完成标准”是什么。我用 Claude Code 开发软件时就是这么做的：在任何工作开始前，都会先列出三到五项通过与否的检验标准。处理文档时也是如此。如果事先无法界定什么是好的成果，模型就会轻松地给出 22 页质量欠佳的内容。还有一个更简单的办法：先把文档的各个部分列出来，说明需要这些部分的理由、它们应该包含什么内容，以及期望它们如何相互关联。恰当的提示语（在某种程度上）能够帮助引导 Claude 产出更高质量的结果。

1. 应将篇幅视为一种强加给他人的成本。如果文档需要“如何阅读”的说明部分，那就将其删减一半，然后再进一步削减。编辑工作固然重要，但如果你只是机械地操作、心不在焉地浏览，那这种编辑就毫无意义了。

1. 要做好进一步沟通的准备。我们不会把资料发给客户后就指望他们将其收起来置之不理。我们希望他们深入研究、提出问题、对我们提出质疑，并尝试找出其中的关联。我们必须为此做好准备。如果做不到这一点，那就说明我们没有履行好自己的职责。

1. 为那些不愿阅读的人进行设计。内容必须具备极其清晰、且可直接付诸行动的摘要。软件产品应当假定用户会跳过所有说明，直接复制粘贴 AI 生成的内容。要想想，如何让我们的输出承担更多工作，帮助接收者更轻松地理解、学习，并迅速采取行动。

将工作外包给人工智能是错误的思维方式。

我们谈论将工作外包给人工智能时，总以为自己只是把责任交给了另一个人。其实并非如此。人工智能能够生成成果，但它无法对最终结果负责。

Candor 中的大部分代码都是由 AI 生成的。但我负责决定要开发什么以及为何要开发它。我会对代码进行评估、测试，调整方向后再将其推出。如果 Candor 表现不佳，那不是 AI 的错，而是我的责任。

这同样适用于我们在 Highline 校对制作的所有内容。客户并不在乎报告是否由人工智能辅助生成，他们在意的是报告是否准确、有用，以及是否物有所值。他们关心我们能否解释背后的思路、回答他们的疑问，并帮助他们决定下一步该怎么做。六百页没人有时间去阅读的资料根本算不上价值，那不过是伪装成进步的产物罢了。

这正是我们正在失去的区分。人工智能让内容创作变得轻而易举，人们却容易将这一过程误认为是工作的完成。但实际上，生成内容仅仅只是开始而已。只有当你理解了所创造的内容、明白其重要性，并能够为之辩护时，工作才算真正完成。

将生产工作交由他人处理，加快执行速度，大力运用人工智能。但绝不能将判断力与责任推给他人。

人工智能天生倾向于产出更多内容。人类则需始终专注于获得更好的结果。

少产出些，但每件作品都要有真意，并且能够为之辩护。💪