AI革命：人机融合共生的五大法则

2015年，IBM将其最先进的超级计算机系统Watson引入医疗领域，担任“AI医生”的角色。

这台机器掌握了13种癌症（包括乳腺癌、肺癌、直肠癌等）的海量诊疗知识，能够在几秒钟内读取一名患者的全部病历，并进行多轮推理判断，最终输出详尽且高质量的治疗方案。这听起来非常理想。然而，几年后，众多医疗合作伙伴纷纷放弃该项目，Watson Health也被IBM出售。

问题究竟出在哪里？并非算法不够强大，而是项目从一开始就忽略了一个关键事实：医生不是来执行命令的，而是需要协作的伙伴。

类似的故事每天都在发生。某便利店的创始人坚信“每一个涉及人的环节都会降低效率”，于是投入一整年时间，用AI中央大脑接管了便利店从选址、订货、商品陈列到日常运营的全部决策。例如，在学校旁边的一家店，下午3点学生即将放学，系统判定应将零食摆放在最显眼的位置。于是店员收到指令：3点05分前必须将零食移至门口，否则扣款。结果呢？许多员工感到缺乏成就感，觉得自己只是工具人，而这种负面情绪也传递给消费者，使他们感受不到服务的温度。不久后，这家便利店流失了大量顾客。

技术的指数级增长与人类认知的线性演进之间，存在一条巨大的鸿沟。

这正是复旦大学管理学院卢向华教授在新书《AI革命：人机融合共生的五大法则》中试图解决的核心问题：当AI日益强大，人类该如何应对？企业又该如何管理？为此，她提出了人机融合共生的五大法则。

法则一：AI技术交互能力优化

人类天生不信任黑箱。

学术界有一个著名的“门卫问题”：夜店门卫可以用任何理由拒绝你，比如“你不该穿帆布鞋来”，但真实原因可能是肤色。你无法验证，因为在门外你看不到店内是否有人穿着帆布鞋。

算法也是如此。它可以轻易隐藏真实的决策依据，导致用户本能地产生抗拒。

如何破解？三个关键词：拟人化、透明性、可靠性。

拟人化不难理解。当AI客服能识别你的情绪并以恰当的语调回应时，你会觉得它不是冷冰冰的机器。研究显示，拟人化的AI更容易获得信任，甚至在服务失败时，用户也更愿意原谅它。

但这里存在一个陷阱：恐怖谷效应。当AI过于接近真人，用户反而会感到恐惧和不安。更麻烦的是，高度拟人化的AI会让用户产生不切实际的期望——既然你像人，就应该像人一样聪明。一旦期望落空，失望便会加倍。

因此，正确的做法是：根据场景调整拟人化程度。处理简单查询的客服，低拟人化就足够了；涉及复杂决策的金融顾问，需要高智能配合高拟人化；而涉及敏感信息的健康咨询，反而应该“智能但不拟人”——用户更愿意向明显是机器的对象袒露隐私，因为它不会嘲笑你。

透明性同样重要，但并非越透明越好。有研究发现，当企业向员工披露AI绩效评分的使用方式后，被AI打低分的员工反而更不愿意努力——他们将低分当成了无法改变的锚点。

可靠性则是底线。所有的拟人化和透明性都是锦上添花，只有可靠性才能决定用户是否会长期使用。谷歌的AI搜索功能上线后，有用户询问如何将芝士粘在披萨上，AI建议“加点胶水”——因为它从Reddit上学到了一个11年前的玩笑。结果这个功能的使用意愿暴跌至7%。

法则二：用户协作行为主动管理

用户对AI的态度，往往在两个极端之间摇摆。

一端是抗拒。有一个有趣的实验：研究者设计了两组客服场景，服务人员完全相同，但一组被告知“这是真人”，另一组被告知“这是数字人”。结果呢？被标注为数字人的那组，满意度低了10—15个百分点。明明背后也是真人在服务，用户就是不喜欢。

这种现象被称为“物种歧视”。人类对AI天然存在偏见，即使它表现得更加客观、公平。

另一端是过度依赖。2018年3月，美国亚利桑那州一辆配备安全员的Uber自动驾驶汽车撞死了一名骑自行车的人。警方事后分析发现，如果安全员一直专注道路，本可以在受害者前方12.8米处停下。但他没有，因为他认为有AI在，不会出大问题，自己可以完全放松。

这种现象叫“AI惰化”。当机器越来越能干，人就越来越想偷懒。GPS让人丧失方向感，计算器让人忘记心算，ChatGPT正在让创意变得同质化。有研究发现，使用GPT的用户在前五天创意能力显著提升，但到第七天关闭GPT后，创意水平直接回落到原点——而且同质化的倾向仍然保留。

企业需要主动管理这两种极端。对于抗拒，可以增强技术的社交属性，让AI不只是工具，而是“伙伴”；对于惰化，可以通过延迟展示AI建议、要求用户先提交自己的判断等方式，强制用户动脑。

有一个医学影像诊断的实验很有意思：当医生被要求在看到AI建议之前先提交自己的初步判断时，他们与AI的盲从率显著下降，决策质量反而提高。

法则三：人机互补，1+1>2的秘密在于分工

回到开头那个便利店的故事。它的对立面是什么？

一家大型药房。他们也使用AI，但用法不同。药师输入病症后，AI推荐主药、辅药和关联用药，药师可以采纳，也可以自行搜索。最终统计发现：完全依赖AI的订单、完全靠药师自主搜索的订单、人机协作的订单，比例大约为20%、37%、43%。

哪一组效果最好？人机协作组。推荐的药品数量最多，消费者的接受度也最高。

这说明了什么？AI的价值不会自动实现，它需要人来激活。

关键在于分工。任务可计算性高的，让AI主导；任务主观性强、需要同理心的，让人主导；复杂任务则需要人机协同。例如电话营销，AI负责拨打电话、收集信息、筛选意向客户，人类销售则负责深度沟通、促成交易。研究发现，这种分工能显著提升人类销售的创造力。

更进一步，人和AI还需要互相学习。AI通过机器学习不断进步，人通过与AI协作不断成长，形成螺旋上升的循环。清华大学的研究者提出了“AI力”的概念——个体在AI时代所需的能力框架。好消息是，这种能力是可以培训的。

法则四：组织AI管理策略适配

AI不仅改变个人，也在重塑组织。

世界经济论坛预测，五年内AI将使工作岗位净减少1400万个，但长期来看，会创造约12%的新增岗位。关键是：被取代的人，并不能轻易获得新岗位。

这意味着企业需要重新设计岗位、重新培训员工、重新分配责任。

尤其是责任。当AI参与决策，出了问题谁负责？目前法律不承认AI是责任主体，但企业不能因此逃避管理责任。有些平台直接在界面上标注“该结果由AI自动生成，仅供参考”，这种做法短期规避了风险，长期却在摧毁用户对AI的信任。

更好的做法是：让AI展现“愿意负责”的姿态。卢老师自己的研究发现，当AI医生主动指出用户的医疗常识错误时，用户反而觉得它更负责任、更愿意使用。这种“主人翁精神”的行为设计，比免责声明有效得多。

法则五：AI社会公平性保障

算法偏见无处不在。亚马逊的招聘算法会自动降低包含“女子”字样简历的权重；ImageNet数据库里，“失败者”“犯罪分子”这样的标签，反映了标注者的偏见；大数据杀熟，则是算法在“合法”地歧视老用户。

问题出在哪里？训练数据有偏差，算法设计有漏洞，优化目标有缺陷。

解决方案需要多管齐下。例如，在技术上，改进数据采集、增强算法透明性、引入公平性约束；在企业层面，建立AI伦理准则、设立审查委员会；在社会层面，完善法律法规、加强行业自律。

这不仅是技术问题，更是价值观问题。

尾声

正如刘易斯·芒福德在《技术与文明》中所言：“所有伟大的物质发明背后，不仅是技术的演进，更有思想的转变。”

每一次技术革命，都伴随着人与技术的博弈。蒸汽机时代如此，互联网时代如此，AI时代也不例外。但博弈的终点，从来不是谁取代谁，而是如何实现共生。

这本书提出的五大法则——交互能力优化、用户行为管理、人机互补增强、组织策略适配、社会公平保障——并非让你对抗AI，而是让你学会如何与AI共舞。毕竟，AI的价值，最终要靠人来体现。