哪些事AI做不到，也不该做？

随着企业加速拥抱AI，一些领域的过度应用可能弊大于利。

1962年7月6日，美国能源部在拉斯维加斯西南75英里处引爆了一枚氢弹，想要证明核武器可用于土方工程等和平目的。然而，这次爆炸产生的放射性尘埃最远飘到了南达科他州，导致超过1,300万美国人暴露在辐射之中。

催生这次试验的”犁铧计划”(Project Plowshares)，与如今人们试图将日益强大的人工智能(AI)模型应用于人类各个领域的做法，有着惊人的相似之处。两者都源于一种荒谬的信念：仅仅因为人类有能力做某件事，就至少应该去尝试一下。

甚至可以说，当年的核弹制造者与如今的AI模型开发者在内心的担忧方面也存在着一种令人不安的相似：他们都害怕自己释放出的”怪物”极其危险，甚至会危及人类的未来。

过度使用当今的AI模型固然不会扬起大量放射性尘埃，但可能会带来一系列深远后果，而这些后果在事后看来将是显而易见的。这其中包括大规模裁员、激怒并疏远客户，以及企业因错误使用AI而造成巨大的价值损失。

我并非轻率地得出这些结论。在过去十年里，我一直在收集AI开发者以及在第一线探索如何用AI工作的人士的见解和案例。我与每一家顶尖AI实验室的首席执行官和首席工程师交流过，也采访过为他们奠定基础的、获得了诺贝尔奖和图灵(Turing)奖的计算机科学家，还与几十甚至上百位在日常生活中创造性应用这些AI工具的普通人进行过探讨。

我将所学到的一切浓缩进了我的最新著作”How to AI”中，重点探讨如何利用AI为自己创造优势。但我遗漏了一个重要问题：什么时候不该使用AI。

在发表演讲并回答读者提问的过程中，我逐渐意识到，那些最擅长使用AI的人，同样清楚在哪些领域应该避免使用AI。如果他们是土木工程师，他们一定会说，在不恰当的场合使用威力惊人的工具是个糟糕的主意，比如用氢弹来开凿运河。

那么，什么时候不该使用AI呢？根据我的交流经验，当你所追求的核心目标涉及以下几点之一时，就不应使用AI：

同理心

丹·莱瓦(Dan Leiva)曾担任苹果公司(Apple)和eBay的高管，他在任职期间就率先利用AI来提供客户服务，并协助呼叫中心员工开展工作。他表示，世界上有很多事情AI都能做，但并不意味着它应该去做。最明显的一个例子就是处理需要同理心的客户互动。

例如，当有人致电要求注销账户时，AI处理起来轻而易举。”但假设是一位寡妇打电话来注销她已故丈夫的账户，”莱瓦说，”你真的希望由AI来处理这种沟通吗？”

娜塔莉·德赛(Natalie Desseyn)是一位拥有家庭医学和精神病学双重认证的执业护士。她使用了大约六种不同的AI工具，涵盖了从问诊时做笔记到向保险公司提交理赔申请的各项事务。她表示，这些工具加在一起每周能为她节省15到20个小时，使她能够以独立执业者的身份管理300名患者。然而她坚称，对她而言，这些工具最重要的作用是让她能够在精神心理咨询期间全神贯注，抬起头，在患者倾诉痛苦时观察他们的面部表情。

“在精神病学领域，如果你不与患者进行交流和互动，就会漏掉很多症状，”德赛说道，”对于一些患者，我会问：’你有过伤害自己的念头吗？’如果我不看着他们，就无法得到真实的答案。”这种全神贯注的状态在过去是无法实现的，但现在可以了，因为她知道，她的AI转录和笔记工具正在捕捉互动的每一个细节，而她的保险理赔工具也会将这些信息整理成理赔申请。

无论是客户服务还是心理咨询，最重要的恰恰是AI没有介入的部分，以及AI如何让人类能够腾出精力，更专注于人与人的互动。

真实性

当我向中小型企业的人士发表演讲时，让他们立刻打起精神、集中注意力的最简单方法之一，就是告诉他们不该用AI来撰写营销文案。

这与他们以往听到的说法截然相反，因为人们通常认为写文案是将AI应用于业务时最容易见效的领域。问题并不在于AI的文笔不够流畅，而在于，当所有人都能用AI批量生成文案时，真正重要的就不再是仅仅在社交媒体和企业博客上刷存在感，而是保持真实性。

大公司深知这一点。具有讽刺意味的是，恰恰是那些最有可能开发AI的企业，现在正迫切寻找真人内容创作者，希望用真人撰写的真实故事，在领英(LinkedIn)等平台上泛滥的AI生成垃圾内容中脱颖而出。这也解释了为什么会崛起一批新型网红，他们通过直接面对镜头的短视频来吸引受众，而这种形式目前还很难用AI来伪造。

透明度

莱瓦在担任eBay支付运营主管时，对于将生成式AI引入公司系统的最大担忧之一，就是事后能否解释AI所做出的决定。

他补充道，任何在支付、医疗或法律等受到高度监管领域使用生成式AI的人，都应该对此感到担忧。尽管工程师们几十年来一直致力于打造”可解释的AI”，但当今大语言模型的一个显著特征就是它们依然是充满偏见的黑箱，其决策过程变幻莫测。

当无法透明地展示出AI是如何得出结论时，AI系统至少需要能够呈现其推导过程，以便人类在事后进行核实。迈克·沃尔什(Mike Walsh)是法律研究公司LexisNexis的首席执行官，该公司自1973年起便开始提供计算机化的法律检索服务。最近，他告诉我，生成式AI的出现意味着他的客户现在花在利用LexisNexis服务起草法律文件上的时间，已经超过了进行判例法检索的时间。他们之所以能如此放心地使用，是因为与那些经常凭空捏造虚假案例而臭名昭著的通用聊天机器人不同，他公司的系统只被允许引用能够在公司数据库中核实真实存在的案例。

使用此类系统的律师向我强调，他们仍然必须审查AI生成的内容，每一次都不能例外。在一个由AI使用者而非AI开发者承担责任的世界里，除此之外别无他法。

并非越多越好

首席执行官们所期望的AI生产力提升与员工实际反馈的AI帮助程度之间，存在着巨大的鸿沟。造成这种现象的原因，就像AI的应用领域一样繁多。其中一个挑战是AI适用性存在巨大差异：虽然有些任务几乎可以完全交给AI处理，但大多数任务却做不到。

那些想当然地认为AI能胜任员工工作而急于裁员的公司，可能会在两个方面损害它们未来的竞争力。首先，它们可能会流失关键的组织经验和知识积累。其次，它们面临着破坏自身人才梯队的风险。虽然用AI取代初级工程师的想法可能很诱人，但这意味着当高级工程师离职时，公司将不再有具备足够能力的人类员工来审查这些AI的工作。

这种情况已经在少数几家高调宣布转向AI的公司中上演，这些公司后来不得不重新聘用员工或增加人手。怀疑论者认为，科技公司最近的裁员只是在掩盖与AI无关的劳动力趋势，例如在过度招聘之后试图缩减人员规模，或是推动将受薪员工转为合同工。这类裁员最终可能只是暂时的，另一个原因在于：在许多情况下，AI似乎把工作负担转移到了那些最擅长使用它的人身上，而不是从整体上减轻了工作量。

莱瓦表示，虽然现在已经可以看出哪些公司因为未能拥抱AI而掉队，但短短几年后，哪些公司因为过度依赖AI而落后也将变得一目了然。”我们将看到谁进行了过度自动化，又是谁流失了那些能让他们在竞争中脱颖而出的核心知识，”他补充道。

“犁铧计划”最终造成了与其初衷截然相反的结果。它非但没有展示出核弹的新用途，反而证明了在哪些情况下根本就不该使用核弹。在AI无处不在且被视为理所当然的未来，如今这种试图用AI解决世间所有问题的做法，或许也会走向同样的结局。