丁雪峰：你以为在审核答案，其实只是AI的“人形确认键”

“AI时代需要提升判断力！”是一句正确的废话。

凡是参加过几场AI论坛、刷过若干相关推文的人，大概都对“AI时代需要提升判断力”这句话耳熟能详。它通常出现在演讲末尾，语气郑重，神情恳切，像一块压舱石，负责给整场发言稳妥收尾。台下的人纷纷点头，仿佛抓住了什么要害。其实什么也没有抓住。

这句话与“你要好好学习”“上课要认真听讲”属于同一类型，正确，无害，且难以执行。问题从来不在要不要提升，而在怎么提升、从哪里提升，以及被叮嘱的那个人此刻究竟缺的是什么。把中间环节整个抽掉，只留下一个光秃秃的动词，说的人省了力气，听的人得了安慰，唯独事情没有往前进展半分。

判断一项要求是否成立，有一个很硬的尺度：它能不能被证伪。“提升判断力”没有对象，没有刻度，没有期限，也没有失败的情形。你既无法判断一个人是否做到了，也无法判断他在什么时候没有做到。凡是不能被证伪的要求，最终都会退化成一种礼貌，它传递的不是方法，而是姿态。一项要求若讲不清对象、标准与时限，它就只剩下方向。

更关键的是，说这种话的人往往并不真的用AI。他们看过几场AI活动发布会，读过几篇行业报告，手机上装了两个AI应用，偶尔用来润色一段文字，仅此而已。他们并没有把AI真正嵌进自己的生产流程，没有让它在深夜陪自己改过第十七稿，于是他们能说出的只能是原则。原则这个东西，恰恰是不在一线现场的人最擅长讲的大道理。区分内行与外行有一个朴素的标准：问他一句“你用它做成过什么”。能立刻报出具体项目、具体实施过程的人，通常不讲原则，他会讲细节。滔滔不绝于“认知”“判断力”的，多半是站在岸上的看客。

AI给你的大多数时候只是初稿

讲一下自己的亲身经历。我写一篇稍有分量的文章，常要同时调动多个AI工具，分别承担检索、比对、挑毛病、换写法等任务。另有一个专门检查前几家是不是在集体编造、识别AI的幻觉。各个AI工具并不天然协作，矛盾得由我来裁决，错漏得由我兜底，因此一篇重要文章反复修改几十遍是常有的事。

写一个关键软件模块，修改十遍以上也是常态。每一次修改的前提都是我先发现问题，边界条件漏了、逻辑在极端输入下会崩等等。多数情况下，AI交到我手上的，大部分只是初稿。

初稿到成品之间那段距离，是最难的一段，也是机器跨不过去的一段。填补它有个冷酷的前提，你在这件事上的水准必须高过这份初稿，否则连它错在哪里都看不出来。看不出错，就无从修改。无从修改，就只能照单全收。一旦照单全收，你就不再是使用者，而是AI的“人形确认键”。

AI的输出不会因它是机器生成就自动低于你的水准。它的水准由训练语料与任务匹配度决定，与你的水准没有必然关系。AI是能力放大器，更是能力显示器。它把你原本就有的水准更快地呈现出来，也把你原本就有的盲区更大规模地复制出来。对AI输出的任何批判性评估，都以评估者自身的知识储备为前提。无法识别错误的人，无从质疑错误。水平高的人用它更好，水平低的人用它更自信地错。

判断力无法外包的三个原因

一是只有人才能判断任务是否在AI的能力边界之内。哈佛商学院与波士顿咨询公司的研究团队在一项预注册现场实验中，对758名公司顾问随机分组，比较“无AI”“可使用GPT-4”“可使用GPT-4并接受提示工程概览”三种条件下完成18项任务的表现。在AI能力边界之内的任务上，使用AI的顾问完成数量多12.2%、速度快25.1%，产出质量相对无AI对照组高出40%以上。而在一个被刻意置于边界之外的复杂管理任务上，使用AI的顾问给出正确解的概率比无AI对照组低约19个百分点（对照组为84.5%，两个AI组分别为70.6%与60%）[①]。这一现象在学术中被称为“锯齿状的技术前沿”（jagged technological frontier）。AI的能力边界不是一条平滑曲线，而是犬牙交错的锯齿。两个在人类看来难度相当的任务，一个可能落在边界之内，另一个却落在边界之外，而且这条边界事前不可见。判断这一问题在不在边界之内，正是判断力的职责。它无法被写进操作手册，因为锯齿本身一直在移动。

图1　 AI 能力边界外复杂任务的正确率对比（相对无AI对照组）

注：本图基于Dell’Acqua等（2026）的预注册现场实验。图中为边界外复杂管理任务的正确率对比：无AI对照组84.5%，使用GPT-4的两个AI组分别为70.6%与60%，低于对照组约19个百分点。边界内任务的表现提升（完成数量+12.2%、速度+25.1%、质量+40%以上）见正文。数据来源：Dell’Acqua等（2026），Organization Science，37（2）：403—423。

二是自动化偏见。它的发生有一条清晰的因果链，人看不出AI初稿里的错误，其根源是自身在这件事上的专业水准还达不到识别错误的门槛。正因为看不出错，自动化偏见便趁虚接手。现实中很多人做不到有效修改AI初稿，原因并不在于AI把人说服了，而在于人的判断标准尚未高过这份初稿，于是难以察觉其中潜藏的问题。不少人读到AI输出，见它行文通顺、逻辑自洽，便直接采纳。这正是被大量研究证实的自动化偏见（automation bias）：Mosier与Skitka在1996年的系统论述中将其界定为“用自动化线索作为启发式，替代警觉的信息搜寻与加工”[②]；Goddard等的系统综述进一步梳理了它的普遍发生率与调节因素[③]。这里的关键是“替代”，不是“误导”。人并非被AI引向了错误方向，而是主动略过了调取、核对其他信息源的那一步。这背后有一套注意分配机制，人的注意力是有限的认知资源，当AI递来一份看似完整的答案，注意力便被这份答案占据，留给独立核验的额度随之收缩，于是“再查一下”被从注意力预算里悄悄划掉。而那一步划掉的，恰好是前文所说“补上初稿到成品那段距离”的全部功夫。

自动化偏见在实验条件下主要呈现为两类可观测的错误。一类是漏报型错误（errors of omission）。系统没有提示，人就当作没有发生，于是该响应的没有响应。另一类是跟错型错误（errors of commission）。系统给出了错误建议，人照着做了，即便其他信息源明明与之矛盾。Skitka、Mosier与Burdick在1999年报告了一项桌面飞行模拟实验，80名本科生参与仪表监控任务；实验提前告知被试，基础仪表读数完全可靠，而自动辅助系统本身会出错。在自动辅助漏报关键事件的条件下，有辅助组被试正确识别并响应事件的比例约为59%，无辅助组则达到97%[④]。这一差距提示我们：信息在屏幕上“看得见”，不等于人会真正“拿来使用”。现实中这类偏差并不只存在于实验室。孙宇晨在2026年10月与邵艾伦的四个多小时专访中一贯主张对AI“百分之百听从”，把公司大量日常决策交给机器自动执行。这恰恰掉进了自动化偏见。当人主动让出“再核对一次”的那一步，确认键便握在了机器手里[⑤]。

图2　自动辅助漏报条件下关键事件的正确识别率（%）

注：单位为本实验条件下的百分比。有辅助组的本科生正确识别并响应事件的比例约为59%，无辅助组达到97%，二者相差约38个百分点。数据来源：Skitka、Mosier与Burdick（1999），International Journal of Human-Computer Studies，51（5）：991—1006。该实验为80名本科生参与的桌面飞行模拟，不等同真实职场场景。

三是人在环外失去判断力。当人失去辨别错误的能力，就会在人机协作中一步步丧失主动权。这里可以借用三组经典概念：人在环内（human-in-the-loop）、人在环上（human-on-the-loop）、人在环外（human-out-of-the-loop）。这套三分表述源自Sheridan与Verplank于1978年提出的自动化等级量表[⑥]，后来在自主系统与人机交互研究中被广泛沿用。使用AI工具时“人在环内／环上／环外”的判定标准如表1所示：

表1　“人在环内／环上／环外”的判定标准

资料来源：作者整理。三分表述参考Sheridan与Verplank（1978）；“位置”与“决策权归属”两列为通用界定，“位次的决定因素”一列为本文补充提出的操作性判据。

很多人误以为，只要流程规定了“人工审核”，人就能握住决策权。实际并非如此。你处在什么位置，不靠制度写了什么，而看你能不能看出AI的错误、敢不敢否定它。如果失去这种辨别与证伪的能力，哪怕你守在电脑前、手里拥有签字权，也已经从“人在环内”滑向“人在环上”。名义上参与审核，决策权却悄悄交给了AI系统。这就带来一个现实结论：AI的内容一定要人工核查，但核查是有门槛、要耗费精力的能力，不会因为纸上写了“人工审核”，大家就自动拥有审核能力。真正需要警惕的，不是AI过于强大，而是使用者缺少辨别能力，在AI面前失去判断力。

AI时代提升判断力的三条路径

绕了这么远，该回答真问题了，判断力到底从哪里来？它不是可以“激活”的开关。那些号召“提升判断力”的人，多半把它当成货架上的商品，伸手就能拿。可判断力从来不是入口，它是人在具体事务上反复试错、失败、改进，循环迭代形成的螺旋式上升成果，是行动的结果，不是喊出来的口号。心理学对刻意练习的长期研究早已表明，专家表现不是天赋的自然延伸，而是有目的的训练与即时反馈长年累积的产物[⑦]。因为判断力有三个层次：

一是“知道”不是“懂得”。知道勾股定理，是背得出公式。懂得它，是会应用，能在陌生的图纸上认出它的变形，并在有人用错的一瞬间警觉。有意思的是，“知道”这一层正在被外部化。知识的表层信息获得只需要三秒钟，缺的却是把知识用起来、辨出真伪的深刻理解力和应用能力，这才是能产生结果的“懂得”。Sparrow等人的“谷歌效应”实验也显示，当信息放在指尖，人们记住什么，以及自以为知道什么，都会随之改变[⑧]。这一层有没有，自己测一下就知道。下次拿到AI给的答案，试着先不看它，自己把结论说一遍。说完再看，找出它偷换了哪个概念、漏掉了哪个前提。说得出来，说明你在这第一层上。说不出来，判断力就无从谈起。

二是对整条业务链条的全面掌握。不是懂一个环节，而是懂全部。不是会做，而是知道每个动作在全局里牵动什么。AI一次能给出几十个看上去都成立的方案，语气笃定、彼此相似。要挑出真正对症的那个，靠的不是眼力，是你心里有一张完整的地图和对整条业务链的深刻了解。你知道病灶在哪，所以一眼就能认出哪个方案没碰到病灶、哪个只是抹了层药膏。没有这张地图，几十个答案在你眼里只是几十团同等质量的文字。

三是选出之后还能走下去。找到答案只是起点，真正的活儿在后面。把它拆开、调参数、换条件，用数字验证而不是用感觉确认。这一步最困难，也最不可能外包，前文所说的“改几十遍”都发生在这一层。判断力在这里不是被消耗，而是展现真正的价值，在众多可行的方案中选出最优的那个。它未必能避免大量迭代打磨的过程，但可以保证迭代不会原地打转。在AI实际应用中这三个层次可以有三条路径进行改进：

第一步，别急着打开AI。这是我用AI两年多来最深的体会。一上手就让AI给答案，等于先把自己的脑子关掉，请别人替你决策。要换成相反的顺序，先自己想一遍，哪怕想得很糙，先写出三行结论，再看AI的版本。这时候你才有东西跟它比，它漏了什么，它偷换了哪个词，它的方案在哪个环节会出现偏差。这三行字不是成果，是你的“对照样本”。没有它，你就只有AI给的一个版本，而只有一个版本的时候，人是看不出问题的。

第二步，给AI挑出来的错误记一笔。拿个本子，或者记在手机备忘录里，也可以用AI工具汇总错误使用记录，每次被AI带偏就写一条。我以为它会好用，结果错在哪一类事情上。我以为它引用的这条文献是真的，一查发现错误的地方。我把AI的结论推翻过几次，推翻的理由是什么。记的时候一定要写“我当时以为”，只写结论写不出假设，就学不到东西。记到几十条你就会发现，自己的盲区不是随机的，它有自己的规律。比如我自己的盲区就在专业术语的精确含义上，只要AI换个相近的词，我就会滑过去。那个错误的规律，就是你判断力的真实边界。

第三步，靠流程不靠觉悟。前文说过，自动化偏见的要害是“替代”而非“误导”。人不是不知道还有别的信息可用，而是省略了调取核验这一步。既然省的是这一步，靠“我要更谨慎”这种自我要求就拦不住它，得在流程里把它写进去成为规则。我自己定的规矩是三条，先看原始材料，再看AI的结论，顺序绝不能反。AI给的数字和引文必须回到出处核实，尤其不能只核对链接，因为链接可能指向一篇根本不存在的论文。每一版改了什么要留痕，让人一眼能看出这版相对上一版动了哪里。我还会让一个AI专门挑另一个AI的毛病，但最后的否决票一定留在我手里。这样做效率不是最高的，但它是唯一能防止“照单全收”的方法。很多单位的“人工审核”之所以形同虚设，就是因为它只写了“人工审核”四个字，没规定这道动作的详细落实流程。要把“能挑错”写进岗位要求、写进工作流程，判断力才会从个人的直觉变成可以培养、可以检验、可以传下去的能力。

因此，“AI时代需要提升判断力”这句话真正该改成的说法是，先把活儿干到能挑出AI的错，再用AI。顺序不能颠倒。颠倒了，你按下的就不是AI答案的审核键，你只是AI的“人形确认键”。

作者简介：丁雪峰博士，知名人力资源管理专家、企业管理专家；总裁读书会研究院学术委员会委员；畅销书《轻管理》《轻管理实操》作者；天津卫视《非你莫属》人力资源专家。授课课程：AGI时代的人才管理变革与人力资源创新、轻管理视角的AI领导力提升、AI时代领导力与执行力提升、人工智能时代新晋领导者的领导力7项修炼、AI时代企业文化打造、目标管理与计划执行、民航安全绩效管理理论和实践、责任感与安全执行力等课程。

参考文献

① DELL’ACQUA F, McFOWLAND E, MOLLICK E, et al. Navigating the jagged technological frontier: field experimental evidence of the effects of AI on knowledge worker productivity and quality[J]. Organization Science, 2026, 37(2): 403-423. DOI: 10.1287/orsc.2025.21838.

② MOSIER K L, SKITKA L J. Human decision makers and automated decision aids: made for each other?[M]//PARASURAMAN R, MOULOUA M. Automation and Human Performance: Theory and Applications. Hillsdale: Lawrence Erlbaum Associates, 1996: 201-220.

③ GODDARD K, ROUDSARI A, WYATT J C. Automation bias: a systematic review of frequency, effect mediators, and mitigators[J]. Journal of the American Medical Informatics Association, 2012, 19(1): 121-127. DOI: 10.1136/amiajnl-2011-000089.

④ SKITKA L J, MOSIER K L, BURDICK M. Does automation bias decision-making?[J]. International Journal of Human-Computer Studies, 1999, 51(5): 991-1006. DOI: 10.1006/ijhc.1999.0252.

⑤ 一起谈钱. 孙宇晨四小时访谈：关于AI、赚钱和财富自由的7个观点[EB/OL]. (2026-10-10)[2026-10-12]. https://www.toutiao.com/article/7694831481880969762.

⑥ SHERIDAN T B, VERPLANK W L. Human and computer control of undersea teleoperators[R]. Cambridge, MA: MIT Man-Machine Systems Laboratory, 1978.

⑦ ERICSSON K A, KRAMPE R T, TESCH-RÖMER C. The role of deliberate practice in the acquisition of expert performance[J]. Psychological Review, 1993, 100(3): 363-406. DOI: 10.1037/0033-295X.100.3.363.

⑧ SPARROW B, LIU J, WEGNER D M. Google effects on memory: cognitive consequences of having information at our fingertips[J]. Science, 2011, 333(6043): 776-778. DOI: 10.1126/science.1207745.

编辑：米果

审核：江金骐