别让AI成为工作中的那杯咖啡｜中企荐读

人类究竟如何正确与AI协作？

整理｜《中国企业家》记者 邓双琳

编辑｜马吉英

图片来源｜AI生成

AI时代，很多工作正在变得越来越容易，一个人可以在同样时间里完成更多任务，甚至有机会借助工具跨越过去难以突破的能力边界。但一个容易被忽略的问题是：当我们越来越习惯于用AI解决问题时，自己解决问题的能力究竟是在同步增长，还是在悄悄退化？

美国系统动力学研究者德内拉·梅多斯的《系统之美：决策者的系统思考》，恰好为理解这个问题提供了一个不同的视角。这本书出版于2012年，讨论的并非人工智能，而是我们如何理解复杂系统、识别系统中的反馈关系，以及为什么一些看似有效的解决方案最终反而会把问题变得更加棘手。

重读这本书，会发现它对于AI时代同样具有启发意义：技术可以改变我们完成任务的方式，却不一定能帮助我们建立真正的能力。一种方法短期内越是有效，我们反而越需要警惕它究竟是在解决问题，还是只是在掩盖根本。人类究竟如何正确与AI协作？

书中阐明了一个重要的系统陷阱，叫作“舍本逐末”。当一个人或者组织遇到问题时，往往有两种选择：一种是找到问题产生的根源，从结构上改变它；另一种是先采取一个见效更快的办法，让眼前的麻烦消失。后者通常更容易得到青睐，因为它能迅速缓解压力，让人重新获得掌控感。但如果长期依赖这种临时方案，真正的问题就可能不断积累，直到有一天原本有效的办法也失去作用，系统将彻底失控。

这一逻辑放在AI应用中同样值得警惕，如果人类把每一次任务都变成一次对AI工具的依赖，那么效率提升的同时也可能伴随着能力的流失。

《系统之美》的价值，在于它提供了三个层面的思考，我们或许可以找到一条更清晰的路径——先看懂系统如何运转，再识别AI提效背后的隐性代价，最后找到与AI协作的合理边界，让技术增强自己的能力，而不是逐渐取代自己思考的过程。

为什么越依赖AI，越要警惕“舍本逐末”？

在《系统之美》中，梅多斯花了相当大的篇幅讨论“系统陷阱”。所谓系统陷阱，并不一定是某个环节出了明显的错误，有时候恰恰是因为每个人都在采取看似合理的行动，最终却把整个系统带向了不理想的结果。其中，“舍本逐末”尤其值得关注。

想象一个人长期睡眠不足，最初他可能通过喝咖啡保持清醒，随后为了维持工作状态，不断增加咖啡摄入量。短期来看，这个办法确实有效，他能够继续工作、完成任务，但随着时间推移，睡眠不足的问题并没有消失，疲劳不断积累，他却越来越依赖咖啡。最终，身体承受的压力可能越来越大，而真正需要解决的作息问题却被耽误了。

这就是“舍本逐末”的典型逻辑：缓解症状容易，但解决根本却需要投入更多时间和精力。当人们反复选择前者时，后者不仅没有得到解决，甚至可能因为长期缺乏投入而变得更加难以处理。梅多斯在讨论这一陷阱时，特别提醒读者，应该把注意力从短期救济转向长期的结构性重建。

AI正在成为许多人工作中的那杯咖啡。

虽然把工作交给AI，能够提高大量流程性的效率，但AI生成的答案与使用者真正对问题的理解并不是一回事。如果使用者没有足够的知识储备和研究能力，很难辨别AI给出的内容中哪些准确、哪些结论值得怀疑，当这种工作方式反复发生时，原本用于解决时间效率的AI工具，最终就可能成为削弱个人能力的因素。

这里需要强调的是，问题不在于使用AI本身，而在于我们把什么交给了AI。让AI帮助搜集资料、整理信息、检查表达，可以减少大量重复劳动；但如果连问题应该如何定义、证据是否充分、结论是否成立，都完全交给AI决定，那么被省略的就不只是工作步骤，还有那些本来应该通过实践积累起来的能力。

对企业而言，同样的逻辑也可能发生在组织层面。企业引入AI，最容易衡量的是短期效率，例如一项任务节省了多少人力。但如果企业只关注这些指标，而不去评估员工是否真正掌握了业务、决策质量是否得到改善，那么短期效率的提升就未必意味着长期竞争力的增强。假如员工越来越习惯于接受模型提供的答案，却不再主动理解客户、研究市场和复盘业务，那么企业表面上拥有了更强的工具，内部却可能逐渐失去发现问题和纠正错误的能力。

《系统之美》带来的提醒是，我们不能只在意这个工具能帮忙节省多少时间，还要对内自问：节省下来的时间，是否真正用在了提升自己的能力上？如果AI承担了重复劳动，让人有更多时间接触真实问题、形成判断，那么工具带来的收益才有机会沉淀为个人和组织的长期能力。

为什么短期有效，不等于长期有利？

梅多斯并不满足于描述“舍本逐末”的现象，而是试图拆解系统内部的运行机制：什么因素在推动变化、什么因素在限制变化，不同因素之间又是如何相互影响的。

对于普通读者而言，首先需要建立两个基本认识：系统中的变化通常不是孤立发生的，今天采取的行动，可能通过一连串反馈影响明天的行为；而一些变化之所以在短期内难以察觉，是因为系统存在积累过程，真正的后果往往要经过一段时间才会显现。

第一个需要理解的模型，是反馈回路。

梅多斯在书中把系统中的反馈回路分为两类：调节回路和增强回路。前者的作用是让系统朝着某个目标调整，维持相对稳定；后者则会不断强化已有的变化，让增长继续，或者让衰退进一步加剧。

书中以日常生活中的例子解释反馈回路。假设一个人的银行账户里可用现金不多，他可能因为经济压力而增加工作量、努力赚钱，收入增加之后，账户中的现金存量随之上升。当现金达到自己满意的水平，他可能减少工作量，收入增速又会放缓。这就是一种调节回路，系统会根据当前状态与预期状态之间的差距，调整相应的行为。

增强回路则有不同的特点，它会让某种变化不断强化自身。例如，一项业务因为产品好而获得更多客户，客户增长又带来更多收入，企业于是有更多资源投入产品改进，产品竞争力进一步提升，继而吸引更多客户。只要其中的条件能够持续满足，这个过程就会形成正向循环。当然，增强回路并不总是带来好结果，如果一个人因为缺乏锻炼而越来越难以完成任务，继而更加逃避锻炼，那么同样可能形成不断强化的负向循环。

把这两类反馈放在AI应用中，就能看出不同使用习惯可能带来的长期差异。

如果一个人每次遇到任务都直接让AI给出答案，他会逐渐发现，自己不需要花太多时间研究问题也能交出一份看似合格的成果。由于短期结果并没有明显变差，这种做法会得到持续强化，这是一个值得警惕的增强回路。

但也存在另一种可能。一个人把AI当作研究助手，先自己提出问题、形成初步判断，再让AI协助查漏补缺、提供不同解释、检验论证中的漏洞。经过反复使用，他不仅节省了时间，还能更快发现自己的知识盲区，逐步改善研究方法。能力提升之后，他又能够提出更好的问题，更有效地使用AI，形成另一个正向循环。

同样是使用AI，为什么最后的结果可能截然不同？关键在于，工具进入系统之后，究竟强化了什么行为。它可能不断强化依赖，也可能不断强化学习，决定结果的不是工具本身，而是工具与人的行为之间形成了怎样的反馈关系。

第二个值得理解的模型，是存量与流量。

《系统之美》开篇就用浴缸来解释这个概念：浴缸里的水是存量，水龙头流入的水和排水口流出的水则是流量。浴缸里的水位，并不只取决于某一时刻流入多少水，还取决于过去一段时间里流入和流出的累积结果。即使水龙头已经开大，只要排水速度仍然更快，水位就会继续下降；即使今天增加了进水量，也不意味着水位会立即达到预期高度。

这个简单例子，揭示了系统变化中的一个重要规律：存量需要时间积累，也需要时间恢复。

人的知识、经验、判断力和独立思考能力，同样可以被理解为一种存量。这些能力不是完成几项任务就能迅速建立起来的，而是在长期实践和复盘的过程中逐渐积累的。与之对应，每天投入多少时间学习、是否认真分析问题、有没有主动检验自己的判断，则像是影响这一存量的流量。

当AI承担了大量重复劳动之后，一个人完全可以把省下来的时间用于更深入的学习和思考，让自己的能力存量继续增长；但如果他把所有节省下来的时间都用于增加任务数量，同时不断减少独立研究的投入，那么能力的积累就可能放缓，甚至逐渐流失。某一天当真正复杂的问题出现时，才会发现自己已经很难像过去那样独立应对。

与AI协作的关键是什么

梅多斯在《系统之美》中讨论系统世界的生存法则时，强调要把心智模式展现在阳光下，关注重要的而不只是容易衡量的指标，保持谦逊、保持学习。

在AI时代，首先需要重新定义AI提效的目标。假如一家企业只要求员工提高产量，那么员工自然会优先选择那些最快完成任务的方法，从而流失长期能力。但如果目标不仅包括完成任务，还包括提高判断质量、积累专业知识和改善工作方法，那么AI的使用方式就会随之发生变化。

我们需要区分哪些工作可以交给AI，哪些工作必须自己参与。例如资料初步整理、已有信息分析、格式检查、基础数据处理等任务，通常可以交给工具承担；但对于决定最终结论的关键环节，例如问题应该如何定义、事实证据是否充分、不同解释是否成立，就不应该依赖AI的答案。

其次，要把AI放进一个能够帮助自己成长的反馈回路，而不是只追求即时结果。这意味着要把自己的思考放在关键节点上，先形成判断，再去核验AI的结论是否合理，才能把工具提供的信息转化为自己的知识。久而久之，AI不再只是一个替你完成任务的工具，而成为帮助你更快发现盲区、检验思路和积累经验的助手。

最后，要为那些短期看不到产出的活动保留时间。梅多斯在讨论系统时提醒读者，不要因为某些机制平时很少发挥作用，或者看起来成本不低，就轻易将其舍弃。很多人把更多时间用于工作和赚钱，却忽视了休息、娱乐、社交和思考的时间，从长期来看，这会降低系统应对不同状况的适应力。

此外还要接受一个事实：系统无法通过一次调整就永远保持理想状态，人与AI的协作方式也不可能一劳永逸。随着模型能力不断变化，人类也要不断调整自己的协作方法。

《系统之美》虽然并非出版于AI时代，却提供了理解AI的一把钥匙——任何工具进入一个系统，不仅会改变眼前的结果，也会影响系统内部的行为模式和长期演化。真正有效的AI提效，不是让人减少思考时间，而是让人有能力把时间花在更值得思考的问题上。

（《系统之美：决策者的系统思考》，作者：【美】德内拉・梅多斯，译者：邱昭良，浙江人民出版社出版）