共计 1490 个字符，预计需要花费 4 分钟才能阅读完成。
追求速度与效率固然重要，但并非所有任务都适合立刻交由 AI 处理。部署 AI 本质上是一项管理决策，而不仅仅是技术选择。
核心观点：
- 部分任务已适合自动化，另一些则仍处于模糊地带。
- 速度与效率并非判断 AI 能否胜任工作的唯一考量。
- AI 决策属于管理基础范畴，而非纯粹的技术层面问题。
我们常听到一种说法：AI 智能体如同人类的“协同工作者”，是劳动力的延伸。但真正的难题在于如何判断 AI 能否胜任哪些具体工作——这并不简单。
有些任务适合自动化，有些则更适合人工处理。而更多的任务处于中间地带：技术上可以实现自动化，但这样做是否值得？如今，我们应当将 AI 智能体视为辅助性劳动力，并相应地加以管理。
甚至有观点认为，负责管理这些智能体的 IT 部门，正在某种程度上承担起人力资源部门的职能。
管理基础与技术专长
宾夕法尼亚大学教授、顶尖 AI 专家 Ethan Mollick 强调，判断 AI 能否胜任工作，需要的更多是管理基础能力，而非纯粹的技术知识。在《管理即 AI 超能力》一文中，他详细阐述了决定是否将任务交给 AI 的思考框架。
Mollick 指出，从经济和生产力角度看，AI 的优势显而易见：速度快、成本低。“AI 能在几分钟内完成人类需要数小时的工作，即使生成多个版本并废弃大部分，它也毫无怨言。”
以客户服务系统中的聊天机器人为例。经过 AI 增强的自动应答如今处理着大量常规咨询，而这些咨询过去常常让客服代表应接不暇。现在，客服代表得以解放出来，专注于处理更复杂的客户问题。
然而，速度和效率并非全部。Mollick 提出了另一项关键考量：“对于复杂任务，你往往难以可靠地预测 AI 的强项与短板。”在管理领域，“更快地做错事”始终是一个重大风险。
判断 AI 能否胜任工作的最佳决策方式，不是将 AI 部署视为纯粹的技术问题，而是从管理基础的角度来审视。这可能最终将 AI 及智能体应用推向一个新阶段——即将其作为辅助劳动力进行管理。
Mollick 举例说明，要充分发挥 AI 智能体的作用，管理者需要具备“清晰解释需求、提供有效反馈，并设计工作评估方法”的能力。
如何判断委派是否合理
管理的基本原则在此再次适用：亲自执行、放弃或委派。Mollick 解释道：“我们选择委派，通常是因为无法事必躬亲，且人才既稀缺又昂贵。AI 改变了这个等式。如今，‘人才’变得充沛且廉价，而稀缺的资源变成了‘清晰定义需求的能力’。”
成功的委派取决于能否准确判断何时将任务交给 AI 智能体。Mollick 提出了三个衡量标准，用以评估 AI 是否最适合某项任务：
- 人工基准时间：“你自行完成任务所需要的时间。”
- 成功概率：“AI 单次尝试就能产出达标结果的可能性。”
- AI 处理时间：“向 AI 提出请求、等待其产出并评估结果所需的总时长。”
这些决策点相互关联，需要权衡取舍。在思考如何向 AI 下达指令时，本质上是在重新构建管理流程。Mollick 举例说明：“假设某项任务你需要一小时完成，AI 只需几分钟，但检查其答案却需要 30 分钟。那么，只有当‘成功概率’极高时，才应该交给 AI。否则，生成和检查草稿的时间将超过你亲自处理的时间。”
他进一步阐述：“如果‘人工基准时间’是 10 小时，那么花上几个小时与 AI 协作可能是值得的，前提是你能成功地让 AI 胜任这份工作。”
AI 智能体团队需要通过提出基础的管理问题来实现目标，这与管理人类团队类似，例如：“我们要实现什么目标？为什么？”以及如何跟踪和衡量智能体的进展。
Mollick 预测，当每个人都成为拥有不知疲倦的智能体“军团”的管理者时，管理工作乃至职场本身都可能发生进化。“那些能够清晰认知优质工作的标准，并能明确阐释如何让 AI 也达到这一标准的人，将会脱颖而出。”
