摘要：最新研究指出，人工智能在工作场所的失败很少是由于缺乏“智能”，而是缺乏“认知契合度”。该研究表明，将人工智能视为“即插即用”的工具会造成摩擦，因为人类和机器处理信息的逻辑截然不同。

为了取得成功，团队必须朝着“混合认知协同”的方向发展，这是一个循序渐进的过程，在这个过程中，人类和人工智能通过经验逐步建立共同的预期。该研究强调，人工智能的价值不在于其独立的强大功能，而在于它能够作为协作伙伴发挥作用，并充分理解自身的局限性。

关键事实

• “逻辑差距”：人工智能依赖于数据中的统计模式，而人类则使用判断、社会线索和经验，这在任务执行方面造成了自然的不匹配。
• 混合认知协调：这一涌现过程涉及人类随着时间推移了解人工智能的行为方式而重新调整他们的信任并调整他们的互动方式。
• 动态任务分配：只有在任务稳定的情况下，将角色分配给人类和人工智能才有效；但实际上，意外事件（如市场崩盘）需要灵活地转移责任。
• 协作重于性能：该研究表明，人工智能开发者应该优先考虑“为协作而设计”——确保系统能够传达其局限性——而不是仅仅追求原始性能。

虽然这种喜剧式的关系在好莱坞经典影片中创造了一种不可抗拒的戏剧效果，但这种动态在日常生活中对于成功的人机关系来说并不适用。

史蒂文斯商学院研究人机协作的助理教授裴岩表示，如今人工智能正逐渐成为许多人日常生活的一部分，人类和机器必须学会如何更好地合作。

“企业正在将人工智能与人类结合使用，但两者很难有效协作，”她说道。“人类的思维方式与人工智能不同。人类运用经验、判断力和社交线索，而人工智能则运用从数据中学习到的统计模式。” 

她补充说，这些差异可以互补，但前提是它们必须协调良好。否则，用户可能会过度信任人工智能的输出结果，误用系统，或者浪费时间去纠正或绕过这些错误。

“在这些情况下，人工智能非但没有减少工作量，反而增加了摩擦，”她说道。“这种不匹配导致人机协作往往效率低下，有时甚至彻底失败。” 

在分析人工智能失败案例时，企业通常将其归咎于两个弊端之一：要么技术不够强大，要么技术过于强大以至于无法信任。然而，闫提出了另一种解释：机器和人之间的协作方式不协调。“人工智能失败的根源在于人类和机器对任务、角色和职责的理解不一致。”

Yan指出，在将人工智能引入工作场所时，企业往往会主动将任务分配给人类和人工智能。这种做法只有在任务稳定、可预测且不会随时间变化的情况下才有效。但大多数工作环境并非如此。

闫以高频交易算法为例，指出人工智能被应用于快速监控市场、发现趋势和机会。但某些意外事件——例如市场暴跌、重大政策变化或通胀数据发布——可能会影响人工智能对市场的理解。

“这些算法是用预设规则训练的，所以人工智能并不是真正为了理解这类事件而设计的，它可能会改变整个市场，甚至导致崩盘，”她说。 

在她的新论文《 同步人脑与机器：混合认知对齐作为人机协作中涌现的协调机制》（发表于 2026 年 3 月 18 日的《管理学会 》期刊）中，Yan 认为有效的人机伙伴关系应该以不同的方式构建。

他们应该依靠一种叫做“混合认知协调”的过程——逐步形成对人工智能的用途、使用方式以及何时应该优先考虑人类判断的共同期望。

“这种一致性不会在系统部署后自动实现，”Yan说。“相反，它会随着时间的推移而逐渐形成，人们会了解人工智能的行为方式，调整与人工智能的交互方式，并根据经验重新调整他们的信任度。” 

例如，人工智能目前已被应用于医疗领域，用于分析X光片或CT扫描图像。经过数百万张图像的训练，它在识别癌症或其他疾病方面往往比医生肉眼更容易发现并避免疏漏。然而，它并不了解特定患者的病史或药物反应，因此，如果没有人工干预和监督，分析结果的准确性就会大打折扣。 

同样，在客户服务领域，人工智能通过数千次历史互动进行训练，能够以惊人的速度搜索公司内部的政策文件，但它可能无法理解特定客户的问题或需求。如果不对人们进行如何正确使用人工智能的培训，许多此类努力可能无法取得理想的效果。

那么，企业在部署人工智能时应该怎么做呢？Yan表示：“他们应该更加关注人与机器之间任务和角色的划分方式，以及这种方式会如何随时间变化。”

她强调：“培训必须着重讲解人工智能的正确使用方法，并给予团队足够的适应时间。将人工智能视为‘即插即用’的解决方案往往会适得其反；将其视为新的合作伙伴则能带来更好的结果。对于管理者而言，这些影响立竿见影。”

人工智能开发者也能从这篇论文中获益。研究结果强调了设计时不仅要考虑性能，更要考虑协作的重要性。“系统应该清晰地传达自身的功能和局限性，支持用户不断学习，并帮助用户与系统建立牢固的合作关系，”她说道。“归根结底，人工智能的真正价值不在于孤立地提升机器的智能，而在于改善人机协作。正是这种协同，而非单纯的智能，才能将人工智能从令人沮丧的源泉转变为价值的源泉。”

关键问题解答：