探讨AI人机协作新模式

2025年8月，国务院发布《关于深入实施“人工智能+”行动的意见》，强调：推动人工智能与各领域的深度融合与创新应用，拓展新兴产业发展空间，有助于刺激需求增长，推动经济高效发展。这标志着人工智能已被提升至国家战略层面。正如人类历史上的数次工业革命，在数字化智能化的当下，人工智能正是推动传统生产力实现跨越式发展的核心动力。自2022年ChatGPT推出以来，人工智能已在写作、咨询、统计、绘画、娱乐、教学等众多领域得到广泛应用，其推广速度和影响力达到了前所未有的水平。

人工智能的普及也引发了一个社会性问题：既然人工智能已接近“全能”，它会取代人类吗？经过学者们的充分讨论，目前已有压倒性结论：人工智能不会取代人类；而是将人类与人工智能的优势相结合，实现协同发展的人机协作将成为经济社会发展新模式。《吕氏春秋》有云：君子谋时而动，顺势而为。意为有远见的人应顺应时势变化而采取行动。因此，职场人士应认清人工智能人机协作的发展形态，以便找准自身定位，主动迎接变革，在激烈竞争中保持优势。带着这一目标，笔者结合自身实践进行了研究和思考，分享如下。

人类为人工智能注入智慧与能量。

（一）技术

人工智能技术层面的三大核心要素为算力、算法、数据。算力指计算机系统的处理能力，能够从大数据处理、复杂模型推理等方面为人工智能提供分析、存储、清洗等计算支撑。算法解决的是人工智能面对任务时的逻辑思路问题，即解决问题应该怎么干？先干什么？后干什么？其本质是指导人工智能找到规律的行动指南。可以说，算法是人工智能的“大脑中枢”，决定人工智能是否够“智能”。数据是人工智能学习和改进的基础，通过对海量数据的收集、分析，人工智能能够不断改进参数，提升分析、推理的正确性。

作为人工智能技术工程师，首先需要具备的核心能力是技术硬实力。这包括：扎实的数学、算法、编程等基础知识；熟悉掌握运用CPU、GPU、TPU等硬件，Linux、Docker等软件框架，以及算力调度、技术优化等能力。其次，人工智能技术工程师应该具备需求落地、运维排查、效率跟踪等工程实践能力。再次，在数据方面，人工智能技术工程师需要解决数据孤岛、数据质量低下等问题，建立和完善数据治理机制，从而为人工智能提供结构化、高质量的数据。此外，随着行业的日新月异，人工智能技术工程师需要保持持续学习的内驱力。

（二）业务

人工智能作为一种新技术、新工具，只有融入实际业务，才能展现出应有价值。在具体的业务场景中解决现有痛点问题，实现工作效率提升、客户体验优化、产品模式创新等；并且，通过人工智能应用的典型、标杆场景打造，甚至可以改写行业标准，从根本上提升生产力。如在客服接电中嵌入人工智能智能助手；在医疗诊断中运用人工智能辅助分析医学影像；银行、金融机构利用人工智能进行信用评估、欺诈检测；智能工厂运用人工智能进行质量检测控制等。所以，具有人工智能业务场景规划能力的高素质人才是实现人工智能落地的核心要素。他们应该兼通智能和业务。一方面，他（她）们虽然不一定是技术专家，没有学过、从事过编程也没关系，但应该对人工智能的系统原理、工作流程有定性的、正确的认知。显然，理解系统在什么边界条件下能做什么，不能做什么这是搭建智能与业务桥梁的基础；另一方面，他（她）们应该有发现业务痛点并与人工智能智能关联的能力。由于目前人工智能应用尚处于“摸着石头过河”阶段。所以，业务场景打造一般是在明确人工智能于业务体系中定位的基础上，采用“试点－迭代－规模化”思路，选择投入成本低、见效快的小场景，达到以点带面的作用。

（三）管理

首先，从文化的角度为人工智能落地做好铺垫。人工智能战略能否顺利实施，员工对人工智能的态度很重要。人工智能计划实施会给员工带来迷茫、畏难、不确定等负面情绪。所以，一是帮助他们理解人工智能的优势、劣势、工作方式等基本概念，破除人工智能“神化”。二是通过激励、认证、培训等方式引导员工与人工智能良性互动。短期来看，员工掌握人工智能技能，能够在工作中积极运用人工智能；长期来看，赋予人工智能团队角色，人工智能成为组织中“硅基同事”，员工接纳人工智能是工作伙伴。三是营造人工智能与员工共同发展，人工智能给员工带来自我实现的文化氛围，引导员工从心底认可人工智能的价值。

其次，打造扁平化组织，从组织角度助力人工智能有效落地。扁平化组织的特点是层级精简、沟通顺畅、决策迅速，及时地响应客户需求，一直是现代企业变革的方向。打造扁平化组织可以充分利用人工智能解决现有的痛点问题，从而从组织角度助力人工智能有效落地。因为人工智能可协助完成诸如：分析、判断、审批等以前由企业中间管理层完成的职能，这就为高层决策层与基层执行层直接对话创造了条件。并且，人工智能的智能调度和信息整合能力可以共享给所有组织成员，这意味着可以将更多的决策权下放基层。

（四）标注

标注是人工为原始数据添加明确标签，以便人工智能能够理解该数据含义并从中学习规律。举例如下。

文本标注：用户输入文字：这款产品完全适合我的需求，超推荐。标注为“正面”；用户输入文字：帮我查一下明天成都到北京的机票。标注为“机票查询”。

图片标注：将图片中的猫圈出，标注为“猫”；将图片中的交通灯圈出，标注为“红灯或绿灯”；将图片中的人行横道线圈出，标注为“斑马线”。

语音标注：四川用户说：要得。标注为“好”。广东用户说：给好。标注为“很好”。在一段录音中标注出“对话”“静默”“背景声”。

视频标注：在交通视频中将行进中的汽车、行人分别加上跟踪框，以便于（自动驾驶）人工智能能够识别汽车、行人的移动轨迹。

目前数据标注已发展为全球性的庞大产业。

从国际来看，美国目前从事标注职业的人员已超过30万，德国最大的数据标注公司Clickworker员工已达120万之众，印度宣布其数据标注员人才缺口为100万等。

从国内来看，我国也已颁布促进数据标注产业发展的实施意见，在国家层面建立了四川成都、辽宁沈阳、安徽合肥、湖南长沙、海南海口、河北保定和山西大同7个数据标注基地。整个标注行业方兴未艾，潜力巨大。

数据标注员可以雇佣专职或兼职人员，所以管理人员应该从标签优化、人员培训、质量控制、隐私保护等几个方面强化管控，确保标注信息的高质量。

人类与人工智能各展所长，分工协作，共同完成任务。

（一）为何需要人机协作？

因为人类与人工智能各有优劣势，人机协作有利于取长补短，扩展单一主体能力边界。

人工智能的优势包括：其一、快速信息处理能力。针对确定主题，人工智能能够在极短的时间内搜集到诸如概念、动态、法律等信息，将分散的智慧系统化，其处理速度，内容丰富性、全面性远超人类；其二、强大分析能力。能从文本、数据、图片、视频中提取有用信息，并发现其内在联系，提供人类可供参考的决策建议；其三、24小时随时在线能力。

相比人工智能，人类的很多特质是无法取代的：第一、创新能力。人工智能可制订多种角度的研发思路，但内容不具备创意，仅为已有知识的组合；人工智能谱曲旋律优美却往往千篇一律。这是因为创新仍然是人类独有的能力。具体而言，创新能力包括抽象能力（从复杂的表象中看透事物本质，从多头的线索中抓住主要矛盾的能力）；发散能力（围绕问题，将已有知识和新信息联系起来，提出大量的可能性，并进行验证的能力）；开放能力（对看似理所当然的观点、指令进行质疑，并提出自己的想法的能力）等。第二、情感能力。尽管现在人工智能似乎也能识别一些人类的情感，但它仅仅是从文本（如语气词）、语音（如语速）、视觉（如视频中人的表情）等信息来进行推断，谈不上真正理解人类的情感，更无法提供人类以情感支撑，时常给人以“冷冰冰”的感觉。人类的倾听、同理心、包容、共情、人情味等情感能力是人工智能完全不具备的。第三、对现实世界的理解能力。人类可以依赖身体与环境、物体的接触来理解世界，而在人工智能的世界里，一切永远是空泛的图片、视频、声音，缺乏物理具身体验。

（二）人工智能按人类设计独立完成简单任务

针对规则清晰、流程明确、重复高频、低个性化的场景，可以开发由人工智能独立完成的自动化任务，达到节省人力、提升效率、减少人为差错目的。

通过四步走方法开发人工智能自动化任务。首先，定义场景。找出符合规则清晰、流程明确、重复高频、低个性化特点的业务场景；其次，流程解构。针对选定业务场景，进行人工操作流程穿越，并将完整流程拆分为一个个不可再分的“原子步骤”；第三、技术映射。制订每个（人工操作）“原子步骤”的技术自动实现方案；第四、运行迭代。采用小范围试点－技术迭代－大规模推广方案保障系统稳定运营，达成既定目标。

人工智能自动化任务已广泛运用于工作、生活中。

智能外呼：系统生成外呼流程和话术；多路并发，短时间触达大量用户；采用大模型的对话记忆、上下文衔接、语音交互拟人化等技术，深刻理解用户意图、潜台词，与用户进行多轮流畅对话；生成关键指标报表，提供小结优化。

智能巡逻：电子警犬、智能机器人能自行识别异常行为，并按设定的路线执行巡逻、警示、应急喊话等任务。

实时翻译：无须设置输入语言即可实现多语言翻译，系统提供的翻译语言还能保留原说话者的语调和节奏，让对话听起来更自然。

人工智能智能体：系统将复杂的任务拆解为子任务；通过传感器、接口、交互等界面收集所需信息；依托人工智能规划下一步行动；并将执行结果进行反馈。

（三）人机协作共同完成复杂任务

人类与人工智能分工合作，实现能力互补。

1.人工智能负责信息铺垫，人类负责理性决策

很多时候，决策需要结合经验、利益、情感、直觉等诸多复杂因素综合权衡，这是人工智能不能胜任的。所以，人工智能负责信息铺垫帮助人类从繁琐细节中解放出来，从而专注于高端的决策工作。

智慧医疗：2025年2月，湖南省医保局下发通知，严禁接收人工智能直接生成的处方。这是因为医疗知识专业性很强，且一旦出现偏差，后果可能十分严重。但人工智能却可以通过对海量医疗数据的收集、分析，发现疾病模式、治疗反应等价值信息，提供人类医生有效的建议。

智慧助手：在座席接电中嵌入人工智能智慧助手。从营销来看，人工智能根据用户历史轨迹进行画像，精准匹配产品、促销、场景等，形成推荐方案，并细化为营销话术，以弹窗方式推送座席；从服务来看，人工智能根据用户来电语音转文字信息，精准识别服务疑难场景，自动抓取服务所需计算、查询等相关信息，以信息汇总卡片方式呈现给座席，提供专家辅助同时也减少座席操作。

2.人工智能负责事务工作，人类负责价值提升

将情感力、批判性思维、创意整合等人类“软实力”与人工智能相结合，实现强强联合。

智慧培训：人工智能深入分析学员的知识现状、方式偏好、理解能力制订个性化培训计划；提供视频、语音、H5等多媒体方式；根据个体的易错、薄弱点，生成专属练习卷，靶向知识点补强。尽管人工智能有这么多的优点，但在培训中并不能替代人类老师。因为学习不只是认知活动，还是关系学员心理情感的社会活动。人类老师所提供的积极鼓励、课堂互动、方向引导等是人工智能无法提供的。

智慧政务：人工智能负责回复咨询、发送资料、记录工单、生成报表等事务工作。政务热线工作人员则专注于政策调研、公共服务模式创新、部门协调等价值工作。

3.人工智能负责生成内容，人类负责完善优化

现在，利用大模型生成文字、视频、图片已成为重要的工作方式，但我们却发现大模型生成内容往往差强人意。

人工智能生成图片：企业标识（LOGO）被拼得七扭八歪；文字间距参差不齐；颜色叠加时一片模糊。

人工智能生成报告：风格千篇一律；陈词滥调充斥；时常出现前后矛盾的表述；文字冷冷淡淡，让人感受不到热情和温度。

人工智能生成代码：代码生成错误；时常留下明显的系统漏洞。

麻省理工学院有一项调研，95%企业级人工智能生成项目，人工智能直接生成内容无法达到要求。这也是大多数人的共识：人工智能生成内容不能直接使用。这种现状催生了一个新职业－人对人工智能生成内容进行完善修复。另外，人们也发现人工智能好不好，关键还在于人类如何去使用。如人工智能生成内容质量很大程度取决于“提示词”的精准性。

随着人工智能的广泛应用，其幻觉、造假、安全、伦理等问题也随之而来，需要从法律规制、技术优化、安全治理等方面规避风险。

（一）人工智能幻觉

人工智能幻觉是指生成内容出现与事实不符的情况。网友戏称这是人工智能在一本正经地“胡说八道”。出现幻觉的原因一方面是训练数据不准确。这包括数据错误、数据矛盾、数据偏见。数据错误不需赘述。数据矛盾是指训练数据中出现了互相矛盾的内容，人工智能无法像人一样甄别对错，照单全收，后续就会出现推理错误。数据偏见是指训练数据中只涵盖了某一方面的数据。如：有人制订了如何让人工智能优先推荐你的产品的攻略。通过伪造专家身份、虚构研究报告等“办法”，向人工智能“投喂”虚假信息。显然，这是钻了人工智能取数存在偏见的漏洞。另一方面，出现幻觉是源于人工智能训练规则不合理。研究显示，人工智能训练过程中就存在奖励其“不懂瞎蒙（不会时不说不会，而是瞎蒙一个答案）”的行为。

（二）人工智能造假

利用人工智能制作仿冒社会名人、特定专业身份人员的虚假直播带货视频，误导消费者下单购买。电商平台展示图片用人人工智能生成，与实际商品严重不符，所见是虚假，所得是骗局。利用人工智能换脸、语音合成等让人真假难辨的技术进行电信诈骗。利用人工智能生成假新闻，虚构社会热点，伪造社交媒体帖子，推波助澜谣言。

（三）人工智能安全

人工智能训练和使用过程中会涉及海量的数据，其中可能含有个人信息敏感数据、企业商业机密等，在数据收集、存储、处理、输出环节如果没有有力举措，这些信息就可能被未授权访问、泄露或滥用，导致安全问题。

（四）人工智能伦理

人工智能难以判断正义、邪恶，带来的问题是人工智能的行为可能背离人类基本的道德规范。之所以出现这种情况，是因为人工智能面世就是定位于人类的工具，训练均立足于提升其业务技能，而道德伦理方面的教育缺失。

（五）规避人工智能风险

1.法律规制

近年来，全球都在持续强化人工智能方面的法律规制。强化立法是从顶层设计层面规范秩序，为行业发展保驾护航。如今年颁布的《人工智能生成合成内容标识办法》明确规定：所有人工智能生成的文字、图片、视频等内容必须明确标识，亮明身份。这样做的目的是为公众筑起一道认知防线，提升鉴别信息真伪的警惕性。

2.技术优化

技术优化是指通过技术监测、算法改进等办法规避人工智能风险。如：开发专用工具，从语言模式、句法结构、逻辑连贯性等指标，判断出内容是不是由人工智能自动生成。对人工智能的训练方法进行改良，关键指标从即时满意向长期价值转变。长期价值是指用户使用了人工智能生成的内容是否能帮助其达成目标？对于人工智能建议，给到人类的同时需要展示该建议正确的概率，帮助人类对采纳与否作出精准判断。将道德伦理原则嵌入到人工智能训练逻辑中，如明确要求“童叟无欺”等等。

3.安全治理

一是对数据流转全流程制订严格规范。数据执行端到端加密，统计分析时对个体信息进行脱敏、去标识化处理；使用商密信息时进行权限管理，水印打标。建立数据溯源机制，数据流向、责任人可随时倒查。二是开展攻防测试，防范干扰、窃取、篡改等黑客攻击。三是建立嵌入式的安全治理标准，将合规要求融入日常生产运营。

本文中，笔者从人类为人工智能注入智慧与能量、人类与人工智能各展所长、强化治理规避风险三个方面阐述当今数智时代人工智能人机协作的发展形态。作为职场人，应该以开放的心态持续学习、拥抱变化，以期将人工智能人机协作转化为个人成长加速器。

作者：陈 浩 中国移动在线营销服务中心四川分中心

点击下方名片，了解更多精彩内容