调研显示，有些工作，人并不想交给AI完成

过去几年，AI 产品的演进大致遵循着同一种逻辑：模型能力越强，能够替用户完成的事情就越多，产品的价值也就越高。从辅助生成到自主执行，从提供建议到直接完成任务，“减少人的参与”几乎天然被视为一种进步。

在这套逻辑里，用户不愿把某项工作交给 AI，通常会被理解为技术问题：模型还不够准确，结果还不够稳定，或者用户尚未建立足够的信任。只要能力继续提升，这些阻力最终都会消失。

Dscout 最近对 96 名已经在实际工作中使用 AI 的人进行研究，却发现事情并没有这么简单。研究者没有让参与者预测遥远的未来，而是直接询问他们：即使 AI 已经有能力完成某项工作，哪些事情你仍然希望留给自己？ 得到的回答很少涉及模型能力。

一位销售人员希望继续亲自观察客户的犹豫、信任和情绪变化，因为判断这些微妙信号本身就是销售工作的一部分；一位管理者不愿把涉及他人利益的艰难决定交给 AI，因为那不仅是一项需要完成的任务，也是一种必须亲自承担的责任。还有一些参与者担心，长期把某些工作交出去之后，自己多年训练形成的能力会逐渐钝化。

这些回答揭示了一个容易被自动化逻辑忽略的区别：工作既产生结果，也塑造完成工作的人。

如果只从效率衡量，一项任务可以被拆解成时间、成本和结果质量。只要 AI 完成得更快、更便宜、更稳定，把它交出去似乎顺理成章。但对于实际从事这份工作的人来说，很多任务并不只有产出价值。判断客户情绪、作出艰难决定、完成一次专业取舍，这些过程同时也是专业能力得以形成和维持的地方。因此，“AI 能不能完成”和“人愿不愿意交出去”并不是同一个问题。

Dscout 在研究中还观察到，这种边界并没有随着 AI 能力提升而明显后退。当研究者追问，随着工具不断进步，他们希望留给自己的工作是否发生变化时，多数参与者表示变化并不大。研究者据此把这种顾虑进一步区分为两类：一类关乎工作的意义与身份认同，另一类则来自对技能退化的担忧。后者尤其容易被忽视。

专业能力并不是储存在脑中的静态知识，而是在持续实践中维持的判断力。如果研究员长期不再亲自阅读访谈，设计师不再参与关键取舍，管理者把复杂判断持续交给系统，即使短期结果依然可靠，人自身识别错误、发现异常和作出判断的能力也可能随之减弱。

于是，一个看似提高效率的自动化过程，可能同时削弱用户未来监督自动化的能力。这和传统的 Human-in-the-loop 也并不完全相同。过去把人保留在流程中，通常是因为 AI 仍然可能犯错，需要人工检查和兜底。在 Dscout 的研究里，人希望继续参与某些工作，并不只是为了监督机器，而是因为参与本身具有价值：它维持专业身份，也维持专业能力。

这个区别对 AI 产品设计很重要。如果把所有人工介入都视为需要被消除的摩擦，那么产品很容易走向“最大程度委托”：默认用户希望系统接管得越多越好，只需要通过更高的准确率、更少的确认和更顺畅的授权来推动这种转移。

但有些所谓的摩擦，可能根本不是体验缺陷。用户坚持自己作出最后判断，希望亲自完成某个关键步骤，或者拒绝把某类任务完全自动化，未必意味着产品做得还不够好。那可能恰恰是他有意识维护的一条专业边界。

对于 UX 设计师来说，这会改变自动化设计中一个很基础的问题。过去我们首先问的是：哪些步骤可以交给 AI？以后可能还要再加上一句，哪些步骤即使可以交给 AI，也应该允许用户继续亲自完成？

两者之间的差别，决定了产品究竟是在帮助用户减少无意义的负担，还是在无意中拿走一部分用户本来希望保留的工作。

当然，Dscout 的研究并不是一项能够代表整体劳动力市场的统计调查。96 名参与者本身已经在使用 AI，研究呈现的是定性访谈中反复出现的模式，而不是“多少人拒绝 AI”的总体比例。研究者自己也没有给出一个适用于所有职业的自动化边界。但它提醒了 AI 产品一个长期被能力竞赛遮住的问题：自动化的边界，不完全由技术能力决定，也由人如何理解自己的工作决定。

当 AI 已经能够完成越来越多任务之后，产品设计真正需要辨认的，可能不再只是“机器还能替人做什么”，而是哪些事情，人仍然希望由自己来做。