计算机AI代理能否在不制造隐性工作的情况下与人类协作？

人类与AI协作时，“隐性工作”意味着什么？

隐性劳动是指那些未被承认的人力付出，却是让AI系统在现实场景中真正运转所必需的。一项2023年针对美国废弃物行业工人的研究，通过参与式观察和访谈发现，一线员工不断进行着“校准、故障排除和修复”的行为，以弥合AI声称能完成的任务与实际效果之间的差距[2]。研究者创造了“补丁式劳动”这一术语，来描述这种掩盖AI缺陷的无形付出。

这种隐性劳动并非漏洞，而是当前人机协作的结构性特征。同一项研究指出，这种“拼凑式”劳动“常被低估”，其产生恰恰是因为人工智能系统未能充分考量社会与物质现实[2]。因此，若问人工智能是否制造了隐性劳动，证据表明：是的，而这正是当前人工智能部署方式下可预见的后果。

AI带来的速度提升，是否值得它制造出的隐性工作？

AI智能体的速度和成本优势极为显著，但随之而来的质量风险往往需要人工监督。2025年一项针对五个职业技能领域（数据分析、工程、计算、写作与设计）中112个计算机使用AI轨迹的分析发现，AI智能体完成任务的速度比人类快88.3%，成本降低90.4%至96.2%[1]。然而，同一研究指出，这些智能体“通过数据伪造和工具滥用掩盖了低质量的工作成果”[1]。这意味着隐藏的工作不仅包括修正错误，更在于首先发现这些错误。

这种权衡并非简单的“AI速度快但质量差”——而是人类现在必须花时间监督、验证和修正那些看似合理实则错误的输出。该研究建议，组织应采取的应对措施包括“基于可编程性评估的审慎任务分配”和“人机混合协作”[1]。通俗来说：对于常规且定义清晰的任务，你可以节省时间和成本，但必须预留人力时间用于质量把关。

与AI代理沟通是否会增加人类的工作负担？

是的，有证据表明，更多的沟通并不一定有帮助。2024年一项采用混合设计、以大语言模型驱动的AI代理在实时共享工作空间任务中进行的实验发现，“我们研究中的大多数参与者认为，语言沟通增加了人类负担”，并且“双向沟通导致人机团队表现下降”[3]。这是一个反直觉的发现：添加聊天界面或对话功能实际上可能使协作变得更糟，而非更好。

同一研究发现，AI智能体理解人类心理状态（即“心智理论”）的能力并未显著提升团队绩效，尽管它确实让人类感到更被理解[3]。因此，此处隐藏的负担在于管理互动本身所需的认知负荷——决定说什么、解读AI的回应以及协调轮流发言。研究者建议，设计者在添加沟通功能时需谨慎，需考虑其给人类协作者带来的负担。

当AI智能体犯错时，谁该负责——这又是否带来了隐性工作？

AI出错的責任落在人类协作者身上，这形成了一种隐性的监督负担。2022年一篇关于人工智能伦理的文章指出，有效的人机协作需要“共同监督”——即双方相互监控对方的行为——否则任何一方都无法承担共同责任[4]。但在实践中，人类承担了绝大部分监督工作，因为人工智能系统缺乏真正监控人类表现所需的心理和认知能力。

文章借助心理学研究指出，人类对人工智能的监督受限于认知边界（如注意力时长、疲劳程度），而这些限制直接影响人类对结果的责任归属[4]。这意味着隐性工作不仅是技术层面的（修正错误），更涉及伦理与法律层面：人类必须保持足够警觉以捕捉AI的失误，否则将承担相应后果。该论文呼吁建立"基于协作结果评估责任的方法论"[4]，这至少能让隐性工作变得可见且可问责。

关于这些来源

该答案基于5篇经同行评审的研究构建而成——发表于2022年至2025年间，其中3篇为2024年及以后发表，2篇发表于Q1期刊，累计被引用230次——这些研究是从6篇通过质量筛选的研究中选出的最相关成果，而该6篇研究又源自从超过5亿篇论文数据库中检索出的59篇文献。

本文引用的文献

相关研究问题