人类与AI协作时，“隐性工作”究竟是什么？
隐性劳动是指为使人工智能系统按预期运行而付出的、未被认可的人力投入。2023年一项针对美国疫情期间垃圾处理工人的研究提出了“拼凑”这一术语来描述这种现象：工人们持续进行校准、故障排除和修复工作，以协调人工智能机器人与环境之间的关系[1]。这种劳动对管理者和系统设计者而言是隐形的，但对于人工智能的正常运行却至关重要。
同一研究发现，这种隐性工作并非一次性修补，而是持续存在的负担。由于技术无法应对现实世界的多变性，工作人员不得不不断调整和修复人工智能系统[1]。这意味着，若未明确设计透明度机制，人机协作将不可避免地给人类带来额外且不被认可的工作量。
能否通过设计让AI避免制造隐性工作？
是的，但这需要主动设计，使人工智能的局限性和行为清晰可见。2025年一项针对临时设计团队中36名参与者的对照实验表明，采用主动干预策略（旨在管理冲突升级与降级）的AI语音助手，能够在不增加隐性工作负担的前提下，改善人际关系、沟通质量及协作体验[2]。关键在于，AI承担了管理团队动态的责任，而非要求人类弥补其不足。
2025年一项关于人机协作的综合综述提出了一个包含五级人类整合程度的框架，强调系统必须具有灵活性并允许用户控制，以避免将隐性工作转嫁给人类[5]。该综述指出，当人工智能系统被设计为协作者而非工具，并具备透明的决策机制和用户参与时，隐性劳动的风险将显著降低。
然而，2023年一项包含156名参与者的实验室实验发现，对AI的负面态度可能导致人们不愿接受AI建议，从而降低工作表现[4]。这表明，即使用户面对设计完善的AI，若对其缺乏信任，仍可能因反复质疑或推翻AI建议而耗费额外精力，形成隐性工作负担。
如果忽视隐性工作，会带来哪些伦理风险？
忽视隐性工作会引发关于责任与自主性的严重伦理问题。一篇2022年的文章指出，在人机协作中，共同监督对于分担责任至关重要；缺乏这种机制，人类将独自为AI的行为负责，这既不公平，也造成了隐性工作[3]。该文章提出，AI系统应被编程为既能监督人类行为，同时也接受人类的监督，从而建立一种平衡的伙伴关系。
2023年一项关于虚拟团队中对话代理（CAs）的研究指出，这些人工智能工具会收集用户数据、削弱员工自主权，并加剧社交孤立——这些都属于隐性劳动，即人类必须为AI的负面影响进行补偿[7]。该研究提出了14条引入对话代理的伦理准则，包括确保数据使用的透明度以及保持人类控制权，以防止隐性劳动被转嫁给团队成员。
一个旨在研究人机协作的2025年研究平台发现，经典的计算机支持协同工作（CSCW）原则——如信息汇集与共享认知——在与AI智能体协作时仍然适用[6]。这意味着隐性工作可以通过现有框架被识别和衡量，从而为研究人员和设计师提供预防此类问题的工具。
关于这些来源
该回答基于7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，4篇发表于Q1期刊，累计被引用146次——这些研究是从通过质量筛选的7篇文献中选出的最具相关性的成果，而后者又源自从超过5亿篇论文数据库中检索到的55篇论文。
本文引用的文献
1
拼凑：AI融入关键工作中那些隐藏的人力劳动
本研究通过对美国两个垃圾处理劳动场所的参与式观察与访谈发现，一线工人持续进行“打补丁式”劳动——包括校准、故障排除与维修——以弥补人工智能的缺陷，由此产生了隐性且被低估的工作[1]。
2
维持“平衡”的冲突：AI语音助手在临时设计团队在线协作中的主动干预策略
在一项包含36名临时设计团队参与者的受控实验中，采用主动干预策略的AI语音代理通过建设性地管理冲突，改善了人际关系、沟通质量和协作体验，且未增加隐性工作负担[2]。
3
人类与AI智能体协作时的AI与伦理问题
这篇概念性文章认为，人类与人工智能之间的共同监督对于实现责任共担至关重要；否则，人类将独自为人工智能的行为承担责任，从而产生隐性劳动[3]。
4
与AI协作：态度如何塑造人机合作
一项包含156名参与者的实验室实验发现，对AI的负面态度会导致人们更不愿接受AI的建议，从而降低绩效，这表明不信任可能引发隐性工作，因为人类会推翻AI的决策[4]。
5
人机协作的多维视角：一项全面综述
这篇综合性综述提出了一个包含五级人类整合的框架，强调灵活性与用户控制，以避免隐性工作并提升人机协作效率[5]。
6
从人类协作的视角出发：一个可配置的研究平台，用于探索人机协作
本研究提出了一个面向人机协作的开放研究平台，通过三个案例研究表明，经典的计算机支持协同工作（CSCW）原则（如信息汇集）仍然适用，并能够对隐性工作进行量化评估[6]。
7
工作中虚拟协作中人类与智能体互动的伦理挑战
通过15次专家访谈，本研究识别了虚拟团队中对话代理的伦理挑战，包括数据收集、自主性降低及社会孤立，并由此推导出14项预防隐性工作的指导原则[7]。
