李博杰：為何AI無法成為靠譜的數字員工？

　　中新經緯4月7日電 題：為何AI無法成為靠譜的數字員工？

　　作者 李博杰 中國科學技術大學-微軟亞洲研究院聯培博士

　　當下，“AI革命即將顛覆就業市場”“大模型將取代白領工作者”等言論甚囂塵上，特別是在AI編程、寫作、客服等領域，AI能否替代相關人員工作備受關注。

　　誠然，AI技術取得了顯著進展，部分AI在特定領域的測試數據令人矚目，如去年發布的OpenAI GPT-3，在Codeforces編程競技中擊敗了99.9%的程序員，在AIME2024數學測試中做對了96.7%。AI還能夠“7×24小時”不間斷工作，并行處理多項任務，不會因任務枯燥而喪失動力。然而，在實際工作場景中，部分AI的表現卻如同智商高達180，卻缺乏社會適應能力的天才，距離成為靠譜的數字員工仍有很大差距。這背后主要存在四大障礙。

　　第一，企業知識未能完全實現文檔化。在多數企業中，關鍵知識往往分散在員工大腦中，或是隱藏于私聊記錄里，缺乏系統性的文檔記錄。這使得AI即便擁有強大的運算能力，也無法獲取這些未被記錄的信息，從而難以在實際工作中給出有效的解決方案。

　　第二，工具與系統的操作障礙極大地限制了AI能力的發揮。以筆者經歷的一家金融科技公司為例，當嘗試讓AI自動處理客戶退款申請時，由于整個流程需操作幾個不同的內部系統，且這些系統均為圖形界面，缺乏API(應用程序編程接口)，使得AI工作無法在各個系統內順暢進行。從技術層面來看，這既涉及計算機視覺與UI(用戶界面)交互的技術難題，也反映出企業系統普遍缺乏API文檔和標準化接口的現狀。

　　第三，AI Agent(人工智能代理)缺少執行持續任務的機制。有AI研究員在試圖創建AI Agent來自動分析GitHub(軟件構建平臺)上開源項目的貢獻者模式時發現，當項目變得復雜，AI便開始“迷失”，不僅會忘記之前的分析結果，重復已完成的工作，甚至會完全偏離原定目標。這表明，沒有反思和糾錯機制的AI，就像沒有導航的車輛，在復雜的工作任務中容易迷失方向。

　　第四，AI缺少長期記憶機制，難以累積經驗和知識。在實際工作中，AI每次交互都如同從頭開始，無法從過去的工作中學習和成長，就像每天早上都會忘記昨天發生的一切的助手，需要人們反復解釋每個項目和上下文。

　　這些障礙共同造成了“聰明的AI”與“可靠的數字員工”之間的巨大鴻溝。那么，如何才能讓AI真正成為靠譜的數字員工，實現24小時不間斷地有效工作呢？這不僅僅是一個技術問題，更關乎工作方式和組織結構的根本性轉變。

　　從工作方式的轉變來看，傳統模式將AI視為魔法黑盒，期望通過編寫完美的prompt(AI模型提示詞)獲得理想結果；而新模式則將AI視為團隊成員，為其提供足夠的背景信息，進行有效溝通，并給予必要的工具和反饋。在組織結構變革方面，構建AI原生團隊成為關鍵。這需要從組織文化、工具設計、測試環境和協作模式等多個方面進行系統性變革。

　　在組織文化方面，應建立類似開源社區的溝通文化。Linux(開源電腦操作系統)能夠持續發展30年，全球開發者高效協作且秩序井然，其秘訣就在于透明、文檔化的溝通方式。所有討論公開進行，決策均有文檔記錄，這種文化使得AI能夠快速理解項目背景和決策邏輯。

　　在工具設計上，確保團隊協作工具對AI友好至關重要。若內部系統只有圖形界面，而沒有API接口，就如同辦公室只有旋轉門，沒有普通門，會導致AI無法有效工作。因此，內部系統需要提供API接口，以支持AI與系統的直接交互。

　　測試環境的完善也不容忽視。Google的“沙盒系統”為開發者提供了獨立的測試環境，每個開發者都能立即啟動完整的測試環境，運行全套測試，且不會影響他人。對于AI而言，這樣的測試環境同樣不可或缺。

　　此外，為每個員工配置AI助理，就像托尼・斯塔克擁有賈維斯(漫威電影人物)一樣，將有助于提升個人生產力，加速組織知識的積累和傳播。

　　總之，盡管AI在技術層面取得了巨大進步，但要成為靠譜的數字員工，仍需跨越諸多障礙。通過從溝通文化和技術基礎等方面構建AI原生團隊，有望推動AI從“高級計算工具”向“數字同事”的轉變，使其真正融入團隊工作流程，為企業創造更大價值。(中新經緯APP)

　　中新經緯版權所有，未經授權，不得轉載或以其他方式使用。

責任編輯：孫慶陽