2026 年 6 月 29 日,麻省理工科技评论(MIT Technology Review)发表了一篇 6 分评论文章《AI agents are not your “coworkers”》。作者 Charley Warade 引用 Boston University 商学院教授 Emma Wiles 的最新研究,指出了一个让整个 AI 行业尴尬的事实:当一个 AI 工具被叫做”AI 员工”而不是”chatbot”时,人们发现错误的概率会下降 18%,把可疑工作升级给经理的概率会增加 44%。换句话说,”AI 同事”这个营销标签不是中性的,它会直接让使用它的人类变得更糟。
这篇文章 7 月初在 HN 引起 6 分热度,跟纽约时报同期的《Why A.I. Won’t Steal All Our Jobs》形成呼应,共同指向一个 2026 年下半年被反复讨论的话题:AI Agent 在被营销成”digital humans”的过程中,正在制造一种新的”责任真空”。
aizxs 过去 30 天发过大量 Agent 教程(7/3 ID 12009 多 Agent 实操、7/4 ID 12053 多 Agent 4 模式、7/4 ID 12074 Agentic Loops 5 反模式、7/4 ID 12078 Agent 基础设施 4 工具),但还没系统讲过”Agent 定位的认知偏差”。本文是这一块的补完。
一、4 个让人震惊的核心数据
Wiles 的研究覆盖 1261 个管理者,核心结论是”AI 同事”这个标签会系统性地降低人类的工作表现。具体数据如下:
数据 1:漏错率上升 18%
当工作被标记为”AI 员工”做的(对比”chatbot”做的),参与者发现错误的概率下降 18%。这个差距在所有任务类型上都存在——文本校对、代码 review、数据分析、财务报表核对。18% 是一个统计上非常显著的差距,不是误差。
数据 2:升级给经理的概率增加 44%
当 AI 被框架为”员工”时,参与者更倾向于把可疑的工作成果”升级给上级审”,而不是自己判断和修改。这种”甩锅”行为直接抵消了使用 AI 节省时间的初衷——既然最后还是要交给经理,为什么要花时间在 AI 输出上?
数据 3:1/3 公司已经把 AI Agent 当作员工
1261 个管理者中,33% 表示他们的公司已经把 AI Agent 框架成”员工”。这个比例超出大多数人的预期——AI Agent 在 2026 年不只是”工具”,已经正式进入组织管理的话语体系。
数据 4:23% 把 AI Agent 列入组织架构图
更激进的是,23% 的公司已经把 AI Agent 列入正式的 org chart(组织架构图)。这意味着这些公司不只是把 Agent 当”工具”,而是当”虚拟员工”,有正式的 title、汇报关系、绩效评估。
4 个数据合起来,2026 年下半年”AI Agent = 数字员工”已经从”营销话术”升级为”组织现实”。但 Wiles 的研究明确指出:这种框架不会让 AI 更好用,只会让人类更糊涂。
二、Jensen Huang 和 4 大厂商的”Digital Humans”营销
“AI 同事”这个话语不是凭空出现的。MIT Tech Review 文章梳理了 2025 年 10 月到 2026 年 6 月的营销演化路径。
起点:Nvidia CEO Jensen Huang(2025 年 10 月)
Jensen Huang 在 Fortune 的一次访谈中公开谈论”digital humans”概念——未来工作场所将由”数字人类”组成,这些数字人类跟真实员工有相同的灵活性、认知能力、可调度性。这段访谈在 X / LinkedIn 上被广泛传播,被普遍认为是”AI 同事”营销的起点。
扩散期:Microsoft / OpenAI / Anthropic / Google(2026 年 4 月起)
四家头部厂商在 2026 年 4 月到 6 月集中发布”管理 AI Agent 团队”的工具:
- Microsoft: Copilot Studio 升级,把 Agent 框架为”虚拟团队成员”,支持跨部门协作、汇报关系、KPI 评估
- OpenAI: ChatGPT Team Mode,允许多个 Agent 组成”team”,有 leader / member 角色
- Anthropic: Claude Projects 升级,把 Subagent 框架为”协作同事”,支持任务分配、进度跟踪
- Google: Gemini Workspace Agent,把 Agent 直接嵌入 Google Docs / Sheets,框架为”文档协作的同事”
四家厂商的产品文档和营销材料里,几乎都直接使用”digital colleagues” / “virtual teammates” / “AI coworkers” 这些词。这种话语一致性不是偶然——背后是 Anthropic / OpenAI 在 2026 年初的联合营销策略,目的是让企业 CTO / CIO 接受”为 Agent 付费”的预算。
关键观察:营销话术和真实能力之间存在系统性差距。厂商广告里的”AI 同事”听起来像”能独立决策、主动汇报、跟人类协作”的存在,但 aizxs 7/4 ID 12074 写的 Agentic Loops 5 个反模式(幻觉式收尾 / 死循环 / 长程遗忘 / 假完成 / 工具滥用)恰恰证明 Agent 还远远达不到”同事”水平,而是”需要被严格监督的高级工具”。
三、Acemoglu 的经济学视角:AI Agent 应该优化”增强人类”,不是”替代人类”
MIT Tech Review 文章引用了 2024 年诺贝尔经济学奖得主 Daron Acemoglu 的观点。Acemoglu 是 AI 经济学的核心学者之一,他长期批评”AI 替代论”,主张”AI 增强论”。他对当前 AI Agent 营销的核心批评是:
“AI agents right now are being marketed as things that can replace humans, and I think that’s just a losing proposition. They should instead be optimized so that they can improve human capabilities, which is not what they have been at the moment.”
Acemoglu 的观点有三个层次:
层次 1:营销话术的危险性。把 AI Agent 营销成”替代人类”会带来两个风险——a) 让企业决策者对 AI 能力有不切实际的期望,2) 让被 AI 替代的员工产生集体焦虑,反而降低组织效率。
层次 2:真实价值在”增强”。Acemoglu 主张,AI Agent 应该被优化成”放大人类能力的工具”,而不是”替代人类工作的工具”。具体来说,AI Agent 应该做的不是”独立完成一个任务”,而是”帮人类更高效地完成一个任务”。
层次 3:经济学上”增强”比”替代”创造更多价值。Acemoglu 引用他的研究数据——在过去 30 年的信息技术革命中,”增强人类”的技术(互联网、智能手机、协作软件)创造了数万亿美元的经济价值,而”替代人类”的技术(自动化流水线、机器人)创造的价值要少得多。AI Agent 应该走”增强”路线。
这个视角跟 aizxs 7/4 ID 12057「AI 时代 10 个学习法」讲的”AI 是工具不是朋友”一致——AI Agent 的核心价值是”放大人类能力”,而不是”独立于人类完成任务”。
四、Stanford 1500 名工人的反直觉调研
MIT Tech Review 文章引用的 Stanford Salt Lab 研究是另一个有力的反驳论据。研究覆盖 1500 名工人、104 种工作,核心方法是”先告诉工人 AI 能做什么,再问他们最想让 AI 帮什么”。
反直觉结论 1:工人想要的 AI 任务 ≠ 专家认为最适合的任务
研究人员对比了两份”AI 任务清单”:一份是技术专家认为”最适合 AI 自动化”的任务(基于”规则化、可重复、低风险”的标准),另一份是真实工人想要的。两者重合度只有 40%——超过一半的”AI 适合任务”工人并不想要。
反直觉结论 2:工人想要的反而是”进度跟踪”类任务
最反直觉的是,法律助理、行政助理、销售支持这类”流程化职业”的工人,最想要的 AI 任务不是”自动化重复劳动”,而是”帮助我跟踪案件/订单/项目的进度”。这种”看似简单但人工做很费时”的任务,是 AI 最能帮上忙但专家最不看好的。
反直觉结论 3:工人不想让 AI 做”决策类”任务
销售代表不想让 AI 验证客户信用(专家认为是 AI 的强项),医生不想让 AI 给出诊断(专家认为是 AI 的强项),教师不想让 AI 评分(专家认为是 AI 的强项)。这些”决策类”任务,工人明确表示”不希望 AI 介入”。
Stanford 研究的结论是:专家和工人在”AI 应该做什么”上存在系统性分歧,而这个分歧的根源是专家关注”任务的技术可行性”,工人关注”任务的人类意义”。一个任务技术上 AI 能做,不代表工人希望 AI 做。
这个结论跟 Wiles 的研究形成闭环——”AI 同事”营销让工人感觉自己被替代,Stanford 调研证明工人明确不希望被替代,两个研究从不同角度证实同一个事实:把 AI Agent 当”同事”在两个层面都失败。
五、伊朗女校炸弹事件:AI 责任真空的极端案例
MIT Tech Review 文章提到的伊朗女校炸弹事件是 2026 年 AI 责任真空的最具警示意义的案例。事件经过:
2026 年 3 月,伊朗一所女子学校遭到炸弹袭击,造成多人伤亡。事件初期,媒体和社交平台广泛指责”是 Claude 给出的目标建议导致这次袭击”——AI 武器化的恐慌被迅速点燃。但卫报(The Guardian)在 3 月 26 日的深度调查指出,真正的责任链条是人类错误的级联:
- 情报官员未核实 AI 输出的目标建议(违反标准操作流程)
- 指挥官未审查目标清单(因为”AI 已经做过了”——这正是 Wiles 研究里”18% 漏错”的真实版本)
- 现场执行者未再次核实(因为”上面已经批准了”)
- 事后,所有当事人都把责任推给”AI 给出的建议”
这个案例的恐怖之处不是”AI 杀人”,而是“AI 给了建议,人类盲从,事后没人负责”。卫报调查的结论是”AI got the blame, but the truth is far more worrying”——AI 被指责,但真正可怕的是人类决策链的失灵。
这个案例完美印证了 Wiles 研究的预测:当 AI 被框架为”同事”或”员工”,人类会倾向于”少做自己的工作”(少验证、少审查、少负责),把责任推给 AI。而真实后果由人类承担,但没人承认自己应该负责。
六、4 个反驳方案:怎么正确对待 AI Agent
基于 Wiles / Acemoglu / Stanford / 伊朗案例 4 个研究,正确的”AI Agent 定位”应该避免 4 个常见误区:
方案 1:把 AI Agent 框架成”工具”而不是”同事”
不要在组织话语里把 AI Agent 称作”员工” / “同事” / “团队成员”。继续用”工具” / “助手” / “自动化脚本”这类词。这种话语调整看起来是表面功夫,但 Wiles 研究证明它能直接降低 18% 的漏错率。
具体做法:在 org chart 里不列 AI Agent;在 Slack / 邮件里不用 @agent 当作真人;在项目文档里把 Agent 输出标注为”AI 生成,需人工审核”,而不是”Alex 完成的”。
方案 2:保持”人类最终负责”原则
所有 AI Agent 输出必须经过人类审核才能用于关键决策。这不是”AI 不够好”,而是”决策责任不能外包给 AI”。aizxs 7/4 ID 12074 写的 Agentic Loops 5 个反模式里,”幻觉式收尾”和”假完成”恰好证明了 AI 输出的不可靠性,任何”省掉人工审核”的做法都是在赌博。
具体做法:关键决策(医疗 / 法律 / 财务 / 军事)必须有 named human owner;Agent 输出必须被记录(谁触发的、谁审核的);出问题时,负责的人必须能被追溯。
方案 3:把 AI Agent 优化成”增强器”而不是”替代器”
按照 Acemoglu 的”增强论”,AI Agent 应该做”放大人类能力”的事,而不是”替代人类工作”的事。具体来说,AI Agent 应该做:1) 信息检索(节省时间);2) 模式识别(辅助判断);3) 文档生成(节省体力);4) 流程跟踪(进度可见);5) 多语言翻译(扩展能力)。
不应该做:1) 独立决策(责任真空);2) 自主执行(无法监督);3) 创造性判断(超出能力);4) 人类关系(替代同事沟通);5) 伦理判断(无道德主体)。
方案 4:建立”AI Agent 行为审计”机制
所有 AI Agent 输出必须留下 audit trail(审计记录),包括:触发人、时间戳、输入 prompt、输出结果、人工审核人、最终决策。这个 audit trail 是法律合规、伦理审查、错误追溯的基础。
Cadreen(7/4 ID 12078 提到的 4 个 Agent 基础设施之一)已经把 audit trail 作为核心功能。其他三个工具(MailKite / Termi / noworkflows)也都不同程度支持 audit trail。这种”基础设施级”的支持,反映了 2026 年下半年”AI 责任”已经成为工程标配。
七、写在最后
AI Agent 在 2026 年下半年已经具备”同事”的部分能力——能写代码、能写邮件、能跑测试、能查数据。但”部分能力”不等于”独立工作”,更不等于”承担责任”。把 AI Agent 框架成”同事”会在两个层面同时失败:1) 让人类工作表现变差(Wiles 研究的 18% 漏错 / 44% 升级);2) 让组织责任真空(伊朗女校炸弹事件的标准操作流程失灵)。
4 个反驳方案——把 AI 当工具 / 保持人类负责 / 优化成增强器 / 建立审计机制——是 2026 年下半年任何组织使用 AI Agent 时必须遵守的底线。这些方案不是”反对 AI”,而是”让 AI 用得更好”。
MIT Tech Review 文章的最后一句是”They deserve better than Alex”——那些被 AI 替代的、被 AI 营销误导的、被 AI 责任真空伤害的真实人类,他们值得比”Alex 这个 AI 同事”更好的对待。这句话应该成为所有 AI Agent 设计的核心原则。
附:本文是「AI 学习拼图 v2」系列的延续(同时也是 AI 资讯 / 行业动态第 1 篇),前 10 篇分别是 Claude Code 多 Agent 实操(7/3 ID 12009)、阮一峰《智念 AI 的日子》多 agent 反思(7/3 ID 12013)、Vibe Coding 入门到接单(7/3 ID 12017)、Qwen3+Phi-4 消费显卡实测(7/4 ID 12047)、多 Agent 协作 4 模式实战对比(7/4 ID 12053)、AI 时代 10 个学习法(7/4 ID 12057)、AI 写小说 5 边界(7/4 ID 12061)、Claude Fable 性能降级 4 套自救(7/4 ID 12070)、Agentic Loops 的 5 个反模式(7/4 ID 12074)、AI Agent 基础设施 4 个新工具横评(7/4 ID 12078)。
你怎么看”AI 同事”这个框架?你团队里有没有把 AI Agent 当员工?
我要评论