從瑣碎工作到判斷工作：AI應真正改變什麼

2026年7月29日

從瑣碎工作到判斷工作：AI應真正改變什麼

盧卡斯·埃爾布（與Agent們）

AI Experts 創始人

注意力分配問題

專業公司並不缺乏專業知識。它們面臨的是注意力分配問題。

會計師、顧問、投資者、分析師和其他專家每天花費太多時間在查找信息、在系統間複製數據、核對版本、格式化交付成果、追索輸入以及糾正可避免的錯誤上。

客户支付的是判斷力。而工作流程卻在不斷消耗它。

AI可以改變這種局面，但前提是工作流程也隨之改變。對照研究表明，生成式AI在合適的任務上能夠提升速度和質量。同一項研究也指出了明顯的邊界：當任務超出模型能力時，AI可能會讓知識淵博的人充滿自信地犯錯。

因此，目標很明確：利用AI壓縮圍繞判斷的工作，同時為人們提供更好的證據，並給予更多時間去質疑、解讀、建議、決策並對結果負責。

昂貴的專業知識已成為集成層

一位資深專業人士打開一個數據室。三十分鐘後，他們仍在對文件進行重命名。

然後他們將數字複製到電子表格中，追索缺失的答案，核對兩份矛盾的數據表，重新格式化摘要，並將其向上級彙報。客户付費的判斷工作要到午飯後才開始。

這在出售專業知識的公司中很常見。他們的工作流程是由一個個請求、電子表格、審核步驟、收件箱和變通方法累積而成的。最終，最能幹的人成為了連接所有環節的粘合劑。

我們將這種結果稱為“瑣碎工作”。

這個標籤並不意味着任務是不必要的。將這類工作稱為“瑣碎”是一種粗魯的誤稱。相反，當工作反覆消耗專家注意力而不需要專家判斷時，它就變成了“瑣碎”。文檔仍然需要查找，數字需要核對，交付成果需要檢查。問題在於，公司是否默認讓最稀缺的人來做這些工作。

有證據表明這一負擔相當沉重。在Asana委託GlobalWebIndex於2023年進行的一項調查中，來自六個國家的9615名知識工作者報告稱，他們花費58%的白天時間用於“關於工作的工作”，即協調而非技能性或戰略性的工作。這是一項供應商贊助的自我報告調查，並非直接觀察。這個數字不應被視為自然法則。但它確實捕捉到了大多數專業團隊立即認識到的問題。

重要的不是公司有多忙碌，而是有多少專家注意力真正用在了需要專業知識的工作上。

證據令人鼓舞，也不乏不便之處

生成式AI擅長壓縮某些類型的知識工作。

一項發表在《科學》雜誌上的同行評審實驗讓453名大學教育背景的專業人士在有無ChatGPT的情況下完成寫作任務。使用ChatGPT的參與者平均完成速度快了40%，而評估者對其輸出質量的評分高了18%。這些任務是有邊界的寫作任務，因此研究結果並不能證明AI能改善所有專業工作流程。但它們確實表明，當任務與工具匹配時，可以實現有意義的提升。

一項涉及758名顧問的更大規模實地實驗發現了類似的模式。在18個被認為處於模型能力前沿範圍內的現實任務中，使用GPT-4的人多完成了12.2%的任務，速度快了25.1%，同時質量顯著提升。

同一項研究還發現了相反的結論：在一個超出模型能力前沿的複雜管理任務上，使用AI的參與者正確得出解決方案的可能性降低了19%。如果工作流程無法檢測到任務超出了模型的能力範圍，更快的生產並非真正的收益。

2025年一項對319名知識工作者的調查發現，對生成式AI更高的信心與報告的關鍵思考努力減少相關。參與者提供的936個第一手案例也表明，關鍵思考正轉向信息驗證、響應集成和任務管理。這些發現基於關聯性和自我報告，並非直接測量認知衰退。

因此，工作流程的轉變本身並非壞事。當審核者能夠獲得可用的證據並有足夠的時間檢查重要主張時，對AI輸出的驗證是有價值的。

專業公司應改變的時間等式

許多公司將AI工作流程重新設計視為一系列用例。一個更好的出發點是繪製人類注意力的地圖。

目前，專家時間被分割成兩種截然不同的工作：

瑣碎工作：查找、複製、格式化、核對、追索和返工。

判斷工作：解讀、決策、建議並承擔結果。

在經過精心設計的重新設計後，分工將變得更加清晰：

AI支持的工作：查找、提取、比較、起草和標記。

專家工作：質疑、解讀、決策、建議和承擔。

這條界限並非完全清晰。專業人士仍然需要查找不尋常的證據、檢查計算和糾正輸出。AI有時也會貢獻有用的分析。改變的是默認分配。

機器處理可重複的準備性工作。人們將更多時間用於處理模糊性、例外情況、關係、權衡和問責。

這就是為什麼工作流程重新設計比工具部署更重要。公司正在決定判斷應該放在哪裏，需要什麼證據，以及工作在這個時刻之前和之後應該如何流動。

AI支持的工作流程重新設計可以將專家時間從準備和協調轉向判斷和問責。

在舊工作流程中添加AI可能產生組織得更好的瑣碎工作

一個薄弱的AI實施會添加一個起草工具，而其他一切保持不變。

分析師仍然手動收集文件。AI生成一份摘要。分析師逐句對照文件檢查摘要。經理檢查分析師。輸出被複制到舊模板中。有人修復格式。另一個人詢問某個數字的來源。

任何節省的起草時間可能被額外的驗證、交接和返工所抵消。這種模式主要是工作流程設計失敗，即使模型質量也有貢獻。

AI可能引入自身的瑣碎工作：提示詞維護、重複的系統、額外的審批、幻覺檢查、訪問請求、版本混亂和清理。如果設計沒有保留來源和揭示不確定性，公司可能只是將撰寫時間換成了驗證時間。

NIST AI風險管理框架建議在AI支持的決策中明確界定和區分人類角色與責任。“人在迴路中”只有在迴路中有指定的負責人、有干預的理由以及有足夠證據使干預有意義時才算有效控制。

盡職調查中的重新設計實例

設想一個盡職調查團隊準備投資備忘錄。

在當前工作流程中，分析師下載文件、重命名、建立追蹤表、提取數據、比較不同時期、查找矛盾、追索缺失材料、起草章節、添加引用並回應審核意見。

資深專業人士往往在後期介入，通常是通過一份滿載結論但脱離了產生結論的證據鏈的文件。

一個重新設計的工作流程改變了順序。

系統接收經批准的文件並保留來源出處。它提取重複出現的字段，比較不同材料中的陳述，標記矛盾，記錄缺失的證據，並起草與聲明相關的章節。審核者可以從一個結論直接跳轉到支撐性來源，而無需重建分析。

然後，人類將時間花在工作變得關鍵的地方。他們決定不一致之處是噪音還是警告。他們權衡不適宜放入字段的證據。他們考慮激勵機制。他們推薦行動。一個指定的人負責最初的靈感和最終的判斷。

在這種設計中，AI並不執行盡職調查。它減少了準備和協調工作，以便團隊有更多時間去做這些事。

重新設計判斷密集型工作的五個問題

在選擇模型或Agent平台之前，映射一個完整的工作流程並回答五個問題。

1. 判斷真正發生在哪裏？

標記需要解讀、專業懷疑、權衡、關係知識或問責的時刻。不要僅僅因為專業人士今天在執行某個手工步驟就將其視為判斷。

1. 這些時刻周圍需要什麼準備？

尋找證據收集、提取、分類、比較、起草、路由和狀態追蹤。這些通常比最終決策更適合AI支持。

1. 系統必須如何展示其工作？

定義審核者需要的來源鏈接、時間戳、轉換、異常和未解決的矛盾。如果證據無法檢查，審核就不能作為控制手段。

1. 系統何時必須停止？

在部署前制定升級規則。缺失的證據、重大差異、政策例外、敏感溝通和低置信度輸出應交給正確的人處理。

1. 誰對結果負責？

明確最終決策的負責人以及改進工作流程的運營負責人。AI可以準備、比較和推薦。問責仍需一個地址。

我們在《AI Agent不應替代判斷》一文中更詳細地描述了這種審批架構。

衡量恢復的判斷能力

許多AI項目追蹤許可證、模型調用、生成的輸出或理論上節省的小時數。這些指標都無法證明公司改進了工作。

改為衡量工作流程。

選擇一個高審查要求的工作流程，審計兩週的工作。將每項活動分類為準備、協調、判斷、審核或返工。標記信息在哪裏被複制或追索，以及專業人士在哪裏必須解讀證據、解決歧義、建議、決策或接受問責。

建立你自己工作流程中的當前比例，而不是借用通用的基準。然後重新設計一個環節：給AI Agent一個有限的角色，保留來源出處，定義升級規則，並測試這種改變是否在不增加風險的情況下創造了更多的判斷能力。

實用建議

對於一個關鍵的工作流程，比較花費在準備和協調上的時間與花費在判斷上的時間。重新設計一個有限的環節，然後衡量專家注意力是否朝着正確的方向移動，而沒有增加審核風險。

AI Experts重新設計高利害工作流，使AI在不削弱證據、審核或問責的情況下減少準備和協調工作。

預約一次發現通話，討論一個高審查要求的工作流程。我們將評估專家注意力在哪裏流失，以及有限的重設計是否值得測試。

分享本文：

參考文獻

Asana Anatomy of Work Global Index 2023

Experimental evidence on the productivity effects of generative artificial intelligence, Science

Navigating the Jagged Technological Frontier, Harvard Business School

The Impact of Generative AI on Critical Thinking, Microsoft Research

NIST AI Risk Management Framework, Appendix C: Human-AI Interaction

The Future of Professionals: How AI is reshaping the tax profession, Thomson Reuters

作者：盧卡斯·埃爾布（與Agent們）

AI Experts 創始人

在收件箱獲取新文章

我們會在新文章發佈時發送一封郵件，包含摘要和鏈接。這是您唯一會收到我們郵件的時候。

每封郵件底部都有一個一鍵退訂鏈接。