AI 做不到的事 — 知道何时该降低期望

关于 AI 最明智的问题不是"它能做什么？" 而是"什么事情绝对不该让它做？"

凡事都想用 AI 的人

对 AI 的期望越高，这样的对话就越多。

"这个也能用 AI 做吧？"

有时候可以。但有时候不做才是正确答案。

在第一篇文章中，我们问了"AI 能做什么"。26 篇文章之后，我们提出相反的问题。准确知道 AI 何时不是答案，和知道如何用好它一样重要。

AI 在结构上做不到的五件事

1. 没有数据的判断

AI 是寻找模式的机器。有模式就需要有历史数据。前所未有的决策、首次进入的市场、从未尝试过的业务 — AI 能给出的答案只是从"类似事物"做的类比，而非判断。

2. 利益相关方协调

部门间冲突、合作伙伴谈判、客户投诉的情绪处理。这不是寻找"最优答案"，而是找到"所有人都能接受的答案"。AI 擅长优化，但设计妥协与让步的结构是人的工作。

3. 需要承担责任的最终决定

AI 不能说"这位患者需要手术"的原因不是精度问题，而是它无法为这个决定承担责任。招聘、解雇、投资、法律裁决 — 需要签字的决定不属于 AI 的领域。

4. 每次上下文完全不同的工作

高度个性化的咨询、艺术创作、政治判断。过去的案例可以参考但不能复制。AI 在重复中强大，在每次都全新的事物面前薄弱。

5. 信任是本质的关系

客户因为"信任"客户经理而续约的情况。患者因为"信任"医生而遵从治疗的情况。用 AI 替代这种关系，无论输出质量如何，信任本身就会崩塌。

"不做更好"的三个信号

除了结构性局限，还有不导入才更明智的场景。

信号 1：问题重复频率不够。

AI 从重复中获得回报。每月只发生 5 次的事情做自动化，无法收回构建成本。如报价单篇所述，AI 项目有前期投入。先算一下重复频率能否证明这笔投资的合理性。

信号 2：错误代价极其巨大。

即使 AI 准确率达到 99%，剩下 1% 如果是灾难性的，就不能部署。药品标签验证、法律文件终审、安全设备判定。在这些领域，AI 可以辅助，但绝不能成为唯一判断者。

信号 3：人类已经做得够好了。

不需要把所有工作都 AI 化的强迫症。如果人花 10 分钟、AI 花 8 分钟，为那 2 分钟构建和维护一个系统值得吗？回想问题定义的出发点 — 只有"足够大、足够重复、现有方式足够痛苦"的问题才是 AI 的对象。

调整期望的对话技巧

无论是高管还是团队成员问"AI 能做这个吧？"，可以这样回应：

"可以。不过需要这些条件。" — 明确现实前提：数据准备、精度验证、异常处理等。

"辅助可以，但最终判断必须由人做。" — 划定 AI 的角色边界。

"现在还不行。等这些条件具备了就可以。" — 不是拒绝，是路线图。

"这个问题比起 AI，应该先优化流程。" — 正如工具探索篇所述，AI 不是唯一的工具。

用好 AI 到底意味着什么

AI 导入前检查清单的第一个问题是"要解决的问题明确吗？"最后一个问题也一样。

用好 AI 的组织，不是用得最多的组织。而是知道哪里用、哪里不用的组织。

"这件事需要人来做，不是 AI。"能做出这个判断的人，其实才是最了解 AI 的人。

知道工具局限的人，才是用工具用得最好的人。