MIT等研究指出：AI让人更累源于错用，“任务链式处理”成正确打开方式
2026/05/27 22:02阅读量 2
MIT、耶鲁和微软联合研究指出，将AI按单个任务碎片化使用会导致高昂的人机交接成本，反而增加工作负担。正确方法是将相邻任务打包成完整任务链，让AI独立完成全流程，人类只在最终环节验收，从而最大化效率。该研究强调系统效率优于局部完美，并指出AI引入早期存在生产力J曲线，跨过临界点后红利爆发。
事件概述
麻省理工学院（MIT）、耶鲁大学和微软联合发布论文《任务链式处理与工作的重新定义》（Chaining Tasks, Redefining Work: A Theory of AI Automation），指出当前AI使用效率低下的核心原因及改进方法。
核心发现
- 高昂的交接成本：碎片化使用AI时，人机频繁交接导致每次人类需阅读、审核、验证AI输出，消耗注意力，抵消AI节省的时间，这是“用AI更累”的根本原因。
- 任务链式处理（Task Chaining）：将多个相邻连贯任务打包为完整工作流，让AI从头到尾独立完成所有环节，人类仅在最终环节验收成果，可消除交接摩擦。
- 系统效率优于局部完美：即使AI在单个中间环节质量略低于人类，将整条任务链交给AI仍更优，因为消除人机交接的协调成本能极大加速整体产出，类似福特流水线超越传统工匠。
- 生产力J曲线：AI引入早期，收益可能被学习、交接成本覆盖，但围绕AI重新设计工作流跨过临界点后，AI红利才会爆发。
值得关注
- 论文提出工作设计新原则：任务的排列方式与任务本身能否被自动化同样重要。适合形成完整任务链的工作（如备课：查阅资料→制作PPT→生成教学案例）AI赋能效果远好于碎片化互动型工作（如一对一辅导）。
- 传统执行类岗位将被压缩，未来工作核心转向流程设计与洞察力判断。一人结合自动化任务链即可完成团队工作量。