---
schemaVersion: 1
scope: "public-indexable-html"
renderScope: "server-rendered-main"
canonical: "https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/"
companion: "https://isafwan.com/agent/zh-CN/ideas/enterprise-ai-productivity-organizational-change/index.md"
locale: "zh-CN"
language: "zh-CN"
direction: "ltr"
title: "停在办公室里的速度 | Safwan AlModhayan"
description: "人工智能提升个人任务速度后，如何转化为客户真正收到的服务？本文结合现场实验、组织互补性与析因设计，分析工作交接、审查成本和流程重构。"
---
## Language versions
- [ar-SA](https://isafwan.com/ar/ideas/enterprise-ai-productivity-organizational-change/)
- [en](https://isafwan.com/en/ideas/enterprise-ai-productivity-organizational-change/)
- [ru](https://isafwan.com/ru/ideas/enterprise-ai-productivity-organizational-change/)
- [x-default](https://isafwan.com/ar/ideas/enterprise-ai-productivity-organizational-change/)
- [zh-CN](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/)
[Safwan AlModhayan](https://isafwan.com/zh-CN/)[观点](https://isafwan.com/zh-CN/ideas/)
观点与分析 · 已发表
# 停在办公室里的速度
人工智能提升个人任务速度后，如何转化为客户真正收到的服务？本文结合现场实验、组织互补性与析因设计，分析工作交接、审查成本和流程重构。
[隐私](https://isafwan.com/zh-CN/privacy/)
_AI 生成的概念艺术：高速运转的工作在组织交接处停下，强调流程之间的连接缺口，而非工具本身的速度。_
**编辑日期:** 2026年10月29日
**作者:** Safwan AlModhayan
企业可以买到更强的写作与分析能力，随后却发现，真正需要重新设计的是工作在人与人之间的交接方式。如果把结果追踪到员工屏幕之外，实验究竟告诉了我们什么？
关键词 人工智能生产率 · 工作流程重构 · 组织互补性 · 任务交接 · 知识工作 · 客户服务 · 析因设计 · 因果推断 · 企业人工智能 · 运营效率
**本文目录**
1. [证据路径](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/#article-evidence-path)
2. [下载 PDF](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/#article-pdf-download)
3. [客户真正购买的是什么？](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/#essay-section-01)
4. [知识不会自行运转](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/#essay-section-02)
5. [两个步骤之间，可能比两个步骤本身更有价值](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/#essay-section-03)
6. [工具能自行解决协调问题吗？](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/#essay-section-04)
7. [当企业改变寻找收益的位置](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/#essay-section-05)
8. [审查的人与等待的客户](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/#essay-section-06)
9. [在推广一个版本前，先测试四个流程版本](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/#essay-section-07)
10. [试点结束后，应该留下什么？](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/#essay-section-08)
11. [参考文献](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/#article-references-title)
_证据路径**从任务提速到服务结果**_
1. [1个人任务更快](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/#essay-section-01)
2. [2输出符合验收条件](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/#essay-section-02)
3. [3跨部门交接可核验](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/#essay-section-03)
4. [4客户获得可用结果](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/#essay-section-06)
工具收益只有穿过数据、责任与验收标准，才会成为组织和客户可以观察到的结果。
[下载 PDF下载文章 PDF7 页 · 大小: 1.8 MB](https://isafwan.com/media/publishing/0c584d009afe040549352bd402fc9cfb21d8989787ffdda0bf6aa7754381643e-enterprise-ai-productivity-organizational-change-zh-CN.pdf)
2023 年 9 月至 2024 年 10 月，66 家企业参加了一项关于微软 365 Copilot（Microsoft 365 Copilot）的实验。工具使用权被随机分配给员工，样本包括 7,137 名知识工作者。在计划为期六个月的实验后半段，获得使用权的员工每周处理电子邮件的时间减少约 1.4 小时；对实际响应使用权安排者的局部使用效应估计约为两小时。[1](https://arxiv.org/html/2504.11436v4)
但研究者明确指出，他们“不会观察任何工作内容，也不会观察任何生产率指标或绩效评价”。因此，这项实验不能证明企业完成了更多工作，也不能证明客户等待时间有所缩短。[1](https://arxiv.org/html/2504.11436v4)
这个限定正是问题的入口。我们有证据表明，个人的一部分工作发生了变化；但组织最终产出了什么，是另一个问题。两者之间的距离，不能在财务演示中被当作无关细节删去。
客户购买的不是员工的速度，而是自己所求之事得到完成。
一封邮件也许一分钟就能写完，却可能因为一项无人负责提供的信息而等待数日。分析也许更容易制作，但其验收条件仍然含混。此时速度确实提高了，可让速度转化为服务的道路仍在施工。
## 客户真正购买的是什么？
Shakked Noy 与 Whitney Zhang 于 2023 年在《科学》（Science）发表了一项对照实验，453 名专业人士完成与本职工作相关的写作任务。使用 ChatGPT 后，任务用时平均减少 40%，输出质量提高 18%。这是一项关于特定任务的重要结果，却不是参与者所在机构利润增长的估计。[2](https://doi.org/10.1126/science.adh2586)
混淆往往始于推论单位扩张得比测量单位更快。我们测试的是一份备忘录的写作，谈论的却是整个部门的生产率；测量了部门，又把一个百分比贴到整家公司身上。最后，一个诞生于短时任务的数字，凭借设计精美的幻灯片，获得了管理年度预算的资格。
为说明差别，不妨设想一家工程服务公司正在准备一份技术与商务方案。员工概括客户需求，工程师估算工作范围，同事确认团队是否可用，之后方案才获批准。助手能够改善草稿，但在这些部分达成一致前，方案仍不能发出。这只是一个用于说明任务相互依赖的假想情境，并非某家具体公司的真实事件。
证据中也有不应被隐藏的成功案例。Erik Brynjolfsson、Danielle Li 与 Lindsey Raymond 于 2025 年发表的研究估计，在 5,172 名客户支持员工的样本中，每小时解决的问题数量约增加 15%。分析利用了助手分阶段导入的过程；它并不是一项把工具全面随机分配的实验。[3](https://academic.oup.com/qje/article/140/2/889/7990658)
这项工作的设计之所以重要，是因为员工很大程度上可以独立处理每个案例。个人任务与已经完成的服务单元相当接近。由此可以作出一种解释：当员工能在自己的工作范围内完成客户所需之事，收益可能迅速穿过组织；当他交付的只是一个必须等待其他部分的组件，各部分之间的关系形式便成为一种经济因素，其重要性不亚于单个部分的效率。
## 知识不会自行运转
继续看这家假想公司。工程师对工作范围作出了更准确的描述，但销售部门依据的是另一版客户需求。财务估算提前完成，执行排期却只在每周会议中更新。每份文件都变得更好，文件之间却未必更加一致。
这里的问题在于，一个要素的改进往往需要另一个要素配合，才能产生价值。经济学把这种关系称为组织互补性（Organizational Complementarities）。Paul Milgrom 与 John Roberts 在 1990 年关于现代制造业的论文中讨论了技术、生产与组织选择如何相互支撑：周边选择发生变化时，某项选择本身的价值也会改变。[4](https://web.stanford.edu/~milgrom/publishedarticles/The%20Economics%20of%20Modern%20Manufacturing.pdf)
这个概念并不复杂。如果客户需求一改变，方案就能立刻修改，那么所有人访问同一份需求版本的价值就会上升；如果各部门都使用这份共享版本，快速修改又会更有用。只购买其中一项而放任另一项不变，回报可能低于两者结合。
Timothy Bresnahan、Brynjolfsson 与 Lorin Hitt 对企业数据的研究，也发现了与信息技术、工作组织和员工技能互补相一致的证据。论文发表于 2002 年；它属于观察性证据，而非能够把全部改善单独归因于组织重构的实验。[5](https://cpi.stanford.edu/_media/pdf/Reference%20Media/Bresnahan_Brynjolfsson_Hitt_2002_Organizations.pdf)
这些文献对今天讨论的贡献，是移动了问题的位置。我们不能只问模型能否完成任务，还要问：为了让模型的表现产生价值，流程中的其他部分必须满足哪些条件？
答案有时很朴素：统一定义何谓“完整的工作范围”，让两个部门同意输入格式，或允许信息变化时立即更新，而不必等待新一轮邮件往返。并非每个问题都需要全面重组。有时企业缺少的项目，只是一页纸上的明确约定；也正因如此，它很难出现在盛大的发布会上。
这个思路也有边界。如果流程本来就高度整合，而获得增强的任务恰好是真正的瓶颈，那么工具无需大范围变革也可能带来清晰回报。互补性不是在每一份软件许可之外再附加一个咨询项目的借口；它要求我们说清楚，什么依赖于什么。
## 两个步骤之间，可能比两个步骤本身更有价值
一项任务可能已经在员工账户里结束，结果却仍不能被同事使用。完成的文件必须包含充分输入，并符合双方认可的验收标准，下一步才能开始。这是一种仅靠写作速度测试无法揭示的运营成本。
在 2026 年工作论文《串联任务，重新定义工作》（Chaining Tasks, Redefining Work）中，Mert Demirer 等人把生产视为具有列昂惕夫结构（Leontief）的相互关联步骤：结果需要互补组件，某个组件再多，也不能弥补另一个组件的缺失。在人类劳动、辅助与自动化之间如何选择，取决于验证、协调和步骤排序的成本，而不只取决于可以自动化多少个步骤。[6](https://arxiv.org/html/2606.15960v2)
回到工程方案的例子。设想工具提取客户需求，把它们连接到工作范围条款，并生成假设与待决问题清单，工程师因而能够审查一个相互关联的材料包。再对比另一种安排：各部门分别制作摘要、方案和财务估算，格式各异，也没有共同的参考版本。单独评价每份输出时，质量可能接近；验证最终结果的成本却会大不相同。差别不只来自部门数量，更来自输出是否一致，以及能否追溯到原始信息。
步骤相连不等于无人监督。可以在一个材料包的末尾设置检查点，在错误后果严重的地方保留内部核验。检查一份很长的结果，成本也可能高于审查几份较短结果。因此，“端到端”这个说法本身并不构成经济论证。
这篇论文采用理论模型，并呈现与预测相符的经验模式；它没有证明串联步骤必然提高任何一家公司的利润。我们的应用结论更窄：评价工具时，必须把其输出进入下一项工作的成本算进去。
由此可以提出一项可检验的工程要求。输出应携带接收者所需的数据、数据来源、尚未解决的问题，以及明确的完成标准。如果下一个部门仍需致电文件负责人，请他重新解释全过程，那么组织并未实现知识交接的自动化，只是改善了那封宣告“我们还需要交流”的邮件。
这类工作一部分需要修改软件，另一部分需要改变流程负责人之间的约定。应用程序接口（API）可以快速传输数据；但各方是否同意这些数据足以启动下一步，则需要重新设计工作本身。
## 工具能自行解决协调问题吗？
对上述分析最有力的反驳是，人工智能或许能从源头减少部分协调需求。如果工程师能够理解市场要求，或商务人员能够探索技术限制，专业分工之间的关系就可能在任务内部发生变化。
宝洁公司（Procter & Gamble）的一项实验为这种可能性提供了支持。经同行评审的研究于 2026 年发表于《组织科学》（Organization Science）。共有 791 名来自技术与商务岗位的参与者完成研讨任务，他们被随机分配为个人或两人一组，并分别在使用或不使用人工智能的条件下工作。[7](https://doi.org/10.1287/orsc.2025.20702)
获得工具支持的个人，其提案质量接近未获工具支持的团队；有工具支持的提案在技术与商务考量之间也更为均衡。但实验关注的是短时虚拟研讨中产品开发的早期工作，并未证明产品上市周期缩短或销售额提高。[7](https://doi.org/10.1287/orsc.2025.20702)
这项结果应被认真对待。职能边界并非全是固定的墙。工具可能帮助员工在提交建议前，看见建议会如何影响同事的工作，从而减少一部分原本需要在后续会议中解决的误解。这是从结果推导出的潜在机制，并非对企业所有会议的直接测量。
然而，理解限制不等于自动获得履行限制的权力。工程师可以理解定价，却不意味着建议价格已经获批；商务人员可以预见制造问题，也不意味着工厂产能已经可用。知识整合与完成相互承诺，仍是两件不同的事。
因此，更准确的论点必须带有条件：工具可以改善协作；如果其输出在流程其他部分仍不被接受，组织也可以阻止这种改善进入执行。需要测试的是障碍究竟位于何处，而不是预先认定它永远属于技术，或永远属于管理。
## 当企业改变寻找收益的位置
另一篇 2026 年工作论文提供了补充视角。Hyunjin Kim、Dahyeon Kim 与 Rembrand Koning 研究了 515 家初创企业。按研究者及研究机构的说明，参与者首先获得技术资源和培训，随后随机一组收到围绕人工智能重组生产的案例，另一组则收到一般创业内容。[8](https://www.kimhyunjin.com/research)
研究报告称，前一组发现了更多使用场景，部分绩效指标也有所提高。但目前可核验的材料是研究者摘要与机构说明，完整手稿中的表格未得到审阅。因此，本文不采用外界传播的收入倍数，也不把初创企业的结果当作适用于大型机构的稳定定律。[8](https://www.kimhyunjin.com/research)
值得思考的是干预本身：教组织去哪里寻找价值。不同组织可能拥有相同工具，却把想象力限制在屏幕前可见的工作上。它改善方案写作，却不问同一事项为什么需要三轮往返才能确定；它在每个职能内部寻找用法，却错过了重新组合职能之间工作的可能。
在假想的工程公司中，更大的改进也许是用一种能够同时估算范围、资源与成本的方式接收需求。此时，员工最初收到的材料就变了。我们不再要求他加速处理残缺文件，而是让文件在流向下一部门前具备完整的可能。
这是综合证据后提出的一项战略判断：人工智能被放在流程的什么位置，可能比给所有席位平均配置工具更重要。许可证分配得平等，并不等于创造价值的机会相等。
## 审查的人与等待的客户
这个问题还有一面不会出现在文本质量测试中。在假想案例里，方案制作者能生成许多备选版本，同事却仍需逐一审查。如果交接方式不变，瓶颈可能只是移到了审查者身上。此时仅测量作者的工作，不能证明组织整体改善。
也不应因为审查者要求充分证据，就指责他抗拒变化。新的要求看似很清楚：审查更多。但更重要的运营问题是：待审内容变得更容易核验了，还是仅仅变多了？
另一端的小客户，可能围绕方案截止时间安排一连串事务：选择供应商、筹措资金、确定开工日期。这些只是示例中的经济可能性，并非在某个样本中量得的损失。它们的作用，是提醒我们组织的时间会进入组织外部人员的决策。
在沙特的一种可能应用中，企业或服务机构可以选择一种重复发生的事务，从收到第一份完整申请开始，一直追踪到受益人拿到结果为止。这是一项本地测试建议，并不是对现有项目的描述。终点必须定义清楚：一份可执行的方案、一项完成的服务，或一个足以让接收者据此行动的可靠答复。
之后才出现比许可证数量更精确的财务问题：在资源不变的情况下，被接受的输出是否增加？质量是否提高？总耗时或返工是否减少？即使数量不变，质量提高也可能值得投资；如果数量增长引发日后昂贵的修正，它也可能毫无价值。
因此，我们不需要用“完成率”取代分钟数，成为新的崇拜对象。我们需要明确结果、质量标准、总成本，以及一个能够从自身位置解释改善的受益者。
## 在推广一个版本前，先测试四个流程版本
这场讨论可以转化为一项可证伪的组织实验。与其比较热衷工具的员工和其他员工，不如依据析因设计（Factorial Design），把相近的工作单元随机分配到四组，从而分离技术效应与某项特定流程调整的效应。
下表是一项拟议设计，并非已经开展的实验结果：
| 组别 | 可使用人工智能工具 | 调整工作方式 |
| --- | --- | --- |
| 00 | 否 | 否 |
| 10 | 是 | 否 |
| 01 | 否 | 是 |
| 11 | 是 | 是 |
流程调整应事先定义。在工程方案的例子中，它可以包括：使用共享需求文件、在交接时采用统一验收标准，并在商务版本获批前更新资源可用性。培训投入与管理关注也需受到控制，以免它们的全部效应被误归到工具名下。
可以选择每期达到质量标准的完整方案数量作为结果指标，前提是需求量充足；如果需求有限，总耗时或质量也许比数量更合适。还应记录审查与返工成本，避免测量窗口在修正到来前就结束。
定义 $Y$ 时，让数值越高表示结果越好；如果指标是完成时间，就使用时间的相反数，或反转对效应符号的解释。依据四组均值，可以估计交互作用：
$\Delta = Y_{11} - Y_{10} - Y_{01} + Y_{00}$
如果 $\Delta$ 的可靠估计为正，说明在所选指标上，工具与特定流程调整结合产生的增量，超过两者单独增量之和。这是在特定环境中检验互补性，不是适用于所有组织的定律。
实验也可能得出令人不舒服的结果：仅调整流程就已足够，或工具单独有效，或组合方案成本过高而没有合理增益。项目开始前就必须允许这些结果出现；否则，评价只会变成一场延迟举行的批准仪式。
比较还需谨慎选择随机分配单位。如果不同组共用同一批审查者或交换文件，一组的干预可能影响另一组的结果。因果推断文献把这种现象称为干扰（Interference），并区分直接效应与间接效应。因此，应选择效应不易相互传递的团队或路径，或明确建立这种传递的模型。[10](https://pmc.ncbi.nlm.nih.gov/articles/PMC2600548/)
即使事务数量很多，如果独立单元数量很少，证据仍然不足。实验应估计统计功效，考虑案例难度与需求变化，并设定足以观察后续结果的时长。无法随机化时，受控的时间比较仍有价值，但其因果强度较弱，不应被包装成等价实验。
## 试点结束后，应该留下什么？
建设这种能力可能需要时间。Brynjolfsson、Daniel Rock 与 Chad Syverson 在 2021 年发表的《生产率 J 曲线》（The Productivity J-Curve）中讨论了通用技术为何需要无形的互补投资，以及这些投资的影响为何可能延迟出现在测得的生产率中。[9](https://www.aeaweb.org/articles?id=10.1257/mac.20180386)
但这条曲线并未向每个项目承诺“成功只是尚未到来”。我们必须说清楚正在建设的资产是什么：有记录的任务依赖知识、可重复的核验方法、输入与输出之间的一致规则，或重新分配工作的能力。如果没有任何可检查的积累，仅仅等待并不构成组织投资。
决策预算也应随之改变。除了使用费用，还要为数据准备、交接设计、接收者培训与结果测量配置资源；并设立一个审查节点，让组织能够依据自身服务的证据缩减或调整项目。
本文值得检验的假设很明确：当单项任务收益很大、又高度依赖其他部门时，交接改善可能解释试点成功与运营成功之间差距的重要部分。如果在质量不变、测量充分的条件下，特定调整没有改善结果，我们就应修正假设或重新诊断瓶颈，而不是责怪现实没有理解这场转型。
回到开头的邮件屏幕。我们不应让省下的分钟证明超过它们实际证明的事情，也不应贬低这些时间对员工的价值。但组织决策需要追踪邮件关闭之后发生了什么：下一步是否因此成为可能？工作是否到达了客户可以使用的终点？
邮件或许一早就已抵达。尚未抵达的，是关于“完成”究竟意味着什么的共识。
## 参考文献
1. Dillon 等，[Shifting Work Patterns with Generative AI](https://arxiv.org/html/2504.11436v4)，第四版记录：2025 年 11 月 13 日；[AER: Insights](https://www.aeaweb.org/articles?id=10.1257/aeri.20250275)：待刊。随机实验由包括微软研究人员在内的团队开展；事件与测量细节见正文。
2. Shakked Noy、Whitney Zhang，[Experimental evidence on the productivity effects of generative artificial intelligence](https://doi.org/10.1126/science.adh2586)，《Science》；2023 年 7 月 13 日在线发表，7 月 14 日见刊。经同行评审的随机实验，支持写作任务改善结论。[PubMed 记录](https://pubmed.ncbi.nlm.nih.gov/37440646/)。
3. Erik Brynjolfsson、Danielle Li、Lindsey Raymond，[Generative AI at Work](https://academic.oup.com/qje/article/140/2/889/7990658)，《QJE》140\(2\): 889–942；2025 年 2 月 4 日在线发表，5 月见刊。经同行评审的分阶段导入研究；支持客户服务问题解决结果，不代表整家公司利润。
4. Paul Milgrom、John Roberts，[The Economics of Modern Manufacturing: Technology, Strategy, and Organization](https://web.stanford.edu/~milgrom/publishedarticles/The%20Economics%20of%20Modern%20Manufacturing.pdf)，《American Economic Review》80\(3\): 511–528；1990 年 6 月。经同行评审的理论研究，是生产与组织选择互补性论述的基础。
5. Timothy F. Bresnahan 等，[Information Technology, Workplace Organization, and the Demand for Skilled Labor: Firm-Level Evidence](https://cpi.stanford.edu/_media/pdf/Reference%20Media/Bresnahan_Brynjolfsson_Hitt_2002_Organizations.pdf)，《QJE》117\(1\): 339–376；2002 年 2 月。经同行评审的观察性研究；提供互补性证据，但因果识别仍有限。
6. Mert Demirer 等，[Chaining Tasks, Redefining Work: A Theory of AI Automation](https://arxiv.org/html/2606.15960v2)。工作论文；首版于 2026 年 2 月 22 日发布，文本于 9 月 28 日更新，第二版于 10 月 2 日提交。支持步骤排序与交接成本的作用；不是企业回报实验。
7. Fabrizio Dell’Acqua 等，[The Cybernetic Teammate: A Field Experiment on Generative AI and Teamwork](https://doi.org/10.1287/orsc.2025.20702)，《Organization Science》37\(4\): 1217–1242；2026 年 6 月 12 日在线发表。经同行评审的实验于 2024 年 5 月至 7 月开展；支持人工智能在早期创新中整合知识的作用。
8. Hyunjin Kim、Dahyeon Kim、Rembrand Koning，[Mapping AI into Production: A Field Experiment on Firm Performance](https://www.kimhyunjin.com/research)，工作论文，2026 年 4 月；以及哈佛商学院人工智能研究所 2026 年 4 月 7 日发布的[研究设计机构说明](https://aiinstitute.hbs.edu/everyone-has-ai-which-firms-are-going-to-win/)。本文使用原始摘要与说明；因无法审阅完整手稿表格，未采用收入倍数。
9. Erik Brynjolfsson、Daniel Rock、Chad Syverson，[The Productivity J-Curve: How Intangibles Complement General Purpose Technologies](https://www.aeaweb.org/articles?id=10.1257/mac.20180386)，《AEJ: Macroeconomics》13\(1\): 333–372；2021 年 1 月。结合模型与测量的同行评审研究；解释互补投资的作用，但不保证任何特定项目最终回升。
10. Michael G. Hudgens、M. Elizabeth Halloran，[Toward Causal Inference With Interference](https://pmc.ncbi.nlm.nih.gov/articles/PMC2600548/)，《Journal of the American Statistical Association》103\(482\): 832–842；2008 年 6 月。经同行评审的方法研究；支持在分析中考虑处理效应在单元之间的传递。
## 来源
作者原稿与所链接的原始资料
[来源 ↗](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/#article-references-title)
已发表
## 主题
[人工智能](https://isafwan.com/zh-CN/topics/#artificial-intelligence)[数据](https://isafwan.com/zh-CN/topics/#data)
[阅读清单 ↗](https://isafwan.com/zh-CN/archive/)
## 相关内容
[观点 / 已发表错误消失了的学徒人工智能自动化入门任务，会不会同时拿走技能形成的机会？本文比较编程、飞行、医疗和数学教育证据，并提出练习预算与专业能力再生产赤字。](https://isafwan.com/zh-CN/ideas/apprentice-without-mistakes/)[观点 / 已发表主人去世后，一个名字让手续停了下来英国遗嘱认证数据揭示非标准案件为何久等。本文区分法律例外与服务制造的例外，并以选择性预测、程序正义和例外承接能力讨论数字服务设计。](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/)[观点 / 已发表迟到的签名：机器作出的决定，究竟属于谁？机器执行的决定究竟属于谁？本文从英国考试成绩危机延伸到信贷模型和金融治理，分析决策权、实际权力、人工监督与可执行纠正权。](https://isafwan.com/zh-CN/ideas/executable-correction-authority/)
[返回](https://isafwan.com/zh-CN/ideas/)