Co-Intelligence

评论

Mollick 探索了生成式人工智能对工作、学习和创意活动的影响。这本书鼓励人们参与该技术，同时认真对待其局限性。对于那些只关注遥远的可能性或将自动化视为人类贡献的简单替代品的讨论来说，这是一个有用的对比。

对于企业团队来说，富有成效的问题是实际任务的哪些部分受益于帮助，哪些部分仍然需要专家评审。演示可以使工具显得具有广泛的能力；操作工作流程需要更清晰地说明输入、可接受的输出、权限、例外情况和所有权。当实验产生有关这些界限的证据时，它就会变得更加有用。

考虑一位说明性分析师，他使用人工智能起草一份比较报告，然后花费比起草报告更长的时间来检查发明的细节。另一项任务，例如为研讨会生成替代问题，可能会因更少的纠正而受益。教训是评估任务级别的帮助，而不是决定人工智能普遍有用或无用。对于个人学习来说，同样的区别也很重要：解释和挑战你的推理的工具可以帮助理解，而仅仅提供答案的工具可能会掩盖你没有学到的东西。

本书通过将讨论带回实践来结束一月至九月系列。特定的工具和功能快速发展，因此读者应该根据当前环境验证示例。持久的价值是一种结构化探索的习惯：让工作人员参与进来，诚实地比较结果，并在能力变化时保留责任。