多位作者探讨了人工智能（AI）在工作、管理及教育领域的应用和挑战。核心观点认为，当前的AI工具因界面不友好而限制了其潜力，未来的发展方向应是为用户定制界面。同时，AI有望通过取代传统中层管理来重塑组织结构，并打破现有工作任务的固定组合，实现更灵活的分工。然而，在教育领域，AI虽能传授知识，但学习的深化仍离不开人与人之间的互动，AI在此环节的作用尚不明确。
改变交互方式：AI需要更好的界面
Ethan Mollick 指出，当前强大的AI工具主要是为程序员设计的，它们的界面复杂，假设用户具备编程知识。这导致了绝大多数非开发者的知识工作者无法有效利用这些工具。
我猜想，很多人表达的“AI失望感”，并非源于AI本身不好，而是因为界面不对。我们创造了近代史上最强大的技术之一，却让人们通过一个聊天窗口来使用它。
未来的解决方案并非一个统一的界面，而是AI能够根据当下的任务和用户，动态生成最合适的界面。这意味着我们将从“人适应AI的界面”转向“AI的界面适应人”。
- 当前问题：AI工具的界面看起来像80年代的电脑实验室，并假设用户了解 Python 和 Git。
- 未来方向：AI将根据需求生成定制化应用、图表或成为桌面助手，为 99% 的非开发者知识工作者 优化体验。
组织变革：AI与中层管理的终结
Jack Dorsey 等人认为，AI系统有潜力取代传统公司中的中层管理层。在传统模式下，信息和指令通过层级结构逐级传递和处理，而中层管理的存在正是为了解决人类有限的信息处理能力。
- 传统模式：信息由底层员工向上传递，经由下士、中士、少尉等层层筛选评估；指令由高层向下传达，并被逐级具体化。
- AI模式：智能存在于系统中，而非分散在人员和层级中。系统负责协调，员工则处于组织边缘，更贴近工作和客户。
在这个模型中，智能存在于系统中。人处于边缘。而边缘，正是行动发生的地方。
理论上，如果中层管理是为了解决信息处理问题而存在的，那么我们可以用更强的 AI信息处理能力来替代中层管理。这将使组织结构更加扁平化，不再需要一个永久性的中层管理。
任务重组：AI打破工作的“强绑定”
经济学家 Noah Smith 提出，AI将改变我们对工作任务组合的看法。传统上，一些工作被认为是“强绑定”的，即一个人必须完成工作中的所有相关任务。
然而，他预测这种“强绑定”的观念将不再成立。即使是那些看起来密不可分的任务，最终也会被AI“解绑”。
- 弱绑定任务：可以轻易地在不同工人之间，或在人与AI之间分配。
- 强绑定任务：过去认为必须由同一个人完成所有部分，但AI将打破这种限制。
一个例子是 Alpha School 的教学模式，它将教师的角色分解：
- AI：负责知识的 讲授。
- 人类“向导”：负责 辅导和激励 学生。
学习的深化：AI无法完全替代人类互动
Mary Harrington 强调，学习不仅仅是知识的获取，更是一个内化和应用的过程。这个过程通常发生在人与人的关系中。
知识在某种程度上可以被编码，但要使其成为你自己的东西，学习者总是需要主动去靠近知识。这通常是在关系中发生的……材料必须在人与人的环境中被消化和应用。根据定义，机器人无法提供这一点。
虽然像 Duolingo 这样的数字工具有其优势，但学习还有一个额外的“深化”阶段。在这个阶段，学习者需要将所学知识“消化”并在真实的人际互动中应用。
目前，AI能否比人类教师更好地促进这个“深化”阶段，仍然是一个悬而未决的问题。例如，许多经济学专业的学生在课程结束后，其观点并未因所学知识而改变，这说明他们可能并未真正“消化”所学内容。