Stanford 研究：分析25万条 Claude 对话发现人类与 AI 进行有实质意义的协作

跳到主要内容

新闻

人类与 AI 开展有意义的协作

日期

2026年10月12日

主题

设计、人机交互生成式 AI 劳动力、劳工

一项新研究分析了数千段人机对话，表明人们正将聊天机器人用于日益关键的任务——而富有成效的结果取决于协作如何展开。

当人类与 AI 共同工作时，实际会发生什么？一项由斯坦福以人为本人工智能研究院（HAI）支持的新研究挑战了人们将 AI 当作捷径或快速修复手段的假设，展示了现实世界中的用户如何依赖这一工具作为动态协作者，以提升工作产出、提高生产力。

通过分析人类与 Anthropic 的 Claude 聊天机器人之间的 25 万段匿名对话，一个斯坦福研究团队发现，大多数人以有意义、实质性的方式与 AI 互动。

“与许多可怕的预测相反，绝大多数 AI 用户并没有将其视为‘免费午餐’，而是把它当作一种能提出新想法和思维方式、对用户的知识和推理提出质疑，并以人类认为有助于改进自身工作的方式开展协作的工具，”论文第一作者、斯坦福大学计算机科学助理教授兼 HAI 高级研究员Diyi Yang 表示。该论文已被 Nature Human Behavior 接收。

关键问题

研究人员利用 Anthropic 的分析工具 Insights，着手回答三个关键问题：人们带给 AI 的工作是否有意义？人类在对话中掌握多大程度的能动性？以及人机伙伴关系在哪里经历“摩擦”——这种摩擦在正向时可能富有成效，在负向时则可能破裂？他们的发现挑战了传统认知，并在许多方面颠覆了 AI 导致智力投降的常见叙事。

“我们发现，确实，用户有时会把琐碎的任务交给 AI，比如起草邮件，但更常见的是高风险、难以逆转且影响重大的工作。因此，确保人类不只是简单地把任务卸载给 AI、不加审视地全盘接受其答案，这一点非常重要，”共同第一作者、Yang 实验室的计算机科学研究生Yijia Shao 指出。在所有协作中，远超半数（56%）被认为达到“影响重大”或更高水平。

共同第一作者、该实验室计算机科学研究生 Dora Zhao 补充道：“更重要的是，随着事关重大，用户开始更积极地与 AI 互动，对话长度几乎是处理更平常任务时的两倍。”

有益的摩擦

研究人员发现，人们很少用 AI 被动地推卸自己的工作。相反，他们表示，大多数用户会与聊天机器人保持积极互动，形成一种动态的相互作用，从而改进工作成果。大约一半的对话涉及作者所称的“摩擦”——一种推动人类学习的创造性张力。他们说，摩擦在任何协作中都是自然且必不可少的，也是成长的根本。

“我们现在知道的是，摩擦可能是有益的，”Zhao 说。“在工作场所中敢于发声、能够为自己争取权益，往往是团队文化健康的标志。在与 AI 协作时，人的能动性似乎也是如此。”

富有成效的摩擦会带来澄清、完善和学习。研究人员识别出一种独特的用户类型，他们会更深入地探究，促使 AI 阐明其想法，而不是仅仅生成内容。在三分之二的互动中，研究人员发现了一种动态：人类要求 AI 解释——去教——而不仅仅是替他们生成内容。

但摩擦也可能转为负面，协作便开始破裂。当这种情况发生时，用户必须学会如何与会反驳的 AI 共事——用研究人员的话说，就是恢复。在经历负面摩擦的协作中，近 80% 的用户尝试了恢复。然而，负面摩擦的结果是否富有成效，取决于人类如何使用 AI。AI 教学在法律、软件工程、家居改造和健康等高后果领域最为有益。

建议

这项研究明显表明，人们正在将 AI 用于有关法律、医疗、专业和财务事务的重要且影响重大的对话——此外还有更个人化的心理健康和人际关系建议。研究还揭示，人们带给 AI 的工作具有显著的重要性——并非平凡琐事——尤其是在法律和医学等高风险领域。事实上，这些发现直接与早期研究相矛盾，后者认为人们只会把 AI 留给责任较低的任务。换句话说，主题很重要。

在关于人类与 AI 如何协作的研究基础上，研究人员进一步提出了让这种协作更有成效的方法。作者提出的一项进一步改善 AI 与人类协作的建议，是提高人类对 AI 的素养。

“我真正热衷的是，我们如何扩大从 AI 中受益的人群，”Shao 说，并指出了未来的研究方向。“这意味着我们需要让更多普通人负责任地使用 AI，并保持甚至提升他们的技能。这项研究展示了一条前进之路：人类理解 AI 的优势和劣势，并充分利用他们日益增长的协作。”

作者们注意到的一个领域是，人们日益担心 AI 的有益效果可能会集中在风险更高的知识部门，从而加深这些部门之外人群的不平等——或者更糟，造成一种许多人担心会导致劳动力“去技能化”的智力投降。

Yang 指出：“我们可能会看到一道日益扩大的鸿沟：一部分人将 AI 视为技能发展和职业晋升的工具，而另一部分人则把它当作自身良好判断力和推理能力的替代品。”

就下一步工作而言，Shao 正在开发相关工具，帮助用户判断何时 AI 的输出需要更严格的审视、何时应欢迎摩擦并将其视为协作的一部分并发挥更大的能动性，以及当摩擦转向负面时如何重回正轨。与此同时，Zhao 正在研究个性化，以及如何设计能为用户带来更长期收益（例如提升认知参与度）的 AI 系统。两位研究人员都强调了学术界与产业界持续合作的价值，例如他们与 Anthropic 的合作，在规模化产出透明、富有启发性的研究方面意义重大。

Zhao 表示：“这项工作呼吁学术界与产业界开展更多合作，推进类似的分析，以展示人类与 AI 如何最有效地协同工作。”

链接已复制到剪贴板！

贡献者