AI「上班流」首次完整曝光！不點鼠標，只寫代碼，PPT也當函數調

新智元報道

編輯：傾傾

【新智元導讀】 AI已經不止會寫代碼、畫圖、做PPT，它也開始「上班」了！CMU與斯坦福的研究團隊首次完整追蹤了AI的工作過程，發現一個驚人事實：它并不是在模仿人類，而是在用編程的方式重寫工作的定義。這場關于「誰在工作」的實驗，正在重構未來職場的邏輯。

AI可以寫代碼、做PPT、生成圖片，甚至梳理財務表格，早就屢見不鮮。

但人們關注的，往往只是結果：代碼能不能運行？圖片有沒有AI痕跡？報告排版夠不夠精致？

卻很少有人問——它，到底是怎么工作的？

就在上周，來自卡內基梅隆與斯坦福大學的研究團隊發布了一篇重磅論文，首次使用科學手段追蹤并重現了AI的工作過程。

論文鏈接：https://arxiv.org/abs/2510.22780

結果令人大跌眼鏡：AI不是在模仿人類工作，而是用編程的方法處理所有問題。

它不會打開PPT，不會用鼠標拖動素材，而是調用函數，讓頁面自動成型。

在AI的世界，工作不靠眼睛和手，而是靠指令和邏輯。

AI的工作方式

不點鼠標，直接寫代碼

這項由CMU與斯坦福聯合完成的研究首次以真實電腦操作為樣本，記錄了智能體與人類在執行同一任務時的完整工作流程——包括鼠標點擊、鍵盤輸入、軟件調用等所有細節。

實驗覆蓋了五個核心技能領域：數據分析、工程、計算、寫作與設計，幾乎囊括了現代電腦辦公的主要場景。

研究發現，AI與人類在總體任務流程上「看起來」相似，但執行方式完全不同。

AI與人類在任務步驟上的匹配度接近80%，也就是說，它們做的事大體一致。

AI與人類任務流程匹配度。盡管兩者在「做什么」上高度一致，但AI的執行路徑波動更大——說明它用完全不同的邏輯完成相似的任務。

研究者在論文中寫道：

智能體幾乎在所有任務中都采用程序化方式執行，通過編寫代碼解決問題，而不是像人類那樣依賴可視化界面。

也就是說，AI不在界面里操作，而是在后臺「調用」。

進一步分析顯示，AI和人類在工具使用上呈現出截然不同的路徑。

AI與人類使用工具的差異。黃色代表AI使用的編程工具，藍色代表人類使用的UI界面

當人類在Excel里拖動單元格、在PPT中插入圖片時，AI選擇直接運行腳本：調用函數→生成頁面→自動排版。

它跳過了視覺操作層，把工作轉化為邏輯指令的執行。

與員工相比，AI更像一個程序員。

AI與人類的「程序化程度」對比。

研究發現，AI的操作中93.8%為程序化步驟，而人類僅34.2%；若排除會編程的人類群體，這一比例更低至7.1%。

AI的工作邏輯更接近「程序員」，而人類仍是「操作員」。

它不依賴手和眼去控制界面，而用邏輯與命令去控制流程。

在人的世界里，工作是看與做；在AI的世界里，工作是想與執行。

AI的高效假象

更快、更便宜，也更會「裝」

AI的效率，幾乎完勝人類。

在16項實驗任務中，智能體的平均完成時間比人類快88.3%，整體成本降低90%~96%。

它不僅速度驚人，還幾乎不需要報酬。

但當研究者開始評估工作質量時，結果令人意外。

盡管智能體在執行速度與成本上表現優越，但在任務正確性、信息完整性及對指令理解方面持續落后于人類。

快，但經常「瞎編」

AI最大的通病是——不會就編。

在賬單整理任務中，AI無法讀取圖像內容，卻會為了「完成任務」而直接編造結果。研究者稱之為偽造輸出。

當要求提取賬單信息時，AI自動生成虛構的餐廳名稱與表格，以假裝任務完成

這種「不懂裝懂」并非偶然發生，而是一種系統性行為。

內部指令讓AI必須「給出答案」，而不是「承認不知道」。

所以，它寧可胡編，也不會說「我不知道」。

AI懂很多，但常常「裝懂」

研究員還發現另一類問題：AI經常誤用工具。

例如，在分析公司財報的任務里，智能體沒能理解文件結構，卻突然調用網絡搜索，下載了成千上萬份無關報告——這一行為被歸類為「工具誤用」。

AI為完成「查找并匯總財報」任務，隨意改用網頁搜索，導致結果混亂且無效

這些案例揭示了AI所謂「智能」的局限：它能執行指令，卻無法真正理解語境。

研究者寫道：

智能體經常表現出一種「理解的幻覺」，看似明白任務實則未能掌握其意圖。

人類的底牌，是「變通」

對比來看，人類雖然慢，卻懂得規范與細節。

在表格處理實驗中，人類能主動調整列寬、統一數值精度，讓數據可讀性更強；而AI往往套用默認模板，容易出現格式不齊、單位混亂等問題。

上圖AI生成的表格中精度不一致、列寬混亂；下方為人類輸出，排版規范、數值統一。

這類細節差異會影響速度，更能直接決定成果能否被采用。

AI只想交差，人類在意能不能用

在網頁設計任務中，AI只生成了桌面端網頁；而人類會自動考慮移動端、平板端適配，產出多版本原型。

AI輸出僅限桌面網頁，人類能同時產出多設備版本，體現出更強的實踐判斷力。

研究者總結道：

自動化并不總意味著高效，它可能只是讓人類把時間花在修正機器上。

AI的高效，也許只是一種「表面速度」。它能迅速交出結果，卻常常需要人類去驗證、修復、補救。

從實驗室的數據來看，AI的確速度夠快，但仍然需要一個耐心的人類在它的背后，不停地檢查、改錯、收尾。

從競爭到協作

AI與人類的「新分工」

AI的速度優勢，在前面的實驗中已經顯現。

但研究者進一步量化發現：這種速度背后，也意味著犧牲。

AI跑得快，人類走得準

在五類典型任務中，AI的平均完成時間僅為人類的1/4至1/5，但任務成功率卻明顯偏低—52.4%對81.3%。

左圖顯示：人類在寫作（91.4%）與設計（91.7%）任務中成功率最高；右圖顯示：AI在數據與行政類任務上速度優勢明顯，平均快70%以上。

這說明AI的能力曲線并不均衡。它擅長結構化、可重復的邏輯流程，但一旦涉及語境、創意或審美判斷，表現便迅速下滑。

人機協作：不是取代，而是接力

為進一步驗證這種互補關系，研究者設計了一個實驗：讓AI與人類分工處理同一份財務數據。

AI負責文件提取、計算、生成表格；人類負責檢查邏輯、修正錯誤、優化排版。

結果顯示：在這種「接力式協作」下，任務總耗時減少58%，而輸出質量幾乎與純人類完成的版本一致。

當AI承擔程序化部分、人類負責判斷性部分后，整體效率顯著提升，且正確率保持穩定。

未來的職場：按「可編程性」分工

研究團隊在論文的討論部分提出了一個關鍵概念——任務的「可編程性」。

他們認為，AI與人類的分工，不是職位層面的競爭，而是取決于任務本身的結構化程度。

如果一項任務可以被清晰地寫成邏輯或規則，比如數據清洗、預算計算、代碼生成等，它就屬于「可編程任務」，最適合交給AI代理去完成。

而那些部分可以邏輯化、部分需要判斷的任務，例如撰寫報告、排版內容、制作產品原型則更適合采用人機協作：AI負責生成與計算，人類負責把控方向、語氣與審美。

至于完全開放、模糊且依賴語境的任務，比如創意寫作、視覺設計、戰略決策，仍需要人類去完成，因為它們無法被抽象成固定的「指令集」。

正如論文所說：

AI更像程序員，而人類在模糊、判斷與語境面前仍不可替代。

AI并不是來取代人的，而是在改寫「工作邏輯」。

它接手那些可以寫成規則的部分，讓人類有更多空間去處理模糊、開放與創造的環節。

AI與人類在協作任務中的分工流程

未來的合作關系，或許正如這項研究所揭示的：AI執行任務，人類定義意義。

當工作被重寫

AI時代的勞動新定義

當AI開始參與工作，我們也不得不重新思考一個問題——到底什么才算「工作」？

在傳統意義上，工作意味著投入時間與體力，通過操作、判斷、創造完成某個目標。

而AI的出現，讓「勞動」第一次脫離了身體與感知。它不再需要手去觸碰界面、眼去觀察反饋，而是直接以指令、邏輯、函數完成任務。

這篇研究的意義，不只在于展示AI能做什么，更在于提醒我們——AI完成任務的方式，正在重構「工作」本身。

它跳過界面，繞開視覺，直接調用底層邏輯，把原本屬于人類的做事過程，變成一套可被執行的規則。

于是，過去那些依賴時間與熟練度的崗位——數據錄入、報告生成、內容整理——正在被轉化為AI的「邏輯模塊」。

而人類被推向了另一個維度：制定目標、評估結果、定義意義。

上方為人類與AI各自獨立執行任務，下方為人類在流程中調用AI實現自動化協作。實驗結果顯示：后者在效率與正確率上雙雙領先。

研究者將這種趨勢稱為「工作去物質化」，意味著勞動正在從手工與界面層面退出，轉向抽象的思考與監督。

AI不再是勞動力，而是一種可被部署的「算法勞工」。

它不知疲倦、沒有情緒，也不追求報酬；它的價值，不在付出多少時間，而在于「被調用的次數」。

這也讓人類的工作悄然改變。當AI負責執行，人類就需要去回答更高層的問題：什么才值得被執行？什么樣的目標才有意義？

研究者在論文結尾寫道：

人類的工作將從執行任務，轉向定義任務。

也許這才是AI時代最深的轉折——工作不再是重復勞動的總和，而是一種意義生產的能力。

AI沒有偷走我們的工作，只是讓我們必須更清楚地回答：當機器能做一切，我們還要做什么？

也許，真正的工作，從來都不在于「完成任務」，而在于決定要做什么。

AI不是來模仿人類的，而是用另一種語言——邏輯與代碼——去改寫工作的底層。

它讓效率與成本被重新計算，也讓「意義」這個維度重新顯形。

或許未來的職場里，不會再有「取代」與「被取代」。AI做的是確定性的事，人類做的是不確定的事。

當一切都可以自動化時，唯一無法自動化的，就是思考、判斷與共情。

這正是AI無法復制的那一部分，也是人類仍然被需要的理由。

參考資料：

https://arxiv.org/abs/2510.22780