为什么 近两千人用完 AI 后反而更焦虑了？一个评估工具的数据反常

一个在 Hacker News 社区里叫 这个开发者 的开发者发了一个帖子，讲他做完一千八百个用户测试后的发现。他做了一个 AI 流畅度评估工具，让 1800 个真实用户跟聊天机器人做了 20-40 分钟的互动，然后收集了这些互动数据做分析。

结论里有一条很反常。用户用完 AI 后不是更自信了，而是更焦虑了。

先看这个工具做了什么。这个开发者 的工具不是测用户知不知道大语言模型，也不是考技术名词。它做的是场景模拟，给用户一个真实的工作任务，比如写一封客户跟进邮件、整理一段会议纪要、从一份杂乱的数据表里提取关键信息，然后让用户用 AI 完成这个任务。工具在旁边记录用户的操作路径、提示词写法、对 AI 输出的判断行为。

近两千人的数据里有几个发现值得展开。

第一个发现是，超过 60% 的用户在第一次跟 AI 互动时会道歉。他们会在提示词里加「请」「麻烦你了」「不好意思打扰」这类礼貌用语。这个比例在年龄 40 以上的用户里更高，接近 80%。这个开发者 认为这说明大多数用户在潜意识里把 AI 当人在对待，而不是把 AI 当工具在对待。

这个行为本身不影响输出质量，但它暴露了一个认知错位。把 AI 当人对待的用户，倾向于用自然语言跟 AI 交流，而不是用结构化指令。自然语言交流的后果是，AI 的输出质量波动很大，因为 AI 需要猜用户意图，而不是执行明确的指令。用户觉得自己已经说得很清楚了，AI 觉得你给我的是一段散文不是一个任务。

第二个发现是，能写出结构化提示词的用户不到 15%。结构化提示词指的是包含角色定义、任务描述、输出格式要求三要素的指令。这部分用户的任务完成质量，比剩余 85% 的用户高出一个量级。不是好 20%、好 50%这种量级，是好几倍的差异。

第这几条发现就是那个反常的结论。完成评估后，用户的情绪不是自信，是焦虑。原因有两个。一是他们发现自己之前用 AI 的方式完全错了，浪费了大量时间在低质量互动上。二是他们意识到 AI 的能力边界比他们想象的要窄，很多他们以为 AI 能做的事，AI 其实做不好，而他们一直在把做不好的事交给 AI 然后抱怨结果。

这个开发者 在帖子里写了一句话很到位。他说，AI 焦虑的根源不是 AI 太强，而是用户对自己的工作流程没有清晰的拆解能力。一个能把工作任务拆成明确步骤的人，用 AI 会很顺，因为每一步都可以写成指令。一个靠模糊感觉工作的人，用 AI 会很痛苦，因为 AI 需要的恰恰是明确指令。

对职场人来说，这个数据给出了一个实际建议。不要急着学 AI 工具的操作，先花时间把自己日常工作流程拆成步骤。如果你能把每天的工作写成一份操作手册，你用 AI 的效率会自动提升几倍。如果你拆不出步骤，问题不在 AI 身上，在你的工作方法身上。

对企业培训负责人来说，这个开发者 的数据暴露了一个普遍误区。大部分企业 AI 培训聚焦在教员工怎么用工具，而不是教员工怎么拆工作流程。这个顺序反了。工具操作 30 分钟就能学会，工作流程拆解需要几天甚至几周的实践。如果培训只教工具不教拆解，员工回去之后还是用自然语言跟 AI 聊天，产出质量不会有本质提升。

这个开发者 的工具目前还在小规模测试阶段，1800 个样本虽然在 AI 评估工具里算不少了，但要代表全人群还偏小。但他的数据方向跟很多企业内部的 AI 使用调研是对得上的，能用结构化方式跟 AI 交流的用户永远是少数。

这个反常结论的真正含义是，AI 普及的瓶颈不在技术，在使用者的思维方式。技术已经足够好了，好到大部分用户反而开始焦虑自己跟不上。但跟上的方法不是学更多工具操作，是回到更基本的事情，把你每天在做的事情想清楚，一步一步拆明白。

创业找资源，上乌鸦部落。