夜雨聆风模型回答得快，不等于人完成整项工作的速度更快。
“今天是星期一，两天后是星期几？”
实验开始前，几乎没人认为自己会为这道题调用AI。真正面对题目时，却有超过21%的人打开了AI。
另一个任务是找出“enjoy”的近义词。事前几乎无人表示需要AI，实际使用率却达到54%。
这些人未必认为自己依赖AI。他们只是觉得：问一下更快。
问题是，“更快”可能只是一种感觉。
一项涉及2691名参与者的研究，专门比较了人们预计如何使用AI，以及真正做任务时如何选择。结果显示，人们不仅高估了AI节省的时间，也低估了自己调用AI的频率。
《The efficiency-gain illusion》论文页面与摘要｜来源：arXiv
论文题目叫《效率增益错觉》。研究者关心的不是AI能不能完成任务，而是我们能否准确判断：这次调用究竟有没有帮上忙。
01.预测使用率和真实行为并不一致
研究者设计了24项任务，包括简单计算、回忆常识、修改一句话、概括一小段文字。所有任务都可以在五分钟内独立完成。
一批参与者只负责预测：如果亲自完成这些任务，自己会不会使用AI？
另一批参与者真正开始做题，可以自由选择是否调用嵌入页面的GPT-4o。
预测结果是，人们认为自己会在33%的任务中使用AI。实际使用率为47%。
在更简单的任务上，落差尤其明显：预测使用率只有20%，实际达到38%，接近翻倍。
需要说明的是，这项实验比较的是两个不同参与者群体，不能证明某个具体的人错误估计了自己。但从整体上看，人们描述的使用习惯与真实行为并不一致。
抽象地谈论AI时，我们会根据任务难度判断是否需要帮助。真正坐到屏幕前，输入框已经摆在那里，复制一道题比重新组织思路更顺手。
整个过程太轻了，人很容易跳过“这次调用是否有必要”的判断。
但从节省时间的角度看，这些选择未必划算。
概念图：人们记住的是很大的预期收益，计时器记录的却只有很小的净节省
02.预计省下55.7秒，实际只省7.5秒
参与者选择AI的理由很正常：他们相信这种方式更快、更省力。
无论最终使用AI还是独立完成，很多人都认为自己的选择节省了时间。问题出在他们对时间的估计上。
实验中，参与者预测AI平均可以帮自己节省55.7秒，实际只节省了7.5秒。
人们预计，使用AI完成任务大约需要43.3秒。真实测量结果是86.2秒，接近预期的两倍。
偏差主要不在“我自己需要做多久”。对于独立完成时间，人们估计得相当准确。真正被低估的是使用AI的完整过程。
一次调用并非只有提问和收答案。实际操作还包括打开工具、组织或复制问题、等待生成、阅读回答、检查错误，再把结果调整成自己需要的形式。
概念图：打开工具、构造提示、等待、阅读和核验，都是一次调用的实际成本
研究者拆解了这段时间。参与者构造提示词平均花费48.7秒，阅读和处理模型回答平均花费37.6秒。即便41%的提示词只是直接复制题目，交接任务依然需要时间。
任务复杂时，这笔成本可能很划算。假如AI能把两小时的资料整理压缩到二十分钟，几分钟的提示和检查不算什么。
可如果任务本身只需要一分钟，调用工具的固定成本就可能吃掉全部收益。
实验中的简单任务便是如此：独立完成平均需要60.2秒，使用AI平均需要70.2秒。调用模型反而多花了10秒。
这并不意味着模型回答得慢。它说明模型生成答案的速度，不能直接等同于人完成整项工作的速度。
去楼下便利店买瓶水，汽车当然比步行快。但如果还要叫车、等待、核对车牌，最终花费的时间反而更多。工具的局部速度，并不能决定整段流程的效率。
03.感觉轻松，不等于真的省时间
论文同时测量了参与者的主观脑力负担。
人们大致知道使用AI有多轻松，却高估了独立完成任务的辛苦程度。
一道简单任务尚未开始，我们可能已经预演了回忆、计算、措辞和担心出错带来的麻烦。把问题发给AI后，这些不适会迅速减弱。
AI确实可能让人感到轻松，但“没有费多少脑子”和“没有花多少时间”不是一回事。
回忆一次任务时，我们也不会像计时器那样保存每个环节。人记得按下发送键后松了一口气，却未必记得等待、阅读、核验和修改分别用了多久。
因此，一次并不高效的调用，仍然可能留下“AI帮我省事了”的印象。
研究的第三项实验又观察到一种短期惯性。
一组参与者先用AI完成两个任务，随后可以自由选择如何完成新的简单任务；另一组先独立完成。
前一组后续调用AI的比例为44.5%，后一组为27.7%。
先用过两次AI，之后就更容易继续调用。更反常的是，先使用AI并没有让参与者更准确地判断它是否节省时间。
他们更不认同“独立完成会更快”，尽管后续使用AI的人实际平均多花了7.06秒，主观脑力负担也更高。
这可能来自操作惯性，也可能来自那种被记住的轻松感。现有实验无法区分两种解释各占多少。
它能够支持的结论相对有限：真实使用经验不一定会自动纠正人们对AI效率的判断。
概念图：人记得按下发送后的放松，却容易忘记等待、阅读、核验和修改
04.论文没有证明AI不提效
研究测试的是五分钟内能够完成的简单任务，参与者来自美国Prolific平台，工具是嵌入式GPT-4o。
它没有研究需要几小时完成的分析、编程、写作或资料整理，也没有找到适用于所有人的任务分界线。第三项实验观察到的也是同一场研究中的即时延续，不能直接推断为长期依赖或能力下降。
随着模型速度、产品界面和个人熟练度变化，调用成本还会继续改变。
因此，拿这篇论文证明“AI不提效”，超出了证据范围。
我更愿意把它理解为一次对“提效感觉”的校准：我们习惯询问AI能不能完成任务，却很少检查调用之后的净收益。
复杂工作中，AI可能把几小时压缩为几十分钟，提示和审核的成本很容易被摊薄。面对一句话、一道加法或一个自己熟悉的事实，同样的操作流程就可能显得笨重。
AI有没有用，不仅取决于模型能力，也取决于任务本身够不够重。
概念图：先打断自动调用的惯性，再比较任务时间、核验成本和重复价值
05.尾声：少凭感觉，多算一次完整成本
判断一项任务是否适合交给AI，可以先看三个问题：
自己独立完成大约需要多久？ AI输出需要多少检查和修改？ 这项任务是否会重复出现，值得建立固定流程？
如果是经常重复的工作，最好真正记录一两次有AI和无AI的耗时。我们的感觉会受到轻松程度影响，计时结果不会。
论文没有提供一条统一的界线，告诉我们多短的任务不该调用AI。每个人的熟练度、任务类型和错误代价都不同。更可靠的判断方式，是从任务出现开始，一直计算到结果真正可用为止。
AI给出答案所用的时间，只是其中一部分。提示、等待、核验和修改，同样是我们为这次调用实际支付的成本。
参考来源：The efficiency-gain illusion
