先想象一下，你的项目团队正在为一场关键的产品发布会做最后冲刺。团队里有经验丰富的项目经理、创意十足的设计师、代码能力超强的程序员，还要加上一位新成员——AI代理（AI Agent）。
它和你一起分析市场数据、预测用户反应。这是一个技术全面，尽职尽责的AI同事。当AI正以前所未有的深度融入工作团队，这个场景逐渐会从科幻变为现实。
问题随之而来：我们该如何与这样一位“非人类同事”高效协作？人与AI之间能像人类同事那样默契，做到“心有灵犀”、协同作战吗？
要回答这个问题，不妨先看看，人类团队的默契究竟是如何产生的。
人类团队默契来源的两种解释
在传统的人类团队里，我们常常用“默契”来形容那种高效的协作状态。但“默契”到底是什么？学术界有两种主流的解释：以知识结构为核心的“共享心智模式”（Shared Mental Models, SMM）和以互动过程为核心的“交互式团队认知”（Interactive Team Cognition, ITC）。我们把它们通俗地理解为“剧本派”和“即兴派”。
1. “剧本派”：大家手里拿着同一个剧本
“剧本派”认为，高效的团队之所以高效，是因为团队成员对“工作该怎么干”有着高度一致的认知。这就像一个成熟的剧组，导演、演员、摄像师、灯光师，每个人都对剧本、分镜、走位了如指掌。大家心里有一个相同的“剧本”，知道在什么场景下，自己该做什么，别人会做什么。
这个“剧本”在管理学上被称为“共享心智模式”。它包含了团队对任务本身（比如项目的目标、流程、技术难点）和对团队成员（比如谁擅长什么、谁负责什么）的共同理解。一个团队如果“剧本”高度统一，沟通成本就会极低，协作会非常顺畅。比如，项目经理一个暗示，程序员就知道要紧急修复哪个Bug；设计师一句话，市场专员就明白要突出哪个卖点。这种基于共识的“剧本式”协作，稳定、可靠、高效。
2. “即兴派”：重要的是现场互动
然而，现实中的工作往往比演剧本复杂得多，充满了意外。市场突然变化，客户临时改需求，技术出现新瓶颈……这时候，再完美的“剧本”也可能失效。
于是，就有了第二种解释，即“即兴派”。它认为，团队真正的强大不在于事先达成多么完美的共识，而在于动态互动中的适应和协调能力。这就像一支顶级的爵士乐队，乐手们可能只有一个简单的旋律框架，但通过彼此间的倾听、回应和即兴发挥，能创造出令人惊叹的音乐。这种在互动中产生的、流动的、实时的集体智慧，被称为“交互式团队认知”。
一个“即兴派”的团队，不一定有完美的剧本，但他们有极强的沟通能力和应变能力。当意外发生时，他们能迅速交流信息、调整策略、重新分工，在混乱中找到新的秩序。这种即兴式协作，灵活、有韧性、富有创造力。
小结一下，“剧本派”强调的是“团队成员脑子里想的一样”，追求的是稳定和效率；“即兴派”强调的是“我们互动得很好”，追求的是灵活和创新。在传统团队中，理想的情况应该是两者相辅相成，既有“剧本”打底，又有“即兴”发挥，才能应对复杂多变的工作。
AI带来的两大新挑战
现在，让我们把AI这位“新同事”请进团队。你会发现，无论是“剧本派”还是“即兴派”的理论，都遇到了前所未有的挑战。
挑战一：AI能读懂我们的“剧本”吗？
剧本派的核心是共享，即大家脑子里有同一个模型。但AI的“脑子”和人类完全不同：它的“心智”是由算法、数据和模型构成的。基于以下原因，人们无法确保AI理解人类特有的“剧本”。
(1) 理解偏差：你对AI说“这个方案要更有冲击力”，心里想的是视觉震撼、情感共鸣，但AI可能理解为“增加对比度”、“使用更激进的词汇”。它无法理解人类语言背后丰富的潜台词、情感和文化背景。
(2) 信息不对称：AI掌握着海量的数据，但它不知道团队里谁今天心情不好、谁和谁产生了矛盾、谁最近压力很大。这些“隐性信息”在人类协作中至关重要，但没有任何数据库能够列出所有我们知道的隐含事实。反之，人类也无法完全理解AI是如何得出某个结论的，很多先进的AI模型（如深度学习）本身就是个“黑箱”。
(3) 角色固化：人类团队的角色是灵活的，今天是主攻，明天可能就要做辅助。但AI的角色往往是预设的，是“数据分析员”还是“文案优化器”，很难像人类一样根据情境灵活切换。
所以，人类要和AI建立“共享心智模式”，就像让一个来自外星球的演员读懂地球的剧本，难度较大。如果强行共享，结果可能是人类不断迁就AI的逻辑，或者AI对人类的指令产生误解，最终导致协作效率低下，甚至出错。
挑战二：AI能和我们一起“即兴”吗？
即兴派的核心是高质量的互动。但AI目前还很难进行真正意义上的即兴互动，原因如下：
(1) AI缺乏主动性与同理心：即兴需要主动倾听、感知情绪，并给出创造性回应。AI可以被动地回答问题，但很难主动察觉到团队氛围的变化，更不用说使用鼓励的话来提振士气。它没有同理心，无法进行情感层面的交流。
(2) 情感反馈循环的断裂：在人类团队的即兴中，一个成员提出想法，其他人会立刻通过语言、表情、肢体动作给出反馈，形成一个快速迭代的反馈循环。AI的反馈往往是基于数据的、逻辑的、延迟的，它无法融入这种充满情感和直觉的实时互动流中。
(3) 信任建立的困境：即兴协作建立在深厚的信任基础上。你愿意和队友即兴，是因为相信他的专业能力和人品。但我们对AI的信任，往往停留在“它计算得准”，而不是“它靠得住”。当AI给出一个反直觉的建议时，我们是该相信它，还是相信自己的经验？这种信任的缺失，让即兴变得困难重重。
因此，指望AI像人类队友一样，在互动中碰撞出火花，目前看来还为时过早。
AI更像一个功能强大的“乐器”，但还不是一个能与人类“即兴合奏”的“乐手”。
新思路：从“共享心智”到“人机互认与协同增效”
既然单一的理论都行不通，我们是否可以换一种思路？不必强求AI拥有和人类一样的“心智”，也不必强求它能像人类一样“互动”。本文尝试构建一个更适合人-AI协作的新模式，这个模式包含三个层面：
人-机团队三层次默契模型
基础层：建立“互认契约”——打造人机协作的“操作手册”
基础层借鉴了“剧本派”的思想，但目标不是“共享心智”，而是“互认能力”。我们不需要AI理解人类的复杂情感，也不需要人类搞懂AI的复杂算法，只需要双方对彼此的“能力边界”和“沟通方式”有一个清晰、统一的约定。这就像为一台复杂的机器编写一本“操作手册”，手册里会写明：
(1) AI能力清单。说明它能做什么，不能做什么。可以让AI代理承担一个（或几个）相对稳定的角色，如营销分析师： “我能分析过去五年的销售数据，并预测下个季度的趋势，但我无法预测竞争对手的突发营销活动。”
(2) AI指令集。人类该如何向AI下达指令，别忘了顺带训练他的礼貌用语： “请用‘目标用户是25-30岁女性’、‘风格要清新自然’、‘预算不超过1万元’这样的结构化指令向我提问，我会给出更精准的方案。谢谢！”
(3) 输出标准和风格。AI该如何向人类呈现结果，以下为一个严谨的科研风格示例： “我的结论是基于A、B、C三个数据点得出的，置信度为90%。其中，数据点A的影响最大。”
这本操作手册就是人机之间的“互认契约”。它不追求深度的精神共鸣，只追求高效的互操作性。有了它，人类就知道该如何“使用”AI这位同事，AI也知道该如何“服务”人类团队。这是人机协作能够发生的基础。
核心层：促进“协同增效”——让人机互动产生1+1>2的效果
这个层面则借鉴了“即兴派”的思想，但主角是人类，AI是“超级辅助”。互动的核心仍然是人类团队，但AI的加入，极大地增强了人类互动的质量和效率。
AI在这里的角色，不是一个被动的执行者，而是一个主动的“赋能者”：
(1) 信息赋能：在团队讨论时，AI可以像一个无所不知的“信息官”，实时提供相关的数据、案例和背景知识，让人类的讨论不再基于经验和猜测，而是基于事实。
(2) 选项生成：当团队陷入思维僵局时，AI可以快速生成数十个备选方案，供人类讨论和筛选。它不负责做决策，但负责拓宽人类的决策视野。
(3) 流程优化：AI可以像一个不知疲倦的“协调员”，自动跟踪项目进度、提醒风险、分配任务，把人类从烦琐的事务性工作中解放出来，让他们能专注于更有创造性的互动。
在这个层面，AI与人的互动是间接的、非社交的，但却是强大的。它通过赋能人类的互动过程，让团队的“即兴发挥”更加流畅、精彩和激荡人心。人类团队依然是“即兴”的主角，但AI为他们提供了顶级的“舞台”和“音响设备”。
目标层：实现“默契合作”——SMM作为应对沟通失效的“安全网”
通过核心层的持续交互，共享心智模式被校准得越来越精确，人与AI之间越来越“默契”。即便当通信中断或时间紧迫，无法进行显式交互和沟通时，这个高度精确的共享心智模式仍能发挥作用，确保AI依然能够基于之前对彼此的深刻理解，做出符合人类利益的正确反应。
目标层是衡量一个团队是否“卓越”的终极标准，描述的是共享心智模式的“底线价值”和“理想状态”，它确保了团队在最坏情况下的生存和基本功能。它代表着人机协作从“工具-使用者”关系，真正进化为心有灵犀的共生关系。
对人-AI团队建设的四项操作建议
AI的加入，不是对人类团队的简单增强，而是一次深刻的重塑。
AI迫使我们重新思考“协作”的本质。我们或许不应再固守“共享心智”的传统观念，幻想与AI成为心有灵犀的“灵魂伴侣”，而更应该以一种务实、开放的心态，与AI建立一种新型的伙伴关系。
对人-AI团队建设，我们提出以下四项操作建议：
首先，给AI写一本清晰的岗位说明书，建立互认契约。在引入AI工具之初，组织一次团队工作坊，就AI的岗位职责、能力边界、沟通语言和汇报格式，形成具有共识的书面文档。这份“岗位说明书”就是团队的“互认契约”，它能统一全队对AI的认知，减少误解和无效尝试，让每个人都知道该如何与这位“新同事”打交道。
其次，考虑设立“人机翻译官”角色，促进协同增效。在团队中，指定1-2名对技术比较敏感、同时业务能力也强的成员，担任“人机翻译官”。他们的职责不是成为技术专家，而是可以将AI输出的复杂、专业的结果，翻译成团队成员都能听懂的“大白话”，并解释其背后的业务含义。同时，将团队成员模糊、发散的需求，翻译成AI能够精确理解的“结构化指令”；收集团队在使用AI过程中遇到的问题和好的经验，定期更新AI的“岗位说明书”。
第三，开展“人机协同”情景模拟预训练，强化互动流程。像消防演习一样，定期组织团队进行“人机协同”的模拟演练。例如在新产品开发中，可以模拟一个新产品构思会。团队成员提出初步想法，AI负责快速搜索相关专利、竞品分析、用户评论，并生成数个产品概念草图。团队在此基础上进行头脑风暴和深化。通过实战演练，让团队成员亲身体验在动态过程中如何与AI配合，熟悉“人机互动”的节奏和流程，培养一种“遇到问题，咨询AI”的协作习惯，增强团队的应变能力。
最后，需要建立“人机协作”复盘与迭代机制，实现持续优化。在每个项目周期结束后，除了常规的业务复盘，增加一个专门的“人机协作复盘”环节。讨论的问题包括：在这个项目中，AI在哪些环节帮了我们大忙？在哪些环节，AI的表现不尽如人意？原因是什么？需要对AI的“岗位说明书”需要做哪些更新？团队成员在与AI协作时，有哪些好的技巧可以分享？通过定期复盘，团队可以持续优化与AI的“互认契约”和“协同增效”流程，让这支混合团队变得越来越聪明、越来越高效。
人-AI将成为组织的常态，人与AI的关系，始于一份清晰的“互认契约”，明确彼此的边界与语言；落地于一场高效的“协同增效”，让AI成为团队智慧与创造力的“超级放大器”。
未来的卓越团队，将是那些最擅长与AI共舞的团队。人类成员不会被AI取代，反而会因为驾驭了AI，释放出前所未有的、令人惊叹的集体潜能。
本文来自微信公众号“复旦商业知识”（ID：BKfudan），作者：赵付春 于保平，36氪经授权发布。
