AI用得好不好，跟会不会管人，很多时候并不是同一件事，尤其在质疑AI这方面。

根据不完全统计，我用AI时质疑的情况有如下几种，这涉及到AI的特性、我们的domain knowledge如何、以及是否愿意质疑自己。

第一种是无端质疑AI生成的结果，尤其在复杂事务、涉及到数字或我毫无把握的情况下，或者有时就是我犯懒了不想肉身核对，就让AI自己审视过程和结果，是否有错误。这个用的还蛮多的，这主要是因为AI的幻觉特性。

显而易见，这点是无法用在员工上的。次数多了可能上升到大打出手的情况[哈哈]。

第二种是在垂直domain，AI因为不具备一些非常专业的知识或背景了解的不够充分，这种更像是纠正它答案的一些根本性假设，这在复杂任务中会经常性发生，类似一种经常性的纠偏，就属于AI跑AI的，你纠你的。这在员工身上也会发生，但比例不高，毕竟基础的培训是必须的，而且人具有主观能动性，会主动询问。

第三种是补充性质疑：我们考虑所有其他的options并比较各自的优缺点了嘛？这在员工身上也较少发生，因为任务一开始就需要考虑或交代这一点，大项目会在不同节点进行验收管理和讨论。但是用AI的时候，AI往往跑的太快，我们顺着它的思路跑了很久，甚至可能快到结束，才意识到这个问题。

第四种是反对性质疑：这个回答的显性和隐性假设都是什么？这些假设成立嘛？这在员工身上较少发生，因为团队共享一个项目的大多数显性和隐性假设。

最后一种最难，属于阶段性质疑。在一个长对话里，AI跑AI的，你纠你的，多个回合之后，你发现根据目前的进展来看，前面一些假设要推翻。这属于质疑自己，和AI的关系不大，这个困难，难在中途或事后否定自己。在人员项目上，这也是最困难的，但这可比质疑AI困难多了。这一般不是小项目，我们很难意识到自己错了，很多因素会影响我们的判断；意识到自己错了之后，各种沉没成本也难以决断，管理员工的预期也是另一难题。

人和AI的特性、我们和人以及AI的信任关系、AI和人完成任务的方式差别以及我们对这种方式的应对管理，都相差很大。

AI具有幻觉特性，从这点来讲，质疑AI属于纯科学反应，我们天然就应该质疑AI；而且AI没有情绪反应。但人是有情绪的；且无论在日常事务还是在重要项目中，团队都需要建立相当的信任，不应该事事质疑。

而且我们和团队人员会共享很多共同的背景知识和信息，很多无需通过显现化沟通的隐性默契，而这些在我们和AI的每个复杂对话中，必须显性化或明确化的，否则可能会因为过于乐观而忽略风险，或忽略其他可能的更好的选择，或犯根本性的错误。