AI省下了操作步骤，也可能跳过了用户最想参与的部分

导读：AI智能体已经能替人搜索、选择并下单，但真正的问题是：当打开App、叫一辆车只需几十秒时，用户为什么要把这件事交给AI？Uber最近披露的一组数据，给“能不能做”和“值不值得做”之间的差距提供了一个现实切面。

一周3.2亿笔业务，AI智能体带来4笔叫车

在2026年11月4日的Uber第三季度财报电话会上，CFO巴拉吉·克里希那穆提谈到，万圣节前一周，Uber和Uber Eats合计完成约3.2亿笔出行业务与外卖订单；其中，第三方AI智能体带来的Uber Eats订单约500笔，通过智能体完成的叫车只有4笔。

这组数字确实反差明显，但也要看清它的范围：这是一个平台、一周时间、第三方智能体订单的数据，不代表所有AI功能的使用情况，也不能直接推算整个行业的智能体普及率。它能说明的是，至少在Uber这类高频消费场景里，AI演示与用户日常使用之间还有距离。

如果只省几十秒，用户未必想交出选择权

叫车和点外卖看起来是很适合智能体的任务：用户说出目的地或想吃什么，AI帮忙完成后续操作。不过，Uber在财报准备材料中给出的数据是，用户在App内预订一辆车的中位时间约50秒；复购熟悉的餐食，中位用时约90秒。与此同时，85%的乘客会在结账前主动调整车型或出行选项，超过三分之一的Uber Eats订单来自用户过去一年没点过的餐厅。

这意味着，用户打开App时不一定只想“尽快完成交易”。他们可能还想看看附近有哪些车、比较不同车型，或临时发现一家新餐厅。让AI直接替人选好并下单，省掉了操作步骤，也可能一并省掉了用户原本想参与的选择过程。

等待不只看时长，也看系统有没有说清进度

一位体验者分享，智能体叫车约花了3分钟。过程中屏幕只显示“工作中”，用户无法确认它是在输入目的地、选择车型，还是已经提交订单。相比之下，自己操作时虽然也要等待车辆匹配，但能看到地图和预计到达时间。

这类体验不只是“AI慢不慢”的问题，也关乎用户是否知道系统正在做什么。哈佛商学院两位研究者在2011年的一项研究中，将这种现象称为“劳动幻觉”：在五个模拟在线旅行和约会服务的实验里，当网站让用户看到搜索过程、显出系统正在投入工作时，参与者有时反而更认可等待时间更长的服务，即使最后得到的结果相同。

这项研究不能证明用户会接受低效的AI操作，但它提醒产品设计者：等待过程中如果只有一个转圈图标，用户很难判断进展；如果能看到已完成的步骤、当前状态和下一步计划，等待会更容易理解。

“想要”与“喜欢”，解释了为什么过程本身有价值

神经科学家肯特·贝里奇等人提出，奖励体验中可以区分“想要”（wanting）与“喜欢”（liking）：前者更接近追求奖励的动机，后者指获得之后的愉悦感；相关研究将多巴胺与“想要”机制联系得更紧密。

这个理论可以帮助理解，为什么浏览菜单、比较餐厅、犹豫点什么，有时本身就让人觉得有意思。不过，它不是“刷菜单一定会触发某种多巴胺反应”的证明，也不意味着每个人都享受选择。更稳妥的说法是：对一些用户而言，挑选和期待也是消费体验的一部分，不能简单当成需要被AI清除的障碍。

韩国仿外卖网站FoodNeverArrives提供了一个有趣的例子：用户可以选菜、下单、看模拟配送，但不会真的收到食物。韩国《中央日报》报道，开发者称截至6月中旬，每周约有3万人在网站上模拟点餐。这个数字来自开发者说法，并非独立审计；它也不能证明所有用户都享受同一种体验，却显示出有些人愿意为了“浏览和下单的过程”打开一个不会真正送餐的网站。

判断一件事该不该交给AI，先看它是不是“纯负担”

对AI学习者来说，与其先问“智能体能不能做”，不如多问一步：这件事到底有多麻烦，用户又有多想亲自参与？

如果任务重复、步骤多、规则明确，而且做完只想赶紧结束，例如整理会议纪要、批量改格式或筛查异常数据，AI代办通常能省下真实的时间和精力。反过来，如果任务本来就很快，或者包含探索、比较和个人偏好，AI更适合帮用户缩小范围、解释选项、填好已知信息，再把最后决定留给用户。

这也给智能体产品设计一个实际方向：不仅要能执行，还要能说明进度、允许用户随时接手，并在提交订单等关键步骤前清楚确认。对用户来说，省下的几秒钟固然重要，但可见、可控、符合自己意愿的体验同样重要。

---

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）