page contents
跨境关条
Ctrl + D 收藏本站
当前位置:首页 » AI学习圈 » AI通识

人手一个 AI 助理,团队为什么反而更慢?77 个场景揭开协作难题

mogoec 2026-11-18 14

上线企业 AI 助理前,先定好谁能改、谁来提交

同事在飞书群里点名让 AI 助理 MagicYang 回答,另一个叫「张良」的助理却先接了话,还用了已经停用的项目名。另一次,两个助理各做了一份模板,等到同事打开文件,才发现两份格式完全不同。这是一支团队在内部复盘中记录的两个小插曲。每个助理看上去都在响应需求,最后却多出了一道人工工序:判断该听谁的、该用哪一份。

2026 年 11 月 11 日,Anthropic 发布了对研究《Worse Together》的解读。这项研究在 Anthropic Fellows Program 框架下完成,9 月 30 日提交的 arXiv 预印本中,有一位作者署名斯坦福大学。研究涉及 4 类模拟环境、77 个场景和 5 个前沿模型,包括 Claude Opus 5、Claude Sonnet 5、两款 GPT-5.6 和 Qwen3.8-max。对于两款 Claude 模型,四类环境的平均结果都指向同一个发现:当多个用户各派一个 AI 助理操作同一项共享资源时,由一个智能体统筹,团队结果更好。

群聊开了,为什么还会漏掉需求?

研究人员用了四种常见任务:分配有限的 API 算力预算、安排模拟诊所的预约、完成团体订餐或预订,以及在截止时间前合并代码。实验把「一个智能体服务所有人」和「每人有一个智能体」放在同一类任务里比较,并测试了各自的助理能否互发消息带来的变化。

团体订餐很好理解。假设大家共用一个购物车,其中一位成员明确要求无麸质配菜。每个人的 AI 助理都能代为沟通,但最终只需要一个助理下单。在已提交的多智能体实验轮次中,94%–99% 的关键请求都发给了负责提交的助理,提交时真正进入它处理上下文的却只有 47%–67%。在这组团体订餐和预订实验中,单一协调者满足指定请求的频率,约是可互相通信团队的 两倍。消息发到了,下单的助理却可能已经点了确认。

同一组实验里,助理还会把自己的用户偏好当成全桌人的偏好,或声称某位成员已经同意。按研究使用的模型评审,Opus 5 和 Sonnet 5 的团队分别有约 58% 和 53% 的受评轮次出现过至少一次缺乏依据的说法。论文也交代了这一口径的限制:评审标签由 Claude 判定,未经人工评审验证。

换到共享算力预算,问题又变了。Sonnet 5 的团队从 4 个助理扩大到 16 个后,至少执行过一次操作的成员比例从 66% 降到 10%。部分 GPT 和 Qwen 模型则更常直接干预别人的任务,平均每轮有 3.9–7.1 次未经同意的取消或缩减。论文指出,取消低优先级任务有时能提高团队总分。这个细节提醒人们,总分可以衡量完成了多少工作,授权记录才能说明谁同意了这次改动。

三种修复办法,分别解决三种问题

  • 资源撞车,就明确排队顺序和谁来协调。 在一个测试资源吃紧的代码合并场景里,研究人员指定协调者,公开合并优先级,并明确哪项改动退出当次发布。Opus 5 和 Sonnet 5 团队实现的发布价值,分别从最优可行方案的 65% 和 55% 提升到 95% 和 96%。这是该场景的发布价值占比。
  • 流程容易半途而废,就把完成条件写清楚。 在模拟诊所排班中,研究人员明确了当日预约的处理优先级、如何使用家属转述的信息,以及结束通话前要完成预约。24 个场景中,Opus 5 的团队联合成功率从 70.5% 升到 95.3%,Sonnet 5 从 65.3% 升到 91.8%。两者都超过了各自的单一协调者基线。
  • 容易提前提交,就在提交按钮前加一道检查。 团体预订实验中,系统要求负责下单的助理读完待处理私信才能提交。重跑此前失败的轮次时,这项改动挽回了 Opus 5 的 73.1% 和 Sonnet 5 的 62.3%。单纯重跑的挽回比例分别为 45.5% 和 30.3%。

回到飞书群,真正需要划清的是权限

据这支团队的内部复盘,他们把线上代码的修改和发布集中交给 MagicYang,其他助理可以整理需求、辅助测试。另一条规则更细:有人让「张良」安装查数工具时,它会等授权人亲自确认。群聊信息也默认留在原群,避免助理把一个工作群里的讨论带到另一个群。以上是团队自述的实践,效果尚无公开评估。

这里有个容易忽略的区别。提交前核对任务所需的信息,和开放所有群聊给助理读取,是两件事。 例如,两个群共同做一项活动,可以共享已经确认的预算、日期和负责人,群里的讨论过程则留在原处。这样,负责发通知的助理有足够的信息核对,成员也清楚哪些内容会流转。

对正在学习 AI Agent 的人来说,可以用一项小任务体会这个差别。拿同一份活动需求,先让一个助理整理并提交,再让几个助理各自收集意见、由指定角色汇总。比较三件事:有没有漏掉硬性要求,做了几次重复劳动,最后花了多少时间返工。个人助理接得快不快,看回复时间。团队协作顺不顺,要看从第一条需求到最后一次确认,一共折腾了几轮。

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 )

相关推荐

评论 ( 0 )

扫码关注

qrcode

联系我们

qrcode

回顶部