一 已经有了AI，为什么仍然忙不过来
本章人物与工作过程为分析设例。何川负责组织社区文化活动。确定主题、联系分享者、写活动介绍、回答报名问题、安排现场和整理回顾，过去几乎都经过他的手。接入AI以后，他能够很快得到介绍文案与流程建议，却没有明显轻松。屏幕上的材料变多了，真正需要确认的事情仍然追着他跑。
他最初的猜想是，AI还不够强，应该接入更多工具。但回看一次活动，他发现问题没有全部发生在写作环节。AI写出报名说明后，场地时间又改变了；流程表已经更新，志愿者手里的旧版却没有同步；活动介绍强调互动，现场安排却没有预留提问时间。每一份材料都像完成了，整场活动仍然不能顺畅运行。
这使本章的What If更加具体：如果不只是让AI替自己完成几份文本，而是重新组织人、AI、记录与协作之间的工作，显露会怎样？这里需要研究的是复合能力怎样发生。参与者与工具相加，只说明成员多了；能够共同完成原来困难的活动，还需要差异运行和特征纠缠得到相应组织。
何川决定只选下一场规模较小的分享活动，研究从主题确认到现场准备这一段。他没有要求所有人同时更换软件，也没有把历史资料全部交给AI。探索从当前最容易出现错位的交接开始。
二 把工作拆开，也把交接关系留下
何川请AI列出任务，得到一长串清单。他很快发现，清单虽然完整，却看不出哪些任务必须等待别的结果。活动介绍可以先起草，但正式发布需要时间、地点与参与方式确认；现场流程依赖分享者准备；报名问题又会反过来暴露介绍缺口。
于是他改变提问：“请不要只分任务。请说明每项工作需要什么输入，产出什么，谁会接着使用，以及什么变化会要求它重新打开。”这个要求使工作从并排清单变成具有交接关系的运行。
AI可以承担起草、对照版本、整理问题和提出候选安排。何川与同伴提供现场条件、核实外部承诺、与参与者沟通，并共同判断安排是否值得采用。并不存在一张永久分工表：随着工具可靠性和任务性质变化，某些检查可以自动完成，某些环节则需要更多人参与。关键是分工有依据，也能随反馈调整。
例如时间、地点在多个文件中是否一致，可以用规则检查；场地是否真的可用，需要可靠确认；活动气氛是否适合某种安排，可能要结合经验与试作。不要因为这些任务都叫审核，就把它们放进同一个模糊步骤。
拆分的目的不是让每个人只管一小块，而是使彼此需要怎样接续变得清楚。否则任务分得越细，协调负担反而越重。
一个常见交接只传文件，不传状态。志愿者收到活动介绍，无法知道时间已经确认还是暂定；分享者收到流程，不清楚哪段可以调整，哪段涉及场地限制。文件内容看似完整，使用条件却缺席。
何川尝试在每份关键材料旁附上三句话：目前确认了什么，仍待确认什么，下一步由谁接续。AI可以协助从已有记录中提取，但不允许把没有依据的暂定事项改成已确认。若无法判断，就保留未确认状态。
这三句话改变了材料进入协作的方式。志愿者不必猜测能否转发，分享者知道哪些修改需要共同讨论，何川也能看见真正等待的环节。S不再只是一份完成的文本，还包括可使用状态；D不再只是生成文件，还包括确认、传递与回写；E则涉及承诺、权限、版本与参与者预期之间的纠缠。
第一次试用可能并不顺利。有人觉得多写状态麻烦，何川便研究怎样让状态附着在原有发送动作上，而非另填表格。若一项安排已经通过现成流程确认，就直接引用依据，不重复记录。复合工作需要减少不必要的重复，才能持续。
交接是否改善，可以从具体困难评估：是否减少了对暂定内容的误用，是否更容易找到待确认项，是否把负担转移给某位同伴。仅看文件数量增加，无法判断能力是否提高。
三 让错误有地方返回
假设AI在活动介绍中写入分享者没有确认的经历。何川发现后删掉了这一句。如果只删除，当前文本恢复正确，后续生成仍可能重复同类问题。反馈需要进入下一轮：个人介绍只能基于已提供且可确认的材料，缺少信息时提出问题，不自行补写。
新的规则可以写进工作说明，也可以在材料结构上实现：把已核实介绍与创意文案分开，让AI清楚知道哪些内容可以改写、哪些必须保持事实准确。实际安排取决于工具能力，不能只靠一句要求就假定系统永不犯错。
另一次错误可能来自人：何川口头改了开始时间，却没有更新共享记录。此时不应把所有错误都归于模型，反馈需要回到整个运行。可以约定关键变更进入同一个可追踪记录，再由各材料引用当前状态。目的不是追责某个环节，而是降低同类错位继续发生的机会。
复合工作中的纠错，往往比单次产出更能显示能力。一个系统能够快速生成很多内容，却无法追踪错误来源和影响范围，就可能在扩大产量时扩大混乱。反过来，产出未必惊人，但修订可以可靠传递，工作便具有更稳定的基础。
思考的乐趣也会从谁写得快，转向怎样让整段活动越来越能够承接变化。人开始参与设计工作本身。
四 同伴加入后，能力怎样重新发生
何川请一位擅长现场组织的同伴参与。起初他想把现场安排全部交出去，自己专注文案。实际讨论却发现，活动介绍中的承诺直接影响现场：如果说人人可以提问，就需要安排相应时间；如果强调自由交流，座位与主持方式也要配合。
于是双方没有简单切开任务，而是一起标出宣传与现场的连接点。AI帮助检查介绍中的每一项体验承诺，在流程中是否有对应安排。这使文案不只是吸引报名，也参与形成实际活动。
同伴的经验又反过来改变主题表达。某个问题适合小组讨论，另一个问题需要分享者先给背景。新的D使参与者的问题显露方式改变，也使主持、材料、空间之间形成不同E。复合能力发生在这些相互回写之中。
这并不意味着所有人都要参与所有决定。过度共同讨论可能拖慢工作。可以将连接密切的部分共同确认，将已经稳定、标准清楚的部分分工处理。分工与协作的尺度，需要根据反馈调整。
何川开始看见，自己不必在每个细节上保持中心位置，活动仍然可以体现共同目标。与AI和同伴工作，让他有机会从不断补洞转向理解哪些连接最需要组织。这种角色变化可以带来新的乐趣，也需要学习新的责任。
五 复合能力怎样被使用、维护与接续
一场活动顺利，不足以证明新安排可以稳定复制。下一场的主题、参与者和场地可能不同。何川应当保存可迁移的部分，也标明依赖特定条件的部分。
例如关键事项的确认状态可以成为通用习惯，某种座位安排却只适用于特定空间。AI生成的核对清单需要随活动调整，不能因为上次没出错就自动视为完整。工具变动、同伴更换或任务规模扩大，也可能要求重新检查。
维护包括材料更新、角色说明和失败记录。它并不一定需要复杂制度。对于小活动，一页工作说明和几个关键记录可能足够；规模扩大以后，才考虑更明确的版本与权限组织。结构应随实际需要增长。
我们还要评估复合能力的成本。何川是否只是把写作时间转移到检查更多文本？同伴是否承担未被看见的整理？AI工具是否要求超出收益的学习？如果成本过高，就可以缩减自动化范围，先让最稳定的一段工作形成封装。
能力封装的形成，需要反复使用与检验积累。某个工具表现一次出色，并不意味着此后可以忽略相关判断。随着可靠性逐渐形成，检查粒度可以调整，但调整应有实际经验支持。
复合工作还有一个很具体的检验：何川若临时不能参加准备会议，同伴能否继续？这不意味着要消除每个人的独特贡献，而是检查活动是否过度依赖某个未被说明的记忆。
同伴打开共享材料，发现时间与场地状态清楚，却不知道为什么取消了某一段互动。原来何川只记录了结果，没有保存决定依据。AI根据剩余材料猜测原因，给出了一个听起来合理的说明，但它并不知道真实经过。此时最可靠的处理是标明未知，向相关人确认，不能把生成解释当作历史记录。
这个小困难带来新的修正：对于会影响后续选择的关键决定，保留一句理由。无需记录所有讨论，只说明哪个约束或反馈改变了安排。例如某段互动取消，是因为实际时间不足，还是因为参与者需要不同？两种原因影响后续是否能够恢复。
理由记录使同伴拥有可以判断的条件，也使AI在提出新方案时不容易重复已经排除的路径。新D又形成新的E：决定与依据、当前任务与过去反馈之间获得可接续的联系。
然而，记录也可能过量。若每个小选择都要求详细说明，工作会被文档拖住。可以将范围限定为影响承诺、资源和后续运行的决定。哪些决定属于关键，需要在实际使用中逐渐辨认。
这一轮What If不追求所有人完全可替代，而是让合作能够在缺席、变化和交接中保持足够清楚。独特贡献可以继续存在，同时减少不必要的单点依赖。
六 谁拥有成果，谁承担承诺
人—AI复合工作容易让贡献变得难以按字数衡量。有人提出主题，有人核实材料，有人设计流程，AI生成多个版本，参与者反馈又改变最终安排。成果来自整体发生，具体责任仍需要清楚。
何川在对外沟通时，要知道哪些承诺已获得相关人同意。AI建议增加一场问答，不等于分享者已经接受；同伴提出新的现场安排，也可能需要场地配合。生成能力不能替代实际授权和确认。
在内部，可以记录关键贡献和决定依据，避免只有最终发出文件的人被看见。这样的记录并非为了把每个思想切成独立产权，而是让合作能够公平接续，也让问题出现时知道怎样修订。
涉及私人材料和工作资料时，同样需要明确使用边界。只把当前任务必要的内容交给适当工具，依照实际权限与约定处理。若某个材料不能进入外部系统，就可以使用去除身份的结构说明，或者在许可范围内完成整理。
这些安排是复合工作的组成部分。能力扩大以后，承诺和边界也应获得相应组织，否则产出越快，误解越容易放大。一个能够把贡献、依据和责任说清的合作，才更有机会让参与者愿意继续。
七 从个人忙碌到共同学习
何川最初想让自己少写几份文本，后来开始研究整场活动怎样运行。这个问题结构的变化，具有升维的可能：观察单位由个人任务转向人、工具、材料与协作共同形成的工作过程。
是否真正升维，要看新的单位是否带来实际能力。关键变更能否传递，材料能否被正确使用，错误能否返回，参与者能否根据新情况调整。如果只是把团队称为复合体，原来的交接问题依旧，就还没有获得相应收益。
在三方程中，可以从D与E的改变观察新的S，也可以从活动后的新显露研究下一轮D，再看新的运行如何重组E。六路径提供不同切入之道，D2让一场小试作接受评估、反馈与迭代。理论在这里承担组织作用，不需要每次向同伴讲完全部术语。
何川可以用普通话总结：“我们这次先让未确认事项看得见，再检查材料怎样接续，最后保留改变下一轮的反馈。”同伴能理解并参与，比表述显得宏大更重要。
乐趣也从个人完成所有事情的成就感，扩展到看见共同活动逐渐形成。自己仍然重要，但重要的方式开始改变。
活动结束后，何川不只收集参与者满意度。他和同伴回看三处过程：哪个交接顺利，哪个决定需要补充依据，哪项AI输出增加了核查负担。每一处都对应下一轮可改变的动作。
如果只评价个人表现，容易把问题写成某人粗心或某人不熟练；如果只评价工具能力，又可能忽略任务说明与材料组织。复合学习要求把相关发生放在一起，同时保持具体责任可以辨认。
一次复盘可以只改一件事。例如下一轮先统一关键状态，再看看是否仍有版本错位。只有改变进入后续运行，学习才不仅是一段回顾文字。AI能够帮助追踪这些修订，也需要由实际材料持续校正。
何川逐渐获得的，便不仅是办一场活动的能力，还有让办活动的方式能够学习的能力。这种能力未必每天显露为更快的产出，却可能使复杂情况更容易被接住。思考的乐趣在这里有一种新的形态：我们不仅共同做事，也能共同改变怎样做事。
下一次启动时，不妨让每位参与者先说清自己需要从前一环节得到什么，再讨论能够提供什么。这种由连接进入的谈话，常能暴露清单看不见的缺口。AI可以整理差异、提示遗漏，实际约定仍由相关人共同形成。复合工作正是在这些可接续的承诺与反馈中逐渐获得形状。
若同伴对某项自动化不放心，可以先让它处理低影响的局部，并保留容易核对的结果。随着实际使用积累，再决定是否扩大范围。可靠性与分工需要共同发生，不能单凭工具宣传或一次展示就把所有承诺交给尚未熟悉的运行。
八 给自己的工作做一次复合检查
选一项你已经使用AI的工作，回看最近一次完整过程。先列出真正发生的输入、输出和交接，不根据理想流程补齐缺失。再问哪些地方只生成了内容，却没有形成可用状态；哪些变更没有传递；哪些错误被局部删除，却没有进入后续规则。
请AI依据这份材料提出一个最小改动，并说明它预计改善哪段连接。可能是增加确认状态，也可能是减少一份重复文档，或者把反馈放到更早的位置。不要一开始就重建全部工作。
运行一次以后，分别观察成果、参与者负担与修订能力。若某处更快，另一处更累，要把两者一起保留。若工具变得复杂，却没有增加可参与的活动，就考虑撤回部分设计。
最后问：“现在这件事为什么比过去更能被我们共同完成？”如果能够指出具体机制，复合能力便开始有了可说明的内容。若只能说AI很强，说明还有运行值得继续辨认。
你的下一场What If可以很小：如果让某个交接不再依赖一个人的记忆，会怎样？从这一步开始，工作有机会从个人不断补救，走向能够共同学习与修订的发生过程。