最近,我把同一项看似普通的工作交给两个人工智能助理:根据课程时间表,协助管理一系列日历活动。两者的反应形成鲜明对比。

在其中一个工作流程中,ChatGPT 检视时间表、核对现有活动,并更新已更改的上课地点;我随后能在日历中看到修改结果。另一边,Copilot 能读取时间表,却多次表示无法创建活动,即使我把要求缩小至前三堂课,结果仍然一样。

我的第一反应很直接:一个系统成功,另一个失败。然而再想深一层,这个结论过于简单。

同一份时间表,两种结果

这些截图只记录我当时在特定账户与界面中的实际经验,并不是对底层模型的受控比较。两个助理可能拥有不同的连接器、权限、产品设置、账户政策或情境资料。

这项区分很重要。表面上看似智能差异,实际上可能是周边系统获得的行动权限不同。

ChatGPT 对话画面,正在检视课程时间表,并汇报已核对或更新的日历地点。
在我已连接的工作流程中,ChatGPT 核对时间表,并汇报已完成的日历修改。
Copilot 对话画面,助理表示无法根据上传的课程时间表创建日历活动。
在我当时可用的 Copilot 工作流程中,助理能读取时间表,却拒绝创建活动。

这些截图记录我在 2026 年 7 月进行的一次个人测试。产品功能、权限与界面会随时间改变,因此不应视为一般性效能基准。

理解能力不等于行动权限

语言模型可能完全理解要求,却未获授权执行。读取时间表、识别日期及草拟活动资料,属于信息处理;写入日历则是会产生后果的行动,可能改变他人行程、通知参与者、修改视频会议资料,或把信息发送给错误对象。

因此,我们不应只问“人工智能能否理解?”,还要问“系统是否应获准执行?使用哪个账户?权限范围多大?由谁确认?”

拒绝也可以提供有用信息

Copilot 的拒绝令人沮丧,因为工作看似简单。然而,权限界线可阻止助理在缺乏充分保障时,由提供建议悄悄变成自主行动。拒绝告诉用户:系统缺乏安全执行所需的能力、权限或信心。

另一张截图也显示了不同形式的克制。当 Copilot 无法取得足够实质资料,以诚实判断我的优先事项时,它选择说明限制,而不是编造一个自信答案。这未必是令人惊叹的自动化,却是有价值的知识诚实。

这项区别在临床教育中尤其重要。懂得识别证据不足的系统,可能比每次都提供流畅建议的系统更安全。

成功执行不等于自然地更安全

ChatGPT 完成更新确实有用,能减少重复行政工作,并把时间表转化为行动。然而,成功也带来新的责任。我仍须确认日期、地点、会议链接及未修改的活动是否正确。

获准行动的助理也可能大规模复制错误。草稿中一个错误地点只是不便;若同一错误被写入多个真实活动并通知参与者,便会成为运作问题。行动能力越强,审计记录、确认步骤与恢复机制便越重要。

这次经验对人工智能素养的启示

人工智能素养通常包括撰写提示、评估输出及识别偏见。自主式工具再加入一个层次:用户必须理解生成信息与改变聊天窗口以外现实之间的区别。

  • 检查连接:清楚知道助理可访问哪个电子邮件、日历、云端硬盘或院校账户。
  • 限制范围:只授予当前工作所需的最低权限,尤其当行动会影响他人。
  • 行动前预览:若平台支持,先要求助理展示建议修改,再正式应用。
  • 完成后核实:亲自检查真正的目标系统,不只相信对话中的完成信息。
  • 保护隐私:除非工具与机构政策明确允许,否则不要分享可识别或机密资料。
  • 保留人类责任:把工作委派出去,并不等于把最终结果的问责一并转移。

实用原则:暂停、限权、核实、记录

对低风险的个人行政工作,我会采用四个步骤:授权前先暂停;收窄工作与权限范围;在目标系统核实每项修改;当后果重要时,记录改动内容。

高风险环境需要更严格的保障。在教育、研究与医疗中,人工智能不应只因有能力,就获准发送信息、修改记录或处理敏感资料。机构政策、同意、信息治理与专业问责仍然不可或缺。

更值得进行的比较

这次小实验最有用的结论,并不是哪个品牌胜出。一个工作流程展示行动的价值,另一个则揭示界线的价值;两者都令我更理解负责任的人工智能使用。

我现在不只问:“哪个助理能做更多?”我更想问:“哪个助理能让我清楚理解它可访问什么、何时应行动、我如何核实,以及责任仍由谁承担?”

有时,最好的人工智能回应是完成工作;有时,则是清楚拒绝。成熟的使用方式,在于判断当下需要哪一种回应。