微软高管警告“AI末日循环”：没有人类判断，AI生成的工作为何会越来越不值钱

Ryan Roslansky所说的“doom loop”（末日循环），并不是简单地反对使用AI，而是在提醒职场：语言流畅，不等于思考有价值。

他描述的场景很直接：有人用AI写出一份文档，接收者又让自己的AI去总结这份文档，最后得到的内容听起来或许很完整，却没有带来新的观点、经过验证的事实，或更好的决策。1134

AI可以加快工作，但不能替人承担最终的判断和责任。

“末日循环”究竟是怎么形成的？

Roslansky表示，他收到过一份明显由AI生成的文档。读完后，他意识到这份内容几乎完全出自AI，于是又让AI进行总结，结果却“没有带来任何新的思考”。113

这就构成了所谓的循环：

1. AI生成一份职场文档；
2. 收件人为了避免完整阅读和消化内容，再让AI提炼摘要；
3. 摘要被转发出去，并被当成工作推进的证明；
4. 整个过程中，没有人补充新的证据、专业知识、解释或决定。

问题不只在于第一份草稿可能出错。更大的风险是：组织把信息的生产和消费都自动化了，却删去了沟通真正有价值的部分——人的经验、判断与责任。

一份文档可以语法正确、结构清晰、措辞专业，但仍然没有任何实质性想法。

什么是他所说的“AI垃圾”？

“AI slop”通常被译为“AI垃圾”或“低质AI内容”，指的是看起来已经完成、实际上缺乏原创视角和有效内容的通用文本。Roslansky认为，这类问题已经不再局限于社交网络，而是进入了日常办公。38

他用“千篇一律的海洋”来描述这种趋势：如果员工使用相似的模型、提示词、模板和企业套话，职场沟通可能会越来越像流水线产品，彼此难以区分。

代价不仅是文章写得不好，还可能包括：

• 分析缺少独特性；
• 很难看出员工真正相信什么、判断什么；
• 大量时间被消耗在审阅“看起来有信息、实际上没增加多少价值”的材料上；
• 决策建立在未经检验的摘要上，而不是可追责的推理之上。

这形成了一个效率悖论：AI让写作和总结变得更便宜，却可能让信息本身变得更不值钱。正如一篇报道概括Roslansky担忧的那样，这最终可能成为“一种非常昂贵的逃避写作和阅读的方式”。4

他主张的不是“弃用AI”，而是让AI增强人

Roslansky更广泛的观点是，AI应该帮助人们去做、去学习、去创造，同时保留每个人自己的经历和视角。1130

这一区分非常关键。

当AI帮助用户梳理自己真正理解的想法、比较证据、找出遗漏，或者处理重复性工作时，它是在增强人的能力。可如果AI成了“先替我想一个想法”的工具，或者没有任何人负责核查结果，它的价值就会迅速下降。

一个实用的问题是：AI完成工作后，人到底增加了什么？

答案不应只是“把措辞润色得更顺”。它可以是经过核实的事实、对利弊取舍的判断、一个明确的决定、来自客户的一手洞察，或者一套无法仅靠通用总结生成的立场。

这对微软来说为何格外尴尬？

Roslansky的批评，恰恰发生在一家正在推动这种工作方式的公司内部。微软已经把Copilot推广到生产力软件生态，并持续扩展能够端到端处理重复流程的AI代理，让它们在特定权限下访问应用和文件、在后台执行任务。202118

这显然存在张力，但并不意味着Roslansky反对AI。他指出的其实是一个工作设计和治理问题：系统越能生成、分发、总结并执行信息，就越需要明确哪些环节必须保留人工审阅，哪些决定必须由人负责。

微软自己的产品文档也在Copilot Chat中保留醒目的AI免责声明，并允许管理员进一步强化提示，或链接到企业内部的AI使用政策。19这并不能证明所有AI输出都不可靠，但至少反映出一个现实：生成内容应被视为需要审阅的材料，而不是天然可信的成品。

这场争论也反映了微软内部的分歧

Roslansky直接使用了“AI垃圾”这个说法，而微软首席执行官Satya Nadella此前曾反对把AI主要用这一标签来描述。Nadella认为，AI更应该被理解为支撑人类潜能的“脚手架”，而不是简单替代人的能力。3235

两人的措辞不同，但核心问题相同：

AI是在放大人的思考，还是在取代组织真正依赖的思考？

微软目前正从两个方向同时推进。一方面，公司在开发更具自主性的系统，包括能够监测事件、作出判断并在预设指令和安全边界内执行任务的代理。21另一方面，产品权限设置和免责声明也承认，自动化必须有边界，并需要持续监督。

微软总裁Brad Smith曾与Roslansky公开讨论AI焦虑、技能培养和未来工作，这一背景与Roslansky强调人的能力相呼应。但现有证据并不能证明Smith明确支持Roslansky在8月发布的“末日循环”帖子。30

给AI职场的真正启示：问责比“查没查AI”更重要

Roslansky的警告最终并不是在讨论如何识别一篇文章是不是AI写的，而是在讨论：谁对这份工作的事实、推理、影响和决定负责？

一份文档不会因为篇幅长、措辞漂亮，或被总结过一次，就自动产生价值。仍然需要有人为它的事实、逻辑、后果和结论负责。

更稳妥的工作方式不是全面禁止AI写初稿或做摘要，而是在产生实质内容、进行判断的关键节点保留人的参与：

• 让AI负责结构整理、研究辅助、初稿和重复性转换；
• 对重要事实设置专业人员核查环节；
• 明确写出作者的建议、证据和前提假设；
• 把摘要当作辅助阅读的工具，而不是逃避理解的理由；
• 每次都追问：这套AI协作流程究竟带来了什么新的决定或洞见？

核心信息其实很简单：AI可以加速一个人的想法，但不能替代“先有一个想法”这件事。