智能体的演示很容易令人兴奋。一份材料变成文章，一段想法变成计划，几个角色同时完成不同工作。可回到自己的桌前，我还是会问：这些变化究竟帮我改善了什么？
这不是怀疑技术，而是尊重自己的时间和工作。做教育、做企业，需要考虑投入；做教练，也需要区分期待与实际发生。工具值得长期使用，应该有自己的证据，而不只是别人演示中的效果。
这个系列的最后一篇，我想把协作评估讲得具体一点。先从一件低风险的工作开始，不急着计算宏大的投资回报，也不把每一个变化都归功于AI。
一、选择结构之前，先问四个问题
手册用控制要求、任务复杂度和资源约束讨论架构选择，也强调领域条件。放到教练实践，我会整理成四个问题：这件事需要多大控制，复杂到什么程度，有多少时间与预算，以及领域里有哪些不能忽略的边界。
整理公开资料和处理客户私人记录，控制要求不同；一篇文章和跨平台内容项目，复杂度不同；偶尔使用和每天运行，成本安排也不同。
如果只有一个明确任务，先用简单结构；如果步骤能够预先确定，采用清楚流程；如果确实需要不同角度，再考虑更多协作者。不能把复杂结构当成默认升级方向。
在教练领域，保密、授权和专业责任应当影响选择。一个结构在其他业务里有效，不意味着可以直接移到客户关系中。
二、评估之前，先保留原来的做法
没有比较，就容易把新鲜感当成改善。可以选一项反复发生的工作，记录原来人工完成需要什么、通常花多少时间、哪些地方容易返工。
无需为了评估建立复杂研究。可以先保留几次类似工作的记录，但要说明任务难度和材料质量可能不同。少量观察可以帮助个人决定，不代表证明所有教练都能得到同样结果。
如果第一次使用花很久，要区分建立规则的投入和每次都需要的投入。前者可能在后续摊开，后者则需要长期承担。不能全部忽略，也不能混成一个无法解释的数字。
起点越清楚，后面越容易知道是工具改善了执行，还是自己终于把要求写明白了。
三、时间要从开始准备算到能够使用
一个工具几分钟生成初稿，并不意味着这项工作只用了几分钟。准备材料、说明要求、检查输出、修改、转换格式和处理异常，都属于完成任务的时间。
比如一篇公开文章，人工原来需要一百二十分钟；协作后准备二十分钟、生成十分钟、核查三十分钟、修订二十分钟，总共八十分钟。这只是示例，不是我的实测结果。比较的是四十分钟的变化，不是把生成十分钟说成效率提高十二倍。
还要看省下的时间有没有真正出现。如果你把它全部用于新增任务，工作量可能增加，而个人负担没有减少。这不是不能接受，但应该准确称为扩大产出，而不是自动等于节省时间。
四、质量要在任务开始前确定
如果先看输出，再临时决定标准，人很容易接受看起来不错的部分，忽略原本重要的要求。
可以提前列出几项必须通过的标准。例如，事实可核对、没有虚构经历、边界说明完整、读者能理解、格式可使用。不同任务需要不同标准，不必用同一套评分评估所有工作。
如果文章很流畅，却出现一个不真实的客户案例，不能靠其他部分表现好把这个问题平均掉。关键风险应该单独处理，不是全部变成综合分数。
质量也包括作者声音。AI把所有表达改得很像，却丢失了你的判断条件和具体观察，可能形成一篇标准文章，却没有形成你需要的文章。
五、成本不只包括订阅费
工具费用容易看见，学习、维护和协调比较容易被忽略。一次任务需要几轮改写、几个角色、多少人工核查，都影响实际投入。
不必急着把所有时间折算成精确金额，但至少记录主要成本。若只有很低频的需求，一套复杂系统可能不值得维护；若任务长期重复，前期规范投入可能有价值，需要持续观察。
不要直接套用手册或其他人的耗费倍率。不同环境、任务和模型的成本差异很大。自己的选择，应当建立在当前使用条件和实际账单上。
预算也可以成为边界。达到某个试用时间或费用上限，就先回顾，不因为已经投入很多而无限继续。
六、风险不是等出事以后才计算
一个试验省了时间，但材料使用不符合约定，不能算作整体成功。一个流程很快，却没有人在外部发布前确认，也不能只看速度。
开始之前，列出可能的影响：错误信息、过度承诺、私人资料暴露、未经授权的动作，以及对工具的过度依赖。再说明哪些可以通过检查降低，哪些意味着任务暂时不适合这样做。
出现严重边界问题，应先暂停和处理，不必为了完成试验继续积累风险。是否继续不是看平均得分，而是看关键条件能不能满足。
最好保留人工或更简单的替代方式。工具不能用时，仍然知道怎样完成必要工作，不让技术协作变成新的单点依赖。
七、不要把自己的改善全部归因于AI
在评估教练项目价值时，我强调过，满意、学习、行为和业务结果需要区分。AI协作也一样。
文章数量增加，可能因为工具，也可能因为你安排了固定写作时间；客户更清楚服务，可能因为重新整理了范围；合作更稳定，可能因为终于明确负责人。技术参与其中，不等于独占全部贡献。
我们可以说“这次协作与这些改善同时发生”“在当前任务中减少了某类返工”，不必急着声称已经证明因果。对个人经营而言，诚实的观察已经足够帮助下一步决定。
不能确定的时候，保留不确定。专业的表达不在于每个结论都精确，而在于知道证据能支持到哪里。
什么时候该增加复杂度，什么时候该简化
试验有效以后，下一步并不一定是增加更多角色。可以先问：现有结构在哪个地方达到限制？是材料量太大，核查遗漏多，还是需要不同专业任务？只有限制具体，升级才有明确目的。
如果问题是要求不清楚，就先改要求；如果是资料混乱，就先整理资料；如果是事实没有依据，增加生成角色也不会补出真实证据。结构变化应当对应原因，而不是对应对技术的期待。
有时候需要简化。某个评价角色反复提出表达偏好，却没有减少关键错误，可以撤掉；某条自动流程频繁中断，可以先回到人工确认；某个知识库长期不维护，可以缩小到一个明确用途。
简化不等于倒退。一个较小系统，如果更可靠、更容易检查，也许更适合当前事业。尤其个人教练的工作容量有限，维护成本应当进入判断。
升级以后，原来的评估标准继续保留，再加上新结构需要观察的部分。否则，每次换工具都更换标准，很难知道变化究竟改善了什么。
也可以规定复查时间。不是永久认为这套安排最好，而是在一段实际使用后重新看。使用频率、服务范围和工具条件变化，原来合理的选择也可能需要调整。
我希望这种评估带来的是更自由的选择：能继续，也能暂停；能扩大，也能收缩。技术热情与专业谨慎不必对立。当我们能够解释为什么采用一套方式，也能够承认它什么时候不再合适，协作才真正掌握在自己手里。
一个两周的小试验
选择一件可以重复、材料适合使用的工作，确定终点和几项质量底线。第一周建立规则并完成一次，第二周在相近条件下再做，记录完整时间、可用程度、返工和异常。
结束时作出三种可能的决定：继续并保持现有结构；调整一个主要问题后再试；停止使用这种方式。不要预先规定结果必须是扩大，也不要把停止解释为自己不懂技术。
如果继续，把有效规则留下；如果调整，说明改的是材料、要求还是结构；如果停止，也把原因记录下来。以后条件改变，才知道是否值得重新尝试。
这一系列从整理经验开始，讨论任务选择、工作规则、分工和交付，最后落在评估。我想保留的始终是同一个立场：积极使用新的能力，同时保留人的选择与责任。
AI能够支持专业工作，但它的价值需要在真实任务中被看见。把执行交出去，把判断留下来；把工具用起来，也让结果接受核对。这样形成的协作，才有机会长期帮助一位教练，而不只是带来一阵兴奋。
主播：薛铁鏻（铁林）
ICF MCC认证教练｜Coach8创始人｜企业管理者｜营销与投资实践者
薛铁鏻（铁林，Xue Tielin），Coach8（教练吧）创始人，拥有20余年互联网、教育、企业管理与市场营销经验。曾在水晶石数字科技及新高教集团相关企业担任高管，长期参与市场营销、销售管理、企业运营、互联网教育、团队管理与人才培养，并拥有教育项目投资和早期创业项目投资经验。
2014年创立Coach8，开始系统开展中文教练教育与在线教练社群实践；2022年获得ICF MCC认证，2024年带领Coach8获得ICF Level 3课程认证。具有国家二级心理咨询师、LUXX Profile Master级分析师及导师、乐高工作法系统引导师等专业背景。
个人网站：https://www.xuetielin.com；教练吧（Coach8）：https://jl8.cn/