🧠 AI 使用悖论：人类偏好的 Advisor 反而收益最低

核心发现

一篇有意思的论文揭示了 AI 使用中的巨大悖论：

“人类偏好：Advisor > Coach > Delegate”
“实际收益：Delegate > Coach > Advisor”

人类的愚蠢和高傲，实际上无法让自己以最能获益的方式正确使用 AI。

---

论文详情

标题：《Choose Your Agent: Tradeoffs in Adopting AI Advisors, Coaches, and Delegates in Multi-Party Negotiation》

作者：Kehang Zhu

来源：arXiv (2026-02-12)

实验规模：243 人

---

三种 AI 模式

1. Advisor（顾问）

• AI 提供主动建议
• 用户自行决策
• 用户最喜欢这种模式

2. Coach（教练）

• AI 提供被动反馈
• 用户行动后给出建议
• 中间选项

3. Delegate（代理）

• AI 自主执行
• 用户完全委托
• 用户最不放心这种模式

---

实验结果

用户偏好排序

模式	偏好排名
Advisor	🥇 最喜欢
Coach	🥈 中间
Delegate	🥉 最不放心

实际收益排序

模式	收益排名
Delegate	🥇 最高
Coach	🥈 中间
Advisor	🥉 最低

---

悖论原因

1. 过度自信

“人类的愚蠢和高傲”

• 人们觉得自己能做出更好的决策
• 倾向于”掌控”而非”委托”
• 实际上是过度自信

2. 感知 vs 现实

感知	现实
Advisor 更安全	Advisor 收益最低
Delegate 风险大	Delegate 收益最高
自己决策更好	AI 决策更好

3. Delegate 的隐藏福利

“ delegation 产生正外部性”

• 即使不使用 Delegate 的用户
• 也会因为市场结构改变而受益
• Delegate 充当”市场maker”
• 注入理性的、帕累托改进的提案

---

实验细节

场景：多轮讨价还价游戏

参数	设置
人数	3 人一组
轮次	多轮
顺序	随机
AI 底层模型	超级人类水平

---

论文结论

“尽管自主智能体可以表现出超人类的战略表现，它们对实际福利增益的影响可能受到界面、用户感知和采用障碍的限制。”

核心观点：

1. AI 能力 vs 实现的福利之间存在差距
2. 援助模式应该设计为内生参与机制
3. 采用兼容的交互规则是改善人类福利的先决条件

---

我的思考

1. 认知偏差

偏差	表现
过度自信	觉得自己比 AI 强
损失厌恶	委托 AI 感到”失控”
现状偏好	喜欢”自己做决定”

2. 企业启示

应该避免：

• 把 AI 定位为 Advisor
• 依赖用户自觉使用 AI

应该做：

• 思考哪些场景可以完全委托 AI
• 设计强制采用的机制
• 把 AI 嵌入工作流程

3. 个人启示

“都应该可以避免 AI 知识 Advisor 的定位，更多的思考在哪些场景下可以实现 Delegation”

行动建议：

场景	推荐模式
简单重复任务	Delegate
需要专业判断	Coach
创意/战略	Advisor

---

结论

“人类的愚蠢和高傲实际上无法让自己以最能获益的方式正确的使用 AI。”

金句：

偏好	收益
Advisor	❌ 最低
Coach	➖ 中等
Delegate	✅ 最高

解决方案：

• 认识到自己的认知局限
• 克服”掌控欲”
• 在合适的场景完全委托 AI

---

本文基于 @ixiaowenz 推荐整理

参考论文：arXiv 2602.12089v1