> For the complete documentation index, see [llms.txt](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-yi-bu-fen-ren-zhi-pian/05-neng-zuo-yu-bu-neng-zuo.md).

# 第 5 章 · AI 能做什么、不能做什么

"AI 到底能做什么、不能做什么"，几乎每个管理者都会问。但大多数人问的方式，注定得不到有用的答案——他们想要一张清单：哪些岗位能替代、哪些不能。清单有两个毛病。一是过期极快，今天列进"不能"的，过一年可能就滑到了"能"；二是它不给任何可迁移的判断，换一个新场景，又得从头猜起。

更有用的问法，不是"AI 能不能做这件事"，而是"这件事具备哪些性质，让它适合或不适合交给 AI"。性质不像任务那样天天变，想清楚了，就能拿去量任何一件没见过的活。

一个总的分界，前面已经反复出现：AI 擅长的是"生成与处理"，人要守住的是"判断与担责"。把这句话拆开，能得到四条尺子。任何一件工作，拿这四条量一量，大致就知道该把它放在人这边，还是机器那边。

第一条，能不能容错。AI 是"会猜的机器"，出错是常态而非意外，所以真正该问的不是"它能不能做对"，而是"做错了担不担得起、查不查得出"。写一版营销文案，错了再改一版就是，容错高，可以放手；给病人开药、给客户转账，错一次就是事故，容错低，必须卡在人手里，或者有确定的系统在后面兜底。同一种能力，放在容错高的场景里是帮手，放在容错低的场景里是隐患。

第二条，目标能不能说清、结果能不能验证。这是第 3 章那条边界的延续——数字化看"规则能不能写清"，AI 看"目标能不能说清、结果能不能验证"。"把这段代码补上测试"，目标清楚、对错能跑出来，AI 干得漂亮；"想清楚公司下一个十年往哪走"，目标模糊、对错要好几年后才见分晓，AI 只能当陪练，当不了拍板的人。一件事越是说得清、验得了，越适合交出去。

第三条，要不要担责。这一条最硬，短期内也不会松动。AI 不能签字，也承担不了法律和道德上的后果。凡是最终要有一个人为结果负责的环节——财务签字、医疗诊断、法律意见、辞退决定——AI 可以把之前的准备工作全做完，但最后那一下，必须是人。

第四条，靠不靠真实世界的常识和临场。AI 活在文字和数据里，对物理世界、人际之间的微妙、突然发生的现场，都隔着一层。需要"在场"的事——安抚一个当场崩溃的客户、在谈判桌上读空气、在车间里处理一起突发故障——它给不了那种基于身体和现场的判断。

四条合起来，还是那一句话：AI 接"生成与处理"，人留"判断与担责"。凡是能产出一个"可以被检验的中间结果"的，适合交给 AI；凡是要"为最终结果负责、并据此下注"的，留给人。

不过，这四条尺子的分量并不一样，这才是真正值得想透的地方。

前三条里的"容错""可验证""常识"，都会随技术进步而松动。今天 AI 容错还差，明天更强的模型、更好的护栏，会把可以容错的范围往外推；今天它读不懂现场，明天接上摄像头、传感器、机械臂，也能伸进物理世界一部分。这些是"暂时的边界"——此刻它们挡着 AI，但挡不了太久。

只有一条，是"永久的边界"：担责。它不会松，不是因为技术还不够好，而是因为它根本不是技术问题。在结果说不准的事情上做决定、并承担决定错了的代价，这件事没有一个"承受者"就不成立。AI 能算出哪个选项赢面更大，但它不会真的想要某个结果，也不会为选错付出任何代价——它没有可以被剥夺的东西。责任因此无处安放，除非落到人身上。有人会说，责任可以社会化——用保险分摊、用有限责任公司承接、甚至设想给 AI 某种法律人格。但这些都只是在人与组织之间转移和分摊责任，而不是让它消失：保险背后是承保的人，公司背后是股东与管理者，最终总要有一个会因后果而受损的主体来兜底。责任可以挪动、可以分摊，却无法安放到一个一无所失的机器身上。这不是这一代模型的局限，而是"责任"这个概念本身的要求。

把暂时边界和永久边界分开，对企业不是哲学清谈，而是一把战略尺子，用处是一句话：别在暂时边界上建护城河。如果一家公司的立身之本，是"我们能做 AI 现在还做不了的某件苦活"，那它等于把命押在了一条正在退去的防线上——三年后，那件苦活可能就变成了人人都能买到的基础设施。真正值得长期下注的，是落在永久边界这一侧的东西：定方向的判断、担后果的结构，以及与人打交道时那种非在场不可的信任。

所以，判断 AI 能不能接一件事，不必等一份年年作废的清单。把这件事放进四条尺子里量一量——容不容错、说不说得清、要不要担责、靠不靠现场——答案自然浮现。而这四条里，唯有"谁来担责"那一条，无论技术怎么变都不会移动。守住它，就守住了人在这场变化里不可替代的位置。

## 要点速查

* 别把 AI 的边界当成一份任务清单（过期快、不可迁移）；当成几条属性，拿来量任何一件活。
* 四条尺子：能不能容错；目标能不能说清、结果能不能验证；要不要担责；靠不靠真实世界的常识与临场。
* 总分界：AI 接"生成与处理"，人留"判断与担责"。能产出可检验的中间结果就交给 AI；要为最终结果负责并下注就留给人。
* 四条之中，容错、可验证、常识是"暂时边界"（会随技术松动），担责是"永久边界"（本体上不可外包）。战略含义：别在暂时边界上建护城河。

## 给管理者的三步

* 现在：选场景时，先用四条尺子过一遍，优先挑"容错高、目标清、不担责、不靠现场"的活交给 AI——这些是当下最稳的切入点。
* 三个月：凡涉及担责的环节（签字、诊断、辞退、对外承诺），明确写下"人在最后一步"，把 AI 的产出限定在"准备"，而不是"决定"。
* 一年：盘一盘公司的核心竞争力，看它压在"暂时边界"上（某件 AI 一时做不了的执行），还是压在"永久边界"上（判断、担责、非在场不可的关系）；若是前者，尽早往后者转。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-yi-bu-fen-ren-zhi-pian/05-neng-zuo-yu-bu-neng-zuo.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.