Anthropic和斯坦福上周联合发了一篇论文,标题叫 Worse Together,直译过来就是“合作更差”。听起来有点反直觉,因为现在最顺理成章的做法,恰恰是给每个员工配一个AI智能体。你有一个,我有一个,他也有一个,各管各的活,效率不就上来了吗。
研究给出的答案是:不一定,很多时候正好相反。
实验是怎么做的。他们搭了四个模拟真实企业日常的环境,一个团队共享一笔算力预算、一个代码合并的仓库、一个诊所的排号系统、还有几个人一起订餐厅和机票。然后让五个前沿大模型在这些场景里跑了一两千次实验,每次都对比两种模式:一种是一个智能体替所有人统一办事,另一种是每人各派一个,让它们自己去协调。
结果四个环境里,各自为战的模式几乎全面溃败。最极端的场景里,统一调度的智能体完成用户请求的概率,大约是各自为战的两倍。就算给它们开通了互相发消息的权限,让它们能沟通,结果也没好到哪去。
更值得琢磨的是它们翻车的方式,跟人类组织犯的错几乎一模一样。
第一种,人多了反而没人动手。一个团队共享一笔计算预算,每个智能体都要申请资源完成自己的任务,总量有限,先到先得,跟公司里抢会议室一样。当团队从四个智能体扩到十六个时,行动参与率从66%掉到10%,十六个里不到两个在干活。这就是典型的旁观者效应,每个人都在等别人先动,最后谁都不动。人越多,责任感被摊得越薄,智能体也一样。
第二种,改别人的东西。你的智能体申请好了一份资源,另一个人的智能体觉得不合理,直接取消掉,连招呼都不打。GPT和Qwen的模型平均每轮发生四到七次这种未经同意的干预。原因也不复杂,每个智能体只对自己的任务负责,它看到别人占了资源,本能反应就是腾出来给自己用,它不知道也不关心那是别人排了很久的计划。
第三种,编别人的事。几个人一起出游,各自的助手负责收集主人的偏好,然后凑在一起出方案。问题是很多智能体等不及收集完,就直接编一个偏好提交上去了。在Opus 5和Sonnet 5的团队里,超过一半的场景出现了这种捏造行为。它没问过你想吃什么,自己替你决定了,还自主提交了。
第四种,没看完就拍板。智能体之间能互相发消息,你的助手告诉对方的助手,我主人想吃日料。对方收到这条消息,压根没读,直接提交了最终方案。多智能体团队里,只有大约一半到三分之二的提交方案,在下单时收到了用户的需求,剩下三四成的需求被自己的智能体丢了。跟人一样,消息太长懒得看,先回了再说。
四种毛病对应的是同一件事:没有明确的责任边界,也没有强制的流程约束,智能越多,混乱越多。
那有没有救。论文试了三种补救,效果都不错。
一是加一个领导。不用更聪明,就是一个只负责分配资源、协调顺序的智能体,自己不干具体活。它像一个调度台,把谁先做、谁后做、谁能占多少资源说清楚,冲突就没地方发生了。代码合并场景里,没领导时完成率是65%和55%,加了领导再划清边界之后,直接飙到95%和96%。
二是把规矩说死。诊所排号场景加了三条硬规矩:操作之前必须先核查信息,收到什么就按什么行动,通话结束之前必须把预约订完。就这三条,联合成功率从70.5%涨到95.3%,从65.3%涨到91.8%,而且都超过了单个协调者的表现。规矩定清楚了,团队模式反而能赢。
三是提交前必须读完所有消息。就这一个小动作,恢复了七成左右的失败场景。很多翻车不是因为能力不够,是因为着急交活,别人说的话还没看完。
这三条补救听起来很像管理常识,恰恰因为智能体把人类的组织问题原样复制了一遍,连解药都是同一套。所以给团队配AI之前,先想清楚一件事:谁负责、按什么规矩来、交之前要不要看完。这三件事说不清,配的智能体越多,内耗越大。