AI Highlights — 全景速览 — 2026-10-27 (周二) 每日新闻

据报道，Comcast 正将其柜台服务转由 AI 代理承担，并因宽带用户数下降而缩减员工规模。然而，Apollo 指出，AI 并未为美国企业带来财务回报。如果在尚未确认成果之前就先做出裁员的决定，工作、判断、话语和信任就会悄然向 AI 转移。这半天里汇总的文章涉及行政审查、警务、选举、教育和专业研究等不同场景，但都在同一点上要求读者做出判断。在决定是否引入 AI 之前，重要的是思考引入 AI 之后产生的负担与责任将由谁来承担。

裁员优先推进，看不到回头的迹象

Comcast is reportedly moving its counter operations to AI agents and reducing its workforce in response to a 144,000 drop in broadband subscriptions (TechSpot). TechStory also reported that the company is expected to make large-scale staff cuts, citing contract reductions and the spread of AI as reasons. There are two reasons for the reduction. The number of subscribers has decreased and the point of contact can be left to AI. However, it cannot be gleaned from these articles how costs and customer service will change after relying on AI. However, Apollo points out that AI is not generating financial returns for U.S. companies (Business Insider). This means that the decision to cut staff may be underway before the results are confirmed.

裁员并不是唯一的选择。摩根大通的私人银行利用 AI 简化顾问的工作（Bloomberg.com）。这种方法在减少顾问工作量的同时，仍保留他们与客户打交道的角色。在新加坡，NTUC 与 KPMG 启动了人力资源转型计划（NTUC UPortal），将 AI 的引入与提升就业质量联系起来。这两个案例关注的不是人员数量，而是岗位的内容。

如果将 Comcast 的例子与 JPMorgan、NTUC 和 KPMG 的例子相比较，可以看出，即便引入的是同样的 AI，其前提假设也各不相同。前者因合约减少导致业绩恶化，柜台的全部职能将被转移给 AI。后者则试图把工作留给人来完成，并改变其质量。不过，JPMorgan 的文章只展示了运营效率，仅凭这一点还无法看清成果的规模。NTUC 和 KPMG 的项目也仍处于宣布举措的阶段。

读者在阅读有关引入的文章时，不仅想知道AI会改变什么，还想知道首先会削减什么，以及能换来什么回报。如果 Apollo 的观点正确，那么 Comcast 并不是唯一在看不到回报的情况下进行削减的例子。接下来的问题就是，削减之后留下的负担将由谁来承担。在下一节中，我们将探讨任务和决策越来越多地由AI执行的过程，以及负担将转移到谁身上。

自动化审查与警方使用固化偏见

针对 Medicaid 的自动支付审查，HomeCare 指出了基于 AI 审查的风险，并列出了五项应对措施。把审查交给机器，可能会使受领人处于不利地位。这意味着有必要事先准备好应对措施。BBC 报道称，研究人员警告说，警方使用 AI 可能会加深歧视。在柏林，人们在探讨是否应当采用基于 AI 的心理治疗（The Berliner）。这三个案例的共同点在于，AI 判断和支持的对象分别是领取福利者、受警方管控者以及心理健康问题患者。

在这里影响读者判断的，与其说是引入是否会提高效率，不如说是出现错误或偏见时由谁来提出异议、由谁来承担纠正的成本。HomeCare 强调需要采取应对措施，因为即使审核自动化被说成是对实施方而言的效率提升，最终也可能对一线企业和用户不利。BBC 介绍的研究人员的警告也表明，警察部门使用AI引发了对公平性的担忧。某项技术能否用于心理治疗这一问题表明，需要先判断的不是这项技术能否使用，而是它能否用于具体情境。考虑引入的人不仅应考虑预期效果，还应考虑受理和核实投诉的机制。

同样的结构也出现在国家之间。据半岛电视台报道，一位联合国高级官员警告称，AI使用上的差距有可能加剧全球不平等。Seeking Alpha 报道称，在中美AI竞赛中，各国正被迫在相互竞争的技术阵营之间做出艰难抉择。有能力充分利用技术的国家拥有选择权，但没有能力自行运用技术的国家，在使用机会或决定自己归属哪个技术阵营方面，可能会受到限制。可见，引入的好处与负担并不一定分配在同一方。

无论在个人层面还是国家层面,引入 AI 都可能决定谁有能力扛起这份负担,谁又是被迫扛起它。在这种情况下,决定是否引入 AI 之前,应该先问的是:一旦出现不利后果,由谁来负责。下一节将看看这种责任在实践中是如何处理的。

真相与人性在动摇

选举前两天，据《耶路撒冷邮报》报道，内塔尼亚胡总理发布了一张AI生成的图片，画面中特拉维夫发生核爆炸。在投票前夕，判断这张图片是否真实的任务落到了每一位接收者身上。教育领域的情况也是如此。据《信浓每日新闻》数字版报道，由于AI的迅速普及，虚假信息正在增加，教育机构在事实核查方面也陷入困境。Наша Ніва 以《AI让人对全球最昂贵画作的作者产生怀疑》为题，报道了一起连作者归属这一前提都受到质疑的案例。它们的共同点是，在选举、课堂和艺术等不同场景中，核实事物都需要耗费更多的时间和精力。即使引入AI的一方能够缩短制作所需的时间，验证真伪的负担仍然落在接收者或学校身上。在权衡引入的利弊时，还需要考虑由谁来承担验证的成本。

这种动摇不仅延伸到信息层面，也延伸到人的层面。《每日新闻》报道称，类似AI机器人的说话方式正在人类之间蔓延。我们不仅会怀疑屏幕另一端的话语是否像机器，连我们自己说话的方式也变得越来越像机器。Unisba Media 报道称，布莱恩·格林教授谈到了AI的威胁、意识与人类的终结，关于机器是否具有意识的争论已经进入了专业领域。在生活方面，The Sun 报道称，一名把津贴花在一个类似金·卡戴珊的AI女友身上的人说：“她要生孩子了。”有人即使对方不是人类，也会与之建立关系。该书介绍了“人工智能之父”图灵作为一位古怪而孤独的天才的生平和思想。机器能否思考这一问题，长期以来一直与人类的生活密不可分。

判断某样东西是否真实,以及划清人与 AI 的界线,如今已不再由机构或企业负责,而是交给了个人的生活感觉。下一节要探讨的问题是:这份负担在多大程度上应当由当事人以外的人来承担。

验证决定专业领域的成败

Bioengineer.org 报道称，在口腔癌诊断中，AI 的作用正从影像诊断扩展到精准治疗。Analytics Insight 报道称，在农业领域，AI 和机器人将改进精准农业和作物监测。BioSpace 报道称，在药物发现领域，Pathos AI 已获得 2.37 亿美元的 E 轮融资，用于扩展其基于代理的 AI 药物发现平台并推进其肿瘤学研发管线。这三个主题的共同点在于，目标并非减少人数，而是提高诊断、种植和治疗药物搜索这些工作本身的质量。不过，巨额融资只说明了市场的期待程度，并不能证明成果。与前面各节中所见的“先裁员、回报却看不到”的情形不同之处在于，衡量成果的对象从一开始就是具体的。

这些结果的证据，是由研究方面开展的验证逐步积累起来的。《Scientific Reports》上的论文探讨了如何利用深度学习抑制拉曼光谱中的批次效应，内容直接针对测量条件和测量时间造成的差异，将其作为有别于模型准确性的另一个问题来处理。《International Journal of Oncology Research》报告了利用 GEO 表达数据对乳腺癌亚型进行分类，并在独立队列中进行了外部验证。《Journal of Radiation Research and Applications》探讨了利用增强 CT 影像组学预测胃癌放疗效果，涵盖模型开发与验证两个方面。《Kashmir Journal of Academic Research and Development》上有一篇论文，讨论了利用机器学习辅助肺癌治疗的药学框架，这是巴基斯坦药学院与中国药科大学的联合研究项目。在多家机构、多种癌症类型的研究中，都有一个共同的做法，即用其他数据对所开发的模型进行验证。

这种对比表明了读者在听取引入说明时应当提出的问题。要估算降低成本的可能性，唯一的办法是查看会计记录，确认节省是否真正实现。专业领域的AI首先必须回答这样一些问题：能否应用于独立的队列，测量条件改变后结果是否依然成立，能否融入现场的作业流程。如果该系统要用于诊断或治疗决策，那么核实答案的成本必须计入引入成本之中。

在设有负责核查的人员的领域，用于判断 AI 价值的材料会更多。那么，在没有负责核查的个人或组织、产品就被直接使用的领域，出错的责任又该由谁来承担呢？下一节就从这个问题开始。

从各个部分看到的例子来自不同的行业和情境。但不变的事实是：在引入AI时，人们谈论的是效率和前景，而随之留下的负担却被转嫁给了他人。在裁员的情形中，决策是在未确认结果的情况下做出的；在自动化审查和警方使用的情形中，处于不利地位的人要承担提出异议和更正的成本。真实性的核实仍由接收方和学校承担。按专业领域区分结果的关键，在于目标是否具体、是否经过验证。因此，决定是否引入AI的因素，不仅仅是AI的性能和市场的期待。当出现错误或偏见时，重要的是事先确定由谁来检查、由谁来回应异议、由谁来承担成本。

问题1：在使用 AI 的工作中发现错误或偏差时，由谁负责检查和纠正？ 问题2：对 AI 判断提出申诉的渠道，以及纠正所需费用由谁承担，是否在实施前以书面形式确定？ 问题3：您是否在确认实施结果之前，就已决定变更人员或权限？

最后，三个问题

- 在使用 AI 的工作中发现错误或偏见时,应由谁负责检查和纠正? Q2:对 AI 判断提出申诉的渠道,以及由谁承担纠正的成本,是否在实施前以书面形式确定? Q3:在确认实施结果之前,是否已经做出变更人员或权限的决定? - 对 AI 决定提出申诉的渠道,以及由谁承担补救的成本,是否在实施前以书面形式确定? Q3:在确认实施结果之前,是否已经做出变更人员或权限的决定? - 是否在确认实施结果之前就决定调动人员或权限?