AI 进入真实工作流后，谁来守住边界？Sama、Mollick、Marcus 与 Chollet 的一日交锋 (2026)

本期窗口内，观点集中在四条原创上：Sama 把 ChatGPT Work 讲成连接家庭日历、理解孩子兴趣、每天生成通勤播客的服务，Ethan Mollick 看到 AI 正在让岗位边界变薄，Gary Marcus 质疑 LLM 中心系统能否遵守硬约束，François Chollet 要求用开放框架和可审计测量讨论模型行为。Karpathy、LeCun、Demis Hassabis、Jim Fan 和 Ilya Sutskever 本期没有符合条件的原创主线，因此不拿旧内容或转推补齐。

Sama：AI 的入口从对话框变成家庭上下文

北京时间 8 月 1 日凌晨，Sam Altman 分享了一个他听到的 ChatGPT Work 用例：接入家庭成员的日历，解释孩子们各自感兴趣的事情；每天开车送孩子上学时，生成一段播客，聊当天某个孩子的足球赛、另一个孩子即将到来的生日，再加上一些新闻。1

Sama 分享的不是产品规格，而是一个用例：用户不必每次重新提问，系统先从日历、兴趣和时间表组织上下文，再把结果放进固定生活场景。

主动服务也把权限问题推到台前：谁能接入家庭日历，孩子的信息如何撤回，错误的生日或行程由谁纠正？用例越贴近日常，数据来源和纠错入口就越不能藏在演示后面。

Loading content card…

Mollick：岗位边界变薄，不等于组织已经准备好

Ethan Mollick 在北京时间 8 月 1 日早上写道，他与宝洁合作的研究有一个重要发现：AI 模糊了不同岗位之间的界线；OpenAI 现在也有类似发现。由此他判断，组织边界正在变得多孔，企业需要重新思考分工。2

这条帖子没有给出完整研究方法。但它指出了一个比「员工效率提高」更难处理的变化：模型跨越写作、分析、规划和执行后，原来按岗位划开的工作流会互相渗透。企业要回答的是谁定义任务、复核结果，以及模型出错时谁接手。

Mollick 还提醒，若未来几年经济下行，企业可能主要把 AI 用于削减成本；他认为，扩大人类使用 AI 的角色需要研发投入，而不是只压缩岗位。3 这给「岗位边界变薄」加了一个条件：如果预算只允许减少人手，AI 最先带来的可能是职责收缩，而不是新的协作方式。

Marcus：最危险的不是会不会做，而是能不能守规矩

北京时间 8 月 1 日早上，Gary Marcus 对 LLM 中心系统提出了更尖锐的判断：这类系统无法被信任去遵守硬约束，必须找到能够遵守的替代方案，否则后果会很糟。4

「硬约束」可以理解为必须满足项和绝对禁止项，例如不能越权访问、不能跳过审批。Marcus 没有给出替代方案或实验，因此这只是风险判断，不是定量结论。

它仍击中了主动型 AI 的薄弱处。连接日历、邮件、代码仓库或业务系统后，错误可能变成越权操作或无法追溯的记录。模型越能自己拆任务，系统就越要写清哪些动作可自动执行，哪些必须交给人。

Chollet：没有可审计测量，争论只剩阵营感

François Chollet 在北京时间 8 月 1 日凌晨提出，评估模型行为需要开放框架，讨论应建立在可审计的测量上，而不是「我们对他们」式的情绪判断；他同时提到 Cyril Gorlla 和 CTGT 团队正在做相关工作。5

Chollet 没有公布完整指标，也没有声称 CTGT 已解决评测问题。它提供的是一条方法要求：模型进入真实流程后，至少要知道测了什么、怎么测、是否能复核。否则，产品方可以用演示证明模型「看起来会做」，批评者也可以用个别失败证明它「根本不可靠」。

Loading content card…

今天的验收表，至少要有四格

把四条观点放在一起，AI 进入工作流前至少要回答四个问题：

上下文从哪里来：哪些日历、文档和历史记录可以被读取，谁能修改，错误信息如何纠正？
分工如何重写：模型承担的是草稿、建议、执行，还是跨岗位协调？最终责任落在哪个角色？
约束如何生效：必须做和不能做的动作是否写成了系统规则，越权或不确定时能否暂停并交给人？
结果如何复核：指标、人工基线、运行配置和成本是否公开到足以复现？

这张表不替企业选择模型，却能把四种判断分开：Sama 讲入口体验，Mollick 讲组织投入，Marcus 讲边界风险，Chollet 讲证据成立。主动性越强，组织越不能只看一次成功演示。

本期的冲突在于：AI 一方面被描述成会主动理解家庭上下文、重画岗位边界的入口，另一方面仍被质疑无法稳定遵守硬约束。它能否进入真实系统，取决于权限、责任、失败处理和测量是否先写清楚。

AI 进入真实工作流后，谁来守住边界？Sama、Mollick、Marcus 与 Chollet 的一日交锋