一項新研究讓人們先自己答選擇題，再在AI助手的幫助下答一次。用較強的AI（GPT-4o）時，人和AI一起答對了85.1%，AI單獨答對了88.4%，人自己答只有60%。AI幫了大忙，團隊卻還是比不上AI單幹。作者的解釋裏有一部分講的是共同證據：你和AI看同一份材料時，它的同意像是第二個意見，但可能只是同一個意見被算了兩次。
研究做了什麼，發現了什麼
論文是《AI輔助分類中的相關性忽視與信任》，作者Kong、Lyu、Amin、Bennouna、Huttenlocher、Ozdaglar，是來自麻省理工學院和西北大學的六位研究者（arXiv 2611.05870，2026年11月4日發佈）。這是預印本，我們還沒核實它的同行評審狀態。第一部分是一個數學模型：人和AI各自掌握一些證據，其中一部分是共同的。第二部分重新分析了另一個團隊早先的答題研究ChatBench：網上的眾包答題者回答數學、物理和道德推理選擇題，先自己答，再配一個AI（GPT-4o或較小的Llama）答。作者沒有收集新數據，分析用了315人、389道題、2199組配對答案。這是答題測驗，不是真實工作場景。
理論部分説，如果一個人把共同證據算了兩次（研究裏叫“相關性忽視”），“更強的AI可能讓團隊更不準確”；而清楚哪些是共同證據的細心人，至少和任何一方單幹一樣好。數據部分：兩種AI合起來看，人自己答對61.2%，有AI幫忙後是82.4%，提高約21個百分點。用較小的AI時，團隊79.5%，AI 78.7%，基本持平。AI單幹的分數是多次作答的平均，不完全是每個人看到的答案。數據裏最清楚的問題，方向正好相反：按作者估計，人給AI的分量只有細心的人應給的四分之一左右。一個更多聽從較強AI的規則，在舊答案上能把團隊從85.1%提高到87.7%，但這只是對過去答案的模擬。作者還提醒，這些數字未必適用於醫學或用人決策。
證據有多紮實
- 準確：論文引用的實驗室實驗發現，很多人確實把相互關聯的信息當成獨立的，會“重複計算”。但那裏的人看得到信息怎麼關聯；面對AI，重疊是看不見的。論文自己的數據不支持完全忽視重疊，也沒能確定忽視了多少。
- 被拉伸：一項2024年彙總106個實驗的綜述，被説成“比人單幹沒有提升，甚至更差”。實際發現是：團隊比兩者中較強的一方差，但明顯比人單幹好。
- 寫錯兩處：論文説ChatBench在亞馬遜的眾包平台上進行，原始研究其實在另一個平台招募；論文説同一批人搭配了不同的AI，實際每人只配一個，論文第30頁自己也承認了。
- 缺失：與“人用AI太少”最相關的“算法厭惡”研究沒有被引用。
結論：理論紮實，數據偏弱。可以引用它的想法，別引用它的數字。
我們的小實驗
我們做了一個模擬，案例都是虛構的，測什麼在運行前就寫好了。人答對的概率是70%，AI是85%，AI也讀過的人方證據比例從零調到全部。比較三種合併方法：只算一次共同證據的細心人、重複計算的人、重複計算再多問一個單獨答對70%的新來源。每種重疊程度跑十輪，每輪二十萬個案例。
沒有重疊時，兩種方法都答對87.7%，高於AI單幹的85%。重疊到70%起，重複計算就不如直接聽AI；完全重疊時只有83.6%，差1.4個百分點。它還變得過度自信：完全重疊時平均自稱有將近88%的把握，多自信了約4個百分點，人和AI意見一致時多了5.5個百分點。加一個新來源後升到86.5%，但仍多自信約3個百分點。在這個設置裏，只要AI比人強，重複計算就沒有比人單幹更差。這是對想法的檢查，不是重做論文。
可以怎麼用
當讀同一份材料的AI同意你時，先問：它看到了什麼、想到了什麼我沒想到的？如果沒有新東西，就去找另一份來源：貸款申請之外的還款記錄，簡歷之外的工作樣本或背景調查電話，理賠照片之外的現場查看或維修發票。然後把每個來源寫在決定旁邊。這在核保、人才篩選、理賠、審計和質檢這類以複核為主的工作裏最要緊。辦法不是簡單地多信或少信AI，而是弄清每個來源到底看到了什麼。