当AI替我们写邮件,又替我们读邮件,我们究竟在沟通什么?

简介: 本文探讨AI普及下工作沟通的深层变革:当双方均依赖AI生成与解析文本,冗长邮件正沦为“信息膨胀”循环。核心矛盾在于——我们真正需要交换的并非海量文字,而是清晰的目标、条件与判断标准。沟通效率的关键,正从“如何表达”转向“如何定义决策逻辑”。

最近在工作中,我注意到一个有趣的现象。

越来越多人使用AI撰写邮件、工作说明和合作提案。有时候,甚至不需要仔细阅读内容,仅凭格式就能看出AI参与的痕迹。

例如,标题前后残留着Markdown的双星号,称呼与正文没有正确分行,结尾的致意紧贴着上一段文字。这些通常不是语言能力的问题,而是AI生成的内容未经整理就直接发送了。

更有意思的是,我遇到过一些人,他们明显使用AI辅助撰写了大量内容,却同时要求对方不要使用AI回复。

这种矛盾让我开始思考:当双方都在使用AI处理沟通,我们究竟还需要交换多少文字?
一、AI正在制造一种新的信息膨胀
过去,一封商务邮件可能只有几百字。

现在,借助生成式AI,一份原本简单的合作说明可以轻松扩展到两千个英文单词,甚至更多。

结构完整、表达礼貌、逻辑清晰,看起来非常专业。

但问题是,收到邮件的人真的会逐字阅读吗?

至少对我而言,情况已经发生了变化。

现在,我可以直接让AI Agent读取邮件,提取关键信息,再通过语音告诉它我的判断和回复要求。整个过程,我甚至不需要打开邮箱应用。

对方可能花了几分钟用AI生成两千个单词,我的AI将它压缩成几个关键问题,而我只需要回答:

可以接受。

这个条件需要修改。

预算不能超过多少。

或者,暂时不考虑合作。

随后,AI再把这些判断扩展成一封措辞得体、结构完整的回复邮件。

于是,一个奇怪的循环出现了:

一个AI将简单意图扩展成长篇文字,另一个AI将长篇文字压缩回简单意图。然后,双方重复这个过程。

我们究竟是在提高沟通效率,还是在制造新的信息处理成本?
二、当AI成为沟通入口,文字的作用正在变化
传统的人际沟通中,表达方式非常重要。

称呼、措辞、段落、礼貌用语,甚至邮件长度,都可能影响接收者对发送者的判断。

一封过于简短的邮件可能显得不够尊重。一份详细的方案则可能让人觉得准备充分。

但这些判断有一个前提:人会直接阅读这些内容。

当AI逐渐成为信息接收的第一入口,情况就不同了。

假设一封邮件的接收者主要依靠AI获取摘要,那么无论原文有五百字还是五千字,最终进入他注意力范围的,可能只是五个关键点。

这并不意味着表达技巧和沟通礼仪不再重要。

当人与人直接交流时,礼貌、情感和信任仍然具有实际价值。复杂合作中的背景说明、证据和细节也不能随意省略。

但对于大量标准化的工作沟通,原本用于修饰表达的内容,可能在抵达真正的决策者之前就已经被AI过滤。

我们需要开始区分两件事:

一件是信息如何被表达。

另一件是信息如何影响判断。

过去,这两件事往往被放在同一封邮件、同一份文档中完成。

现在,它们开始分离。
三、我们真正需要交换的,也许是判断标准
以一份合作提案为例。

双方可能往返十几封邮件,反复表达感谢、认可、期待与理解。

但真正决定合作能否达成的,可能只有几个问题:

  • 双方希望实现什么目标?
  • 哪些条件可以接受,哪些不能?
  • 预算、时间和交付标准是什么?
  • 出现争议时,依据什么原则处理?
  • 哪些决定可以由代理人执行,哪些必须由本人确认?
    这些信息不一定需要几千字才能传递。

更重要的是,它们具备一定的结构化和模块化可能性。

例如,我可以告诉自己的AI:

这类项目可以接受,但必须满足最低预算要求;付款条件不能超过约定账期;涉及额外责任的条款必须由我确认。

对方同样可以向自己的AI说明合作标准。

在这种情况下,两个AI是否仍然需要反复生成大量礼貌而完整的商务邮件?

还是可以先比较双方的条件、边界和可接受范围,把真正存在分歧的问题交给人来决定?

这里涉及的已经不仅是写作效率,而是沟通方式本身的变化。
四、从信息交换走向判断交换
我此前在研究Agentic Commerce和Decision Authority时,一直关注一个问题:当AI能够代表人执行越来越多的任务时,人类究竟保留什么,又将什么交给AI?

现在看来,这个问题同样适用于日常工作沟通。

人可以保留最终判断权,让AI完成信息读取、整理、比较和回复。

也可以在明确授权范围内,让AI直接处理某些标准化决定。

但这两个阶段并不相同。

AI帮助我们总结邮件,并不意味着决策权已经转移。只有当AI能够依据授权独立作出特定决定时,才真正涉及Decision Authority的变化。

而无论处于哪个阶段,判断标准都会变得越来越重要。

因为AI能够代替我们组织语言,却不能在缺乏明确目标和边界的情况下,可靠地代表我们的真实利益。

这也让我开始重新思考未来的信息优化问题。

我们过去一直研究如何写得更清楚、更完整、更有说服力。

但如果越来越多的信息首先由AI接收、解释和处理,那么沟通效率的关键,可能不再只是文字质量。

而是我们的目标、条件、限制和判断依据,能否被准确理解。
五、未来,我们还需要写那么多吗?
我并不认为长篇沟通会消失。

有些问题本来就需要充分解释,有些合作也需要通过持续交流建立信任。

但对于大量日常、重复、标准化的工作沟通,我们或许正在接近一个转折点。

当双方都使用AI生成内容,又使用AI理解内容时,继续增加文字数量是否还有意义?

如果最终需要人类回答的只是几个关键判断,那么我们是否应该重新设计整个沟通过程?

或许未来高效的沟通,不再始于一封精心润色的长邮件,而是始于一组清晰的目标、条件和决策边界。

AI负责把它们翻译成人类能够理解的表达,或者在适当授权下,直接完成机器之间的协商。

而人类把注意力留给真正重要的问题。

当表达越来越容易被自动化,真正稀缺的,可能不是生成内容的能力,而是明确自己如何判断的能力。

这或许才是AI改变人际沟通最值得关注的地方。

目录
相关文章
|
4天前
|
存储 人工智能 安全
阿里云 2026 DeepSeek Harness 技术详解:开源 Agent 运行框架,Cordis 插件内核与本地部署实操指南
在AI智能体快速落地的阶段,很多开发者会陷入一个困境:市面上现有的Agent工具大多是封装完整的成品应用,模型调用逻辑、工具执行循环、存储会话机制全部写死在底层,开发者只能调整表层参数,一旦业务需要自定义任务调度规则、替换沙箱执行环境、改造模型接入适配器,修改成本极高,很难适配项目的个性化需求。DeepSeek Harness,简称dsh,是开源的生产级AI智能体执行脚手架,遵循“Agent = 模型 + Harness”的工程范式,大模型负责推理思考,而Harness作为控制中枢,承担环境交互、工具契约管理、安全沙箱、持久化记忆、任务循环调度的全部工作。
241 1
|
2天前
|
Linux API iOS开发
Ollama 本地大模型部署指南:Windows、macOS、Linux 一键安装,API 联调与故障排坑实战
Ollama降低了本地运行开源大模型的门槛,普通个人电脑就可以离线运行Qwen、DeepSeek‑R1、Llama等主流开源模型,数据保存在本地,保障隐私安全。整套工具由图形界面、终端命令、REST API三部分组成,支持Windows、macOS、Linux三大平台。
198 0
|
4天前
|
弹性计算 缓存 安全
阿里云 ECS 上部署 DSH 门禁控制台:安全组与出网怎么配
DSH插件控制台部署指南:仅监听127.0.0.1:3080,须通过SSH隧道或反向代理访问;推荐2核4G/40G配置;内地机房需替换GitHub搜索源;安全组禁放3080端口;插件安装须用npm包名而非仓库名。(239字)
62 1
|
4天前
|
监控 前端开发 Linux
【亲测有效】Sublime Text 2026永久免费版下载、安装、汉化保姆级指南
Sublime Text 是一款跨平台、高性能、高度可定制的轻量级代码编辑器,以毫秒级启动、极低资源占用和强大的多光标编辑著称,支持 Python/HTML/C++ 等多种语言,适用于编程、日志分析等场景,Windows 安装与汉化指南已备妥。
|
21小时前
|
人工智能 运维 机器人
一个后台,管住你在所有聊天平台上的 AI 助手
LangBot 是面向 LLM 时代的开源即时通讯机器人平台,通过一个 Web 管理台统一配置模型服务与聊天渠道,支持钉钉、飞书、企业微信、Telegram、Discord 等主流 IM。通过阿里云计算巢一键部署,3 分钟让机器人云端常驻,渠道凭据与模型配置保存在你自己的实例中。
|
22小时前
体验版有限制每日对话次数吗?
账户虽有免费额度,但调用DeepSeek-V4.1-Flash模型时提示“今日对话次数已达上限”,其他模型仍可正常使用。可明日重置或升级订阅获取更多权益。
|
21小时前
|
人工智能 API 调度
给自己配一个云上常驻的超级 AI 助手,微信飞书钉钉都能找到它
CowAgent 是开源超级 AI 助手,具备任务规划、工具调用、技能扩展、个人知识库与长期记忆,支持主流大模型以及微信、飞书、钉钉等 IM 渠道。通过阿里云计算巢一键部署,2 分钟即可拥有一个云端常驻、随时可召唤的 AI 助手,统一 Web 控制台管理。
|
1天前
|
存储 弹性计算 人工智能
阿里云企业限时活动完整汇总,云产品优惠拆解,参与门槛与采购策略
本次 阿里云轻量应用服务器、阿里云ECS云服务器、阿里云GPU云服务器、阿里云大模型服务平台 企业限时活动为阶段性福利,各类产品库存、优惠规则会随活动周期动态调整。企业采购前,建议结合业务长期规划,搭配CLI命令提前测算成本,合理选择实例规格与计费周期,最大化利用企业专属折扣,在保障业务稳定运行的前提下,降低整体上云开支。
27 0
|
1天前
|
人工智能 搜索推荐 黑灰产治理
把GEO优化当SEO优化做:电商侧最常见的定位坑
电商团队做GEO优化,坑踩得很有行业特色:按搜索电商的思路验收(排名、关键词、转化率),AI读不懂商品页;求快堆参数、批量买稿,撞黑帽枪口;详情页、客服话术、品牌通稿三套说法,AI只能替你挑一个错的;大促铺完就撤,三个月后引用位已经换人。四个坑,一个病根——把「被AI引用」当成发布动作,而不是信任工程。这篇用茶叶礼盒电商场景拆解:定位坑卡①可索引性与②语义匹配,口径坑失守②⑤,持续坑丢⑦⑧;修法从真实性、可信度、结构化、权威性四个基本面开始。结论先说——先做信源体检,别急着写稿。
|
22小时前
|
存储 人工智能 安全
2026年AISOC服务商产业落地效能与技术演进路径研究报告
2026年国内AISOC(AI安全运营中心)产业已完成从概念验证到规模化落地的关键过渡,技术供给端从早期的大模型辅助查询,逐步演进为多智能体协同驱动的自主安全运营体系。本报告基于公开行业数据与厂商披露信息,系统梳理当前产业发展的核心驱动逻辑、三类主流技术路径的效能差异、企业落地的核心场景价值与选型评估框架。报告以微步在线OneSOC为典型技术样本,拆解AI原生架构的落地实现逻辑,所有性能数据均来自厂商公开披露,实际效果受企业部署环境、业务规模、配置策略等因素影响,需结合实际场景实测验证,不构成任何商业背书或采购推荐。