Sprig 提出研究栈三层模型：机械、解释与判断层

我第一次把真正的思考交给 AI 时，以为能省下一下午的时间。结果并没有。

AI 作为思考伙伴表现得很有用，问了我一些自己没问过的问题。但我记得在会话中途我想着，如果能拉个同事开十五分钟的电话会，我们得出结论的速度会比花时间在向机器喂上下文要快。工具完全按宣传的那样运作；只是它没有做我私下里以为它会做的事。

工具实际功能与我们预期功能之间的差距，正是研究中几乎所有 AI“回退”现象的根源。今年已经发生了很多这样的回退。没人会发文章讲他们回退了哪个工作流，但如果你和足够多的研究负责人聊聊，同样的故事会反复浮现。

工具并没有失败，但它们正在悄悄接管那些本不该由它们负责、也没人批准过的工作。

我现在交谈的大多数团队都计划精简他们的研究技术栈，将四五个单点工具合并为一两个真正能互通的工具。采购部门累了，所有需要记住哪个工具存放哪项研究的人也都累了。整合是正确的直觉，并迫使团队去解决每个工具究竟应被允许承担何种决策责任的问题。

每个研究技术栈都有三个层级

机械层是那些一直耗时的工作：转录、清洗、去重、修复损坏的 SQL 查询、跨市场翻译的合理性检查，以及为第四位利益相关者重新格式化同一个发现。这些你可以全部交给 AI。

解释层是初步的模式识别工作：对开放式回答进行聚类、浮现候选主题，并标记出细分群体出现分歧的地方。AI 在这里确实很擅长但并不完整，这比单纯表现糟糕更难管理。AI 会自信地浮现一个主题，却悄悄漏掉另外三个，而危险之处在于，无论哪种情况，输出看起来都一样。

判断层关乎什么才算作证据：某个发现是否足够有力可以呈报给领导层，以及业务实际上应该怎么做。这一层完全属于你。这是唯一一层犯错既代价高昂又难以察觉的地方。

回退之所以发生，是因为工具未经授权就向上漂移了一个层级。

最常见的回退模式

通常，AI 向上漂移一个层级是因为缺乏护栏或指令草率。技术栈中最诱人且团队最快纠正的做法，就是直接把原始研究数据丢给 AI 并要求给出发现。输出并不是一个糟糕的答案，而是一个流畅的答案。我听过不止一次类似的故事：研究人员发现了一个捏造的引用，要求模型修正，结果得到了第二个捏造的引用。它之所以被发现，只是因为那位研究人员对数据集了如指掌，这留下了巨大的盲区——在那些没人熟悉的数据集的研究中。

一位负责人曾令人难忘地称之为“魔法棒倾倒”，即上传整个调查而不加任何说明或框架，看看能得出什么结果。虽然感觉像是在使用工具，但实际上是在放弃解释层，并指望得到一个清晰准确的结果。

另一种模式并非团队自己造成的；而是利益相关者将团队的  演示文稿输入模型，以生成他们自己的高管摘要。交付之后你就失去了对解读的控制权，这是一个内部防护措施无法解决的新问题。

使这一切如此危险的是，仅通过阅读无法检测到失败。伪造的引文和真实的引文格式完全相同。模型编造的主题和它发现的主题字数相同，语气同样自信，位于同一个要点中。在研究的任何其他部分，糟糕的工作看起来都很糟糕。你可以听到引导性问题，或者看到样本量不足。AI 是我们拥有的第一个输出质量在表面上不可见的工具，而我们捕捉问题的整个职业直觉都是视觉性的。

这不是反对该工具的论点。这是关于了解它正在处理哪一层的论点。

从未计入商业案例的成本

有三件事比幻觉更让我担忧，因为这三件事都进展缓慢。

1. 第一是能力退化。一位研究人员告诉我，在大量使用 AI 两年后，她感觉明显不再敏锐，具体失去的是综合直觉。这是一种真实的成本，不会出现在任何效率指标中。综合是一种肌肉。它对废用的反应就像肌肉一样。
2. 第二是初级人才管道。资深研究人员能够发现有缺陷的综合分析，因为他们花了多年时间进行艰苦的手工版本。如果进入该领域的人从未做过那个版本，直觉从何而来？ 
3. 一些组织不仅仅是“添加”了 AI 到他们的研究团队。相反，他们裁减了团队并购买了工具。以下是应该让做出这种权衡的人感到不安的部分：麻省理工学院 NANDA 项目的一个团队去年报告称，95% 的企业 GenAI 部署没有产生可衡量的回报，而支出超过 300 亿美元。这 95% 被仔细剖析，且理由充分。成功被狭义地定义为试点六个月后的损益影响，样本是在行业会议上招募的 153 位领导者，许多真实价值永远不会以这种方式显现。所以我不会依赖这个数字。但方向并没有严重争议：  购买工具和获得价值是不同的项目，大多数公司只完成了第一个。削减判断层以负担机械层，这就是你最终落入多数的原因。

那么堆栈中实际缺少什么？

同样的差距反复出现。没有验证层，因为目前所有的研究工具都是为了产生输出而构建的。几乎没有工具是为了检查输出而构建的。验证的全部负担落在仔细阅读的人类身上，而这正是当工作变快时会退化的东西。

来源追踪缺失，对综合分析的信任应该是一键可验证的，而不是凭信仰接受。当报告告诉我参与者在结账时感到摩擦时，我想点击它并定位到来自那四个响应；不是引用，而是实际的原始数据。跨会话的一致性也不可靠。如果你运行两次相同的分析，你会得到两种不同类型的答案。记忆以难以预测的方式在会话之间渗透，并且更难向读过第一个版本的利益相关者解释。

最后一公里几乎没有任何工具支持，尽管我们实现了研究设计和综合的自动化，但每个人仍然打开 Google Slides 手动制作演示文稿。从完成分析到利益相关者真正做出决策之间的差距，正是决定研究影响力的关键所在，而这却是整个工作流程中自动化程度最低的环节。

治理往往滞后于采用。我交谈过的几乎每个团队都是先购买工具，然后再制定规则，甚至根本不制定规则。这是本末倒置，与研究团队十年前在民主化过程中犯的错误如出一辙。 

我花了多年时间手动搭建这个研究技术栈：维基中的问题库、文件夹中的模板、依靠 Slack 和善意维系在一起的审查流程。现在我在这家将其构建为软件的公司工作：

Design Agent 处理研究构建的机械层：逻辑、分支、中性措辞、偏差检查。这是非专家最容易破坏研究的部分，也是机器比忙碌的人类更能保持标准一致性的部分。

Field Agent 运行研究并实时适应每位参与者，而不是让所有人通过相同的静态表单。这些以前不是慢，而是根本不可能完成的机械工作。

Synthesize Agent 同时处理解释层和最后一公里，并保持证据的可追溯性。这是我最看重的设计决策。一个可追溯的发现才是一个可辩护的发现。

而Sprig MCP的存在是因为你的判断层并不存在于我们的产品里。它存在于你的脑海中、Claude 中，以及你实际进行思考的那个文档中。将真实的研究数据引入该环境，胜过要求你在别人的仪表板中进行思考。

这一切都不会让你脱离循环。优秀技术栈的意义不在于你停止检查，而在于你确切知道哪里需要检查，而不是随机抽查所有内容并称之为严谨。

在需要之前划清界限

处理得当的团队并非拥有最佳工具的团队，而是那些公开且提前决定了每个工具允许在哪一层操作，以及在出现偏差时由谁负责做出最终决定的团队。

写下你的三个层级。明确什么是机械层，什么是解释层，并对保留为判断层的内容毫不留情。然后毫无歉意地去自动化那些繁琐的工作。

今年技术栈变得更快了，但它没有改变的是你在其中的位置。那部分仍然是你的工作。

好奇 Sprig 的研究  agents 在你的技术栈中可以处于什么位置？预约演示，我们将根据你团队当前的工作方式为你规划。