最快的AI并不是最智能的
在企业人工智能项目中，有一种反复出现的规律，而这种规律在追踪仪表板上却鲜少出现：用户开始对那些以前毫不犹豫就接受的结果进行二次核查。不是因为系统出了问题，而是因为系统推进的速度超过了他们所能跟上的节奏。
EY在2026年6月底发表于《财富》杂志的一篇文章中，为这种规律命了名。他们将其称为"节奏差距"（tempo gap）：机器的速度超越人类理解能力的临界点。EY Studio+客户体验负责人帕特里夏·卡姆登（Patricia Camden）与EY美洲区AI战略负责人约翰·杜布瓦（John Dubois），通过与不同行业企业客户的实际合作记录了这一现象。他们的诊断直截了当：大多数组织认为，他们在AI方面最大的问题是采用率。但实际上，真正的问题是节奏。
这一论点之所以引人关注，并不在于它在技术层面有多新颖，而在于发出这种声音的是全球最大咨询公司之一的两位高管，他们在一家高影响力的商业媒体上，用一种听起来不再像委婉说法的语言明确指出：问题不在于算法，而在于围绕算法所设计的人类体验。这一结论的影响远远超出了用户体验本身的范畴。
当系统运行正常，却仍然出了问题
卡姆登和杜布瓦为说明"节奏差距"而引用的三个案例，在揭示问题方面都非常精准。一位旅客因航班取消，在尚未比较其他选项之前就被系统自动安排到了另一班航班。一位客户在办理金融申请时速度极快，结果在未能充分消化内容的情况下就接受了实质性条款。一位患者在填写医疗表格时，发现自己的敏感数据在尚未了解其用途之前就已被预填写完毕。
在这三种情况下，系统的运行完全符合其设计初衷。没有技术错误，没有安全漏洞。然而，这种体验却产生了犹豫、不信任，并且在某些环境中，还导致人工审查被悄然重新引入那些原本为消除人工审查而自动化的流程之中。
最后这一点值得关注。当团队开始对原本直接接受的输出结果进行核查时，他们并非在做无意义的事，而是在回应一种设计信号：系统的运行速度超过了他们的理解能力，这产生了一种信任债务，现在他们不得不手动弥补。这种成本不会出现在流程速度指标中，而是体现在操作人员为重新验证AI已完成的工作所耗费的那段隐形时间里。
EY将此称为"重新渗入流程的人工审查"。从组织架构的角度来看，这具有更为具体的含义：这是一个为效率而优化、却未针对信任进行校准的系统所呈现出的症状。这种区分并非文字游戏，它对运营成本和真实的规模扩展能力都有直接影响。
EY诊断背后所隐含的论点是：大多数组织至今仍将AI采用视为一项效率举措。企业层面的对话依然围绕着自动化、减少摩擦和提升速度展开。然而，这场对话所遗漏的是：加速工作流程也改变了穿越这些流程的人所面临的认知需求。当这些需求未能得到良好的设计时，所承诺的效率便沦为一种操作上的幻觉——流程在形式上更快了，但人们却在追赶它，全然不明白自己在批准什么。
设计室里没有人点名的盲点
正是在这里，EY的分析触及了一个超越用户体验、进入权力架构领域的议题。"节奏差距"不仅仅是一个界面设计问题，首先，它是一个关于谁在设计决策时在场的问题。
EY所记录的三个案例——被重新安排的旅客、未经阅读便接受条款的金融客户、数据被预填写的患者——具有共同的结构：系统是从操作者的视角而非使用者的视角设计的。自动重新分配的效率从航空公司或代理机构的角度来看完全合乎逻辑。金融申请的快速处理从银行的视角看是一项成就。医疗数据的预填写在技术团队看来似乎是一项易用性改进。
那些设计室里所缺少的，不是恶意，而是外围智识（inteligencia periférica）：即系统终端用户的视角——对他们而言，体验的核心不是流程优化，而是维护自身的主体能动性。
这是企业AI系统构建方式中的一个结构性规律。设计和产品团队往往由一群在决策运作机制、何为良好体验、以及处理信息的合理耗时等方面持有相同预设的人组成。当这些团队在与技术的关系、对速度的容忍度、以及对复杂金融或医疗信息的既有接触程度上高度同质化时，所产出的系统便是为与他们相似的人所校准的。
"节奏差距"在某种程度上，正是这种同质性所付出的代价。这不是一个道德层面的问题，而是设计质量层面的问题。一个在用户中系统性地引发犹豫的系统，是一个在设计时未能纳入那些最需要在行动前充分理解信息的人的视角的系统。这是一个集体智识架构问题，而非宣示性伦理问题。
EY并未以这种框架来阐述其分析，其切入点更偏向运营层面：组织必须使机器的节奏与人类的节奏相一致。这是一个合理的处方。但更令人不安、也对当下正在设计这些系统的企业更为相关的问题是：认为"越快越好"这一假设是从哪个设计室里走出来的？而当时那个设计室里究竟坐着哪些人？
摩擦作为设计信号，而非障碍
在过去十余年间，数字设计领域的主流哲学是消除摩擦。更少的点击，更少的步骤，从意图到行动之间更短的时间。这一哲学产生了可量化的成果：更高的转化率、更强的用户留存、更快的流程。但它也悄然制造出了这样一类系统：速度开始更多地服务于系统的操作方，而非使用方。
EY提出了一个精准的概念转变：有意为之的摩擦（fricción intencional）作为设计工具。这不是任意的延迟，而是在用户需要先理解再行动的关键时刻有意设置的停顿。在执行金融决策前的确认步骤。关于敏感数据将如何被使用的简短说明。一秒钟的可视化说明，让用户了解系统为何做出了它所做出的操作。
这一论点的可贵之处在于，它并非要求系统在绝对意义上变慢，而是要求系统在对用户而言后果最为重大的时刻有选择性地放慢节奏。这要求系统能够区分认知负荷低与认知负荷高的时刻，区分例行操作与具有实质影响的决策。这种区分能力并不来自算法本身，而来自设计，而设计则来自那些真正理解何为"对没有与构建系统的团队相同背景的人而言具有实质意义的决策"的人。
在金融服务、医疗健康或保险等行业，这一论点还具有EY侧面提及但值得给予更多分量的监管维度。消费者保护法规、知情同意要求和公平披露规定，都建立在一个前提之上：人们理解自己所接受的内容。一个推动用户以超过其理解能力的速度前行的AI系统，不仅仅会产生糟糕的体验，它还会积累法律和监管层面的脆弱性——而各组织正在每一个为速度而优化、却未考虑理解的流程中，悄悄地积累着这种脆弱性。
EY警告称，如果组织不主动点明这个问题，监管机构或客户将会代劳。鉴于欧洲及其他地区（尽管有所滞后）AI监管框架的推进速度，这是一个合理的预判。问题不在于AI系统处理用户主体能动性和理解能力的方式是否会受到外部审视，而在于在这种审视到来之前，已经积累了多少损害。
AI采用的下一阶段，靠速度赢不了
EY论点中有一个核心战略洞见值得精准提炼：AI竞争优势的下一阶段，不在于谁自动化得更快，而在于谁能更好地校准其系统与使用者之间互动的节奏。
这并非对缓慢的让步，而是对企业AI项目中技术债务和组织债务正在何处积累的一种诊断。那些存在高覆盖率、计划外人工审查和用户系统性犹豫的组织，并非在采用层面失败，而是在设计层面失败。这种失败对AI项目的回报率有直接的成本影响——那些本承诺消除人工劳动的项目，在某些情况下，正在以后门的方式重新制造它。
EY所提出的解决方案——使机器节奏与人类节奏相一致——需要一种不能仅凭更好的算法就能构建出来的能力。它要求各组织在其AI系统设计团队中，纳入能够代表完整用户体验谱系的人的视角：技术熟悉度较低的人、在金融或医疗情境中面临更大信息不对称的人、以及在每次互动中利益牵涉更深的人。
这不是设计层面的慈善之举，而是让AI系统足够智能、从而知道何时应该放慢脚步的结构性前提条件。一个不知道何时该放慢的系统，不是一个智能的系统，而只是一个快速的系统。两者之间的差距，正是EY刚刚为其命名的那道鸿沟——而大多数组织的指标仪表板上，至今仍没有为它留出一席之地。
