当“AI焦虑”成为年度关键词，多数讨论仍停留在“哪些岗位将被取代”的粗放预测中。沃顿商学院教授Ethan Mollick却以三个不同领域的真实实验，给出了更精细的答案：不是“什么工作会被AI抢走”，而是“什么该留，什么该放”。他提出的边界，直指人类与AI协作的核心矛盾。

在教育领域，Mollick的团队让学生使用AI辅助写作和解题，同时保留教师对最终成果的评判权。结果发现，AI能高效完成信息检索、格式规范甚至初步论证，但当涉及情感共鸣、认知偏差纠正以及跨领域隐喻时，学生的独创性反而被算法框架所限制。实验表明：标准化知识传递可移交AI，但启发式教学——那些看似低效的“旁征博引”和“反向提问”——必须由人类教师保留。

咨询行业的实验更具颠覆性。咨询师使用AI生成战略报告，初稿速度提升70%，但客户满意度并未同步增长。原因在于AI擅长基于历史数据做“最佳实践”推演，却无法识别组织内部的隐性权力结构、文化冲突或临场谈判中的情绪波动。Mollick的结论是：数据分析和报告生成可以“放手”，但涉及利益博弈、信任构建和价值观判断的环节，人类必须紧握缰绳。这解释了为何顶级咨询公司仍在高薪雇佣“会读空气”的合伙人。

文学奖争议则暴露了更尖锐的问题。当AI生成的诗歌和短篇小说在匿名评审中获奖，评委陷入两难：作品语言精致、结构完整，但缺乏“有缺陷的原创性”——那种只有人类才有的、源于生命体验的刻意笨拙或反常规美感。Mollick的立场很清晰：技术可以模仿风格，却无法复制“意义的生产”。文学创作中，对孤独、痛苦、荒诞的个体化表达，恰恰是AI无法真正理解的核心人类特质。

这三个实验共同指向一个趋势：AI的替代性并非均匀分布。它遵循一条隐性规则——凡是可标准化、可量化、有明确反馈循环的任务，都应毫不犹豫地移交给AI；凡是依赖模糊判断、价值观取舍、情感互动和创造性突破的工作，人类必须坚守阵地。当前许多企业推行AI替代的误区，恰在于混淆了“效率提升”与“价值创造”。

对于团队管理者而言，Mollick的边界划定提供了具体行动框架：第一步，将团队任务分解为“可算法化”与“不可算法化”两类；第二步，对“可算法化”任务设置自动化流程，同时为“不可算法化”领域（如跨部门协作、用户痛点的隐性洞察、战略方向的争议性选择）保留人力投入；第三步，建立人类与AI的“互审核”机制——让AI承担初筛，人类负责终判。未来十年的竞争，不再是人机对抗，而是谁能更精准地定义“保留人类的理由”。