人把 AI 回复转发给人，沟通责任就被偷走了

一名开发者在个人博客 Orchid Files 上写了一件挺烦的事：他发现 GitHub 上有仓库在传播恶意软件，先问 AI，没得到有效建议，于是去 GitHub 发起讨论。

有人回复了他。麻烦在于，回复内容和 AI 给出的无用答案几乎一样。作者指出这一点后，评论被删除，随后又有人贴出同样风格的 AI 回答。

这不是一次“AI 答错了”的抱怨。

更反常的是，真人开始把 AI 输出当成自己的回应。看上去有人接住了问题，实际上没人读题、没人判断、没人承担后果。

三个场景，其实是同一个动作

这篇博客没有给出仓库名称、公司身份或 Reddit 账号，所以不能把它当成行业调查。它更像一个开发者的连续样本：AI 已经进入沟通链路，但人的复核没有跟上。

三个场景差别很大。一个是安全举报，一个是工作任务，一个是社交私信。但它们共享一个动作：人没有理解问题，只把 AI 生成内容递给了对方。

GitHub 这个场景尤其刺眼。

安全举报不是闲聊。恶意软件传播涉及平台治理、用户风险和处理时效。AI 给不出可用答案，还可以说是工具能力有限；真人复制同一类答案，就变成了另一件事：把“我回复了”伪装成“我处理了”。

职场场景也类似。作者问的是一个具体业务任务，对方发来 ChatGPT 截图。作者指出截图内容无关、还有多处错误后，对方很快又发来另一张截图，像是没有读过前一轮反馈。

这类沟通最伤人的地方，不是答案粗糙，而是对方把判断过程撤走了。你以为在和负责人协作，结果是在帮一个没被校对的输出做验收。

Reddit 私信则把问题推到另一层。多轮交流之后，作者才意识到对方可能是 AI agent。这里的麻烦不在于“用 AI 写消息”本身，而在于身份没有说明。对话的最低前提变得不稳：对面到底是在交流，还是在执行脚本？

AI 可以帮忙写，但不能替人负责

AI 辅助沟通不等于欺骗。写邮件草稿、整理会议纪要、提炼长文要点，这些都很正常。很多团队已经在用类似工具减少重复劳动。

边界在这里：谁核对，谁署名，谁承担后果。

过去也有模板回复。客服工单、邮件套话、FAQ 链接，都可能答非所问。但模板通常还能让人看出边界：这是预设话术，不是完整判断。

生成式 AI 的麻烦在于，它能把一段没读题的回答写得很像“认真处理过”。语气完整，结构周到，甚至还有建议。但只要没人核对，它仍然只是代笔。

这对技术从业者影响很直接。

开发者、安全研究人员、运维人员经常靠文字异步协作。一个漏洞报告、一个部署风险、一个需求变更，都依赖上下文。差一个条件，结论就可能反过来。

所以他们接下来不会只问“能不能用 AI”。更现实的动作会是：

• 安全、法务、财务、权限变更等高风险事项，要求人工确认，不能只贴 AI 答案；
• 转发 AI 结论时，标明来源，并写清楚哪些部分已经人工核对；
• 对关键任务保留责任人，而不是让截图、摘要或自动回复代替签字；
• 对疑似自动化账号介入私信、工单、社区讨论的场景，提高识别和处理门槛。

对依赖 AI 处理沟通的人，约束也很现实。

如果你只是用 AI 起草，问题不大。但你至少要读完、改掉错处、确认它回答的是眼前的问题。否则，节省的是你这边几分钟，转嫁给对方的是验真、追问和返工。

这就是分水岭。

工具可以降低表达成本，但不能降低理解成本。把理解也外包掉，协作就会变成互相审稿。

接下来要看三条线

目前能确认的，还只是一个开发者的个人记录。它不能证明整个互联网都被 AI 回复污染，也不能说明所有 AI 辅助沟通都是欺骗。

限制要说清楚。不然文章就会滑向情绪化判断。

更值得看的，是三个具体变量。

这里有个历史参照：搜索引擎也曾让答案变得更容易获得，但它没有替用户做最终判断。你看到的是链接、来源和不同页面之间的差异。

生成式 AI 不一样。它把来源、推理和语气揉成一段顺滑文本。读起来像结论，实际上可能只是拼接。

这也是为什么问题不该停在“AI 准不准”。准确率当然重要，但协作里的底线更早一步：对方有没有读过你的问题。

如果答案是没有，那沟通已经失败了一半。

回到开头那个 GitHub 安全举报。最荒诞的不是 AI 没帮上忙，而是人接手之后，把同样没用的东西又递回来。

古话说，文过饰非。现在多了一种新版本：用一段流畅文本遮住无人负责。

AI 让回复变便宜了。可在真正需要协作的地方，便宜的回复不稀缺，愿意读题的人才稀缺。