汗水把排汗服都浸透了，那是身体在尖叫着求安慰，但工程师们为了卖个好价钱，非要把那衣服做得像婴儿服一样软乎，结局就是后背磨破了，汗水又流出来，害得皮肤潮湿一片，让人根本没法干活。
这就是为啥在工业界，我们宁愿选择电动工具，哪怕那玩意儿贵点、笨重点，只要能把事干得快；要么干脆直接拿那颗一辈子不坏的电机，哪怕它看起来像个庞大的铁疙瘩，只要能让人放心地放手去干。 实际上人脑处理信息这事儿，跟算账差不多，也是有讲究的。人在脑子里干活，就像是在做减法，把复杂的事件拆解成一个个小步骤，一步步往下算。大脑是个怪的器官，它管不住所有的细节，只能处理最关键的局部，剩下的交助理去做。
要是事件忒好办，人脑可能直接跳过那些繁琐的步骤，只记住最终结局就行，这叫“原型化”。但要是事件忒复杂，人脑就会管不住，这就得靠工具了。 就拿我们干这个工作的来说，一启动我们可能认定这就是个好办的报表整理事儿，几个人凑一块儿，算算数据就行，哪位都能干。可后来一看，这表格格式都不一样，有的用旧式打印机，有的用激光，有的还要联网同步数据，各管各的，最终做出来的东西还差点意思，文档错别字一大堆。
这时候，人脑就得装个个例，专门去处理这些杂事儿，比如找那个特定的打印机驱动，要么核对一下两个表格的格式是否一致。但有时候，人脑还是不够用，它只能记住几个关键数据，剩下的全丢，这就得把活儿派给电脑了。 这就引出了人机协作的关键点：人脑到底该管啥？人脑，要么说人类，精通做情感上的判断，搞搞清楚这事儿到底有没有意义，该不该做，能不能做成。
比方说，当我们要拍板要不要把这个项目推进时，人脑能感受到那个市场风向的变化，能理解团队里每个人的情绪状态，这比单纯的数据分析要靠谱得多。但要是这事儿忒复杂，人脑一搞就晕头转向，那就非得外包给机器。人脑适合做“裁判”，它负责定方向、做权衡、管情绪，但它不适合当“演员”，当成千上万个具体难题的执行者。 机器呢，它的强项在于做减法。它能把人的大脑优化掉，去掉那些不必要的脑回路，把复杂的逻辑变成好办的指令。机器不会撒谎，它只会按照设置好的规则办事，哪怕那是把蛋糕切出来形状怪、让人看一眼就流泪的切片，它也会完美地照做。机器还能做加法，它能做得比人脑多得多，出于它没有疲劳感，没有情绪波动，能够连续工作几十个小时。机器还能存数据，一旦需求，立马就能查出来。 但在现代职场里，我们面对的往往是那些既复杂又混乱的事件。
这时候，要是只靠人脑，是干不过来的；要是只靠机器，又少了一点人情味儿和决策的准性。
故此，最好的状态是让人和机器分工明确。人脑负责那些需求直觉、情感和道德判断的事，机器负责那些需求重复、精确和计算的事。机器做重复的事，效率高，出错率低，并且还能保持状态，不用休息；人脑做决策的事，别看累点，但能做出最符合人性最佳的结局。 这种分工不是哪位取代哪位，而是优势互补。就像你说的，机器能够完美地做蛋糕切片，但它切出来那些让人流泪的切片，那是人机协作的结局。机器负责把蛋糕切得均匀点，让人能更快乐；人脑负责看看这蛋糕好不好吃，要不要做，还有哪位在旁边看着你吃。
要是机器切得再好一点，有人脑认定不好吃，那这个人脑就得负责把蛋糕做淡一点，要么干脆不做。
这就是人机协作的精髓，既利用了机器的极致效率，又保留了人类的情感温度。 最终，我们还得聊聊这个协作过程中的博弈。
有时候，人脑和机器在同一个项目中有点小摩擦。机器可能会为了追求数据完美，把数据做得忒复杂，让人看不懂；要么为了节省成本，把一些该做的事简化，害得整体效果打折。
这时候，人脑就得站出来，拿着自己的经验去指挥机器，告诉它该如何做。而机器呢，别看可能会出于不懂人情而显得有点冷冰冰，但它不会犯错，并且一旦理解了你的指令，就能立马执行，速度极快。 故此，实际上就没有所谓的“彻底”要么“彻底”的。人类工程学的核心，就是让人和机器在不断的磨合中，找到那个最舒服、最适合的平衡点。机器把繁琐的事包了，人脑把关键的决策做了，两个人合流，事件自然就顺了。
这就是为啥我们说，未来的工作不再是哪位取代哪位，而是人与机器的完美搭伙，让人类从重复的劳动中解放出来，去创造真正有价值的事件。
