随着人工智能代理技术的快速发展，用户对于AI操作设备的接受程度成为新的研究焦点。苹果公司研究团队近期开展了一项关于人机协作边界的探索，通过系统化实验揭示了用户对AI代理的信任机制与控制需求。
研究团队首先对Claude Computer Use Tool、OpenAI Operator等九个主流AI代理系统进行解构分析，构建了包含输入方式、行为透明度、用户控制权、认知匹配度四个维度的评估模型。分析发现，现有系统普遍存在"重执行轻解释"的倾向，在决策过程可视化方面存在明显短板。
为验证理论模型，研究人员设计了模拟实验场景。20名受试者通过自然语言交互完成酒店预订和在线购物任务，实际后台操作由人工模拟的AI代理执行。实验数据显示，用户对代理行为的监控需求呈现任务依赖特征：在探索性任务（如旅行规划）中，78%的受试者接受较高自主权；而在执行型任务（如订单修改）中，92%的受试者要求严格遵循指令。
金钱交易场景引发最强烈的控制需求。当涉及支付操作或账户信息变更时，所有受试者均要求建立双重确认机制。特别值得注意的是决策透明度对信任度的影响：当代理在未说明理由的情况下自主选择模糊选项时，85%的受试者立即中断任务要求解释；若代理行为与初始计划出现偏差，用户信任度平均下降43%。
研究指出，当前AI代理发展的主要矛盾已从技术能力转向交互设计。用户对"黑箱操作"的抵触，本质上是对不可控风险的防御反应。当系统代为执行点击、选择等操作时，任何未经解释的假设都可能被解读为潜在威胁，这种心理机制在涉及个人资产时尤为显著。
基于实验结论，研究团队提出人机协作新范式：有效的AI代理系统应当具备动态调节机制，能够根据任务类型自动切换控制模式。在需要创造性的场景中提供建议而非直接操作，在重复性任务中确保精确执行，在关键决策点主动寻求确认。这种平衡策略比单纯追求自动化程度更能提升用户体验。
