“把这个界面做得自然一点。”
说这句话的人，脑子里可能已经闪过十几个例子。按钮怎样出现，信息怎样接续，什么时候应该停下来等用户。这些画面在一句话里，被压缩成了“自然”两个字。
接到任务的人也有自己的画面。他想到圆角、柔和的颜色和更慢的动画。两个人使用同一个词，看见的却不是同一件东西。
等到第一版做出来，双方才发现这个距离。表面上只是一句“不是这个意思”，实际付出的已经是几天工作。
说清楚一个词，和让另一个人重建你正在想的东西，是两件不同的事。
这个例子并不能说明沟通总是困难，更不能证明 AI 一定能解决它。它只把一个值得检查的问题摆到了桌面上：传递过程中，哪些任务相关的信息没有被带过去？
先区分三种不同的距离
如果把所有沟通失败都叫作“损耗”，问题会变得太大。背景没有说出来、双方对一个词的理解不同，以及理解之后仍不愿意接受，需要不同的处理方式。
换一种情形看看。下面的文字只是示意，用来把区别说得具体一些。
话说出来了，背景没有
让界面显得自然：操作之后有回应，等待的时候有提示。
把界面做得自然一点。也许换个颜色就好了。
重要背景被省略，接收者只能自行补全。
第一种情况适合补足背景，第二种情况需要对照具体例子。到了第三种情况，继续把话解释得更漂亮，也未必能让双方走到一起。
一个人可能完全理解某个方案，仍然认为成本太高，或不愿意放弃自己的目标。此时存在的是分歧；把它当成表达问题，反而会遮住真正需要讨论的东西。
AI 能帮到哪一步？
一种可以检验的做法，是让 AI 在信息被传出去之前多问几句：这里的“自然”指什么？有哪几个相近的例子？哪些条件不能变？
接收之后，它也可以帮助对方复述自己的理解。发送者看到复述，才有机会指出哪里偏了。这种往返比一次流畅的总结更接近问题的关键：理解有没有被实际核对。
更流畅的表达，
也可能包着更难察觉的误解。
但补全背景也会带来另一种风险。AI 可能把人的模糊态度整理成确定判断，或者把没有说过的约束写进说明。文本读起来更完整，接收者却离原来的意思更远了。
因此，这个问题暂时不需要一个宏大的答案。先找一类具体的协作任务，比较有无 AI 介入时的返工、澄清和理解偏差。也要把新增的失真一起算进去。
把问题留着
两个人是否需要各自拥有一个 AI，一个共享的说明空间是否已经足够，更好的沟通习惯又能解决多少，都还没有被排除。
值得继续想的，或许不是“怎样把人的思想无损传递过去”，而是一个更小、更实在的问题：
在这一次协作里，
什么东西最值得被准确理解？