软件固有的复杂性并未被消除，而是发生了转移，这一概念由拉里·特斯勒的“复杂性守恒定律”所阐述。人工智能辅助看似通过移除模式和菜单简化了界面，实则将复杂性重新分配。它转移到了用户身上，用户现在需要编写规范并验证 AI 输出；也转移到了开发者身上，开发者需管理评估和提示工程。此外，平台开发者面临持续且未预先通知的模型变更，一种新角色——审核员——应运而生，以验证 AI 生成的内容。界面简洁性的实现是通过将工作负载转移至他处，而由于人工智能的出现，这一转移过程正以前所未有的速度加速。虽然人工智能可为部分用户提供初始协助并提升效率，但也导致经验丰富的开发者因验证负担而效率下降。核心问题并非人工智能工具的失败，而在于难以追踪在这些新验证任务上所花费的时间。确定性的系统（如薪资系统）因其对准确性的绝对要求，构成了复杂性的硬性底线。然而，即使是基于检索的人工智能工具，在法律领域也显示出显著的幻觉率。承保或临床实践等复杂专业领域的固有难度无法通过自动化消除，因为决策责任至关重要。人工智能的“锯齿边缘”涉及不均衡且隐蔽的复杂性吸收，组织虽在职能中采用人工智能，却未必能有效部署智能体。这种看似进步的现象掩盖了一种转变：机器一旦执行任务，便吸收智能。与旧式界面会发出可听见的失败信号不同，人工智能输出的缺乏透明度使用户难以辨别正确答案与听起来自信却错误的信息。复杂性的分配是一项关键的设计决策，而人机交互指南往往被忽略。对开发者而言，默认且成本最低的选择是一个空白文本框，这将规范编写和验证的负担转嫁给用户。其代价已从消除菜单所节省的几分钟，上升到个人能否区分准确信息与自信呈现的错误信息。