过去的人机交互主要依赖图形界面、搜索和推荐，用户需要理解系统结构，并主动发出明确指令。大模型进入应用场景后，交互开始转向对话、意图理解与连续协作。真正重要的变化，不是界面从按钮变成聊天框，而是机器开始参与任务分解、信息整理和行动执行，人机关系由“操作工具”转向“共同完成目标”。
从人工操作到智能增强
“AI与IA融合”中的关键，不是让人工智能替代人，而是通过智能增强（Intelligence Augmentation，IA）放大人的判断力、记忆力和执行能力。AI负责处理复杂信息、识别模式和生成方案，人则保留目标设定、价值判断与最终决策权。这样的分工要求系统不仅能回答问题，还要能够说明依据、暴露不确定性，并在关键环节等待人的确认。
医疗健康场景体现了这种变化。AI健康管家可以完成病情整理、预问诊和诊后疾病管理，为用户形成连续的健康管理支持；但涉及诊断判断和治疗选择时，人的专业判断仍不可被简单移交给系统。交互设计的重点因此从“回答是否流畅”，转向“建议是否可理解、过程是否可追溯、责任边界是否清晰”。
交互对象正在从软件扩展到环境
当AI进入机器人和家庭设备，人机交互也不再局限于屏幕。Optimus面向工业场景，NEO beta则尝试完成清洁、整理等家务任务，并根据用户偏好和生活方式进行定制。此时，系统需要理解的不只是语言，还包括空间、动作、习惯和场景约束。用户也不再是一次次点击功能，而是在持续关系中设定目标、授权行动、修正结果。
这种交互形态对设计提出了更高要求：系统必须知道什么时候主动、什么时候询问，哪些任务可以自动执行，哪些任务必须交还给人。若只追求自动化速度，AI可能带来误操作和控制感下降；若过度依赖人工确认，智能增强又会退化为复杂的辅助工具。
因此，AI与IA融合的核心指标，不是机器完成了多少工作，而是人是否因此拥有更清晰的判断、更低的认知负担和更强的行动能力。未来的人机交互将从“人适应系统”逐步转向“系统理解人的目标”，但这种理解必须建立在透明授权、可纠正和人类主导之上。