AI 能做什么、不能做什么
为社区健康工作者，并通过他们为来访者，建立切合实际的期望：AI 在导航中真正擅长做什么，在哪些地方会出错，以及如何察觉一个说得信心十足却是错的答案。
学习目标
完成本模块后，社区健康工作者应能够：
- 说出 AI 在导航中做得好的任务和做得不好的任务。
- 用通俗的话解释：为什么聊天机器人可以说得信心十足，却仍然是错的。
- 教会来访者识别 AI 回答可能出错的迹象。
- 阐明升级处理的思路：如有疑问，先与真人核实，再采取行动。
培训流程
您不是现场的 AI 专家，您是示范如何仔细核实的人。请把这一基调明确说出来。
起草电话话术、翻译一封信的大意、解释某个术语、列出要问医疗提供者的问题、梳理下一步安排。这些都是后勤和自我倡导类的任务，绝不是诊断或治疗。
AI 可能编造事实、来源、电话号码和诊所细节，并且说得信心十足。它不了解本地、当下或个人化的具体情况，在来访者的语言中可能表现更差。用通俗的话介绍这种模式的说法：这个工具是在流畅地猜测。
共同完成下面"减量"的例子，揭示其中埋下的错误，并复盘是什么核实步骤发现了它。
建立贯穿本次培训始终的反应机制：凡涉及临床、法律，或金钱、安全的事项，先与真人核实再行动。预告升级处理规则卡。
教学要点
把 AI 描述成一个反应迅速、语气自信的助手：在一般性问题上通常是对的，在具体问题上有时是错的。对来访者而言，最重要的失败方式是一个流畅、自信却根本是假的答案：一个编造的诊所电话号码、一条不存在的资格规则、一个从未开过的剂量。来访者无法通过听起来怎么样来分辨真答案和编造的答案，因为它们听起来一模一样。所以这项技能不是"更仔细地盯着看，识破假的"，而是一种习惯：凡是重要的事情，先把答案放在一边，去看看别处是否有人这样说，或者找真人核实。
语气要保持平静。目标不是吓得来访者不敢再用他们本来每天都在用的工具，而是帮助他们把它用在对的事情上，在不对的事情上退一步。
简短的"先找错，再看答案"练习能可靠地提升人们分辨信息优劣的能力；2024 年的一项实验（Leder 及其同事）发现，正是在练习中加入反馈这一步骤，才让它真正起作用。这就是为什么模块 1 使用揭示错误的实例练习，而不是讲授式的说教。
人们大多无法仅凭表面线索区分 AI 撰写的内容和人写的内容，而且 AI 撰写的材料有时比真实内容更具说服力（Spitale 及其同事，2023）。这正是我们教核实习惯、而不是教"找线索"的原因。
大约每 3 名美国成年人中就有 1 人已经在用 AI 聊天机器人查询健康信息，而且西班牙裔成年人比白人成年人更倾向于向 AI 寻求心理健康方面的建议（KFF，2024-25）。来访者其实已经在自己阅读这些回答了，所以社区健康工作者的角色是一位从容的第二读者，帮助他们核实自己查到的内容。
移民可能对这些工具尤其开放。在一项针对移民和普通人群成年人的研究中，移民表示更愿意使用 AI 心理健康聊天机器人，而且越是相信 AI 能改善医疗的人，接受度越高（Yoo 及 Jang，2026）。这种开放性是及早引导安全使用的理由，而不是令人担忧的理由。
找出错误（实例练习）
请大声朗读下面这条 AI 回答，就像来访者实际收到的那样：
问问大家：在采取行动之前，这段话里有哪些地方需要核实？然后揭示埋下的问题。这个电话号码是编造的，绝不应该凭信任拨打。密歇根州的 Medicaid 大多数行为健康服务并不要求初级保健转诊，社区精神卫生服务面向所有年龄段的人，包括儿童。这种自信的语气和正确答案完全一样。
复盘真正有效的核实方法：不要仅凭 AI 给出的具体号码、规则或资格说法就采取行动，要向权威来源确认，或者提交给您的督导。请每位社区健康工作者说出一句他们会对来访者说的话，大声示范这个做法。
材料
- 我能否用通俗语言举出一个说得信心十足却是错的答案的例子，而不使用专业术语？
- 每位社区健康工作者是否都练习了一句用来指导来访者核实答案的话？
- 我是否保持了平实的语气，避免让来访者被吓得不敢再用这个他们已经在用的工具？