用错AI比不用AI更危险-夜雨聆风

用错AI比不用AI更危险

我有个朋友，最近特别沮丧。

他花了 2 个小时调试 ChatGPT 的 prompt，只为写一封 3 分钟就能搞定的周报邮件。还有个同事，用 AI 生成了 20 页的方案 PPT，然后花了整整一个下午修改那些奇怪的措辞和不靠谱的数据。

听起来荒谬吗？但这种事每天都在发生。

更讽刺的是，这些人觉得自己很高效。毕竟他们用的是最前沿的工具。

但如果你仔细观察，会发现一个规律：很多人用了 AI 之后，工作效率不升反降。问题出在我们对 AI 的期待上。

理解这个区别，是避免掉进「伪高效」陷阱的第一步。

AI 的强项是什么？快速生成大量文本、代码、图片。它可以 10 秒钟给你 5 个方案，30 秒钟写出一篇 3000 字的文章，1 分钟生成一套完整的 UI 设计。

但生成选项和做出判断，是两种完全不同的能力。

写方案，AI 可以 1 分钟出 3 个版本。但哪个版本适合你的客户？哪个语气符合你们公司的调性？哪个数据需要核实？这些判断，AI 做不了。

写代码，AI 可以快速生成函数。但这段代码是否符合你的架构规范？会不会引入安全漏洞？和现有系统怎么对接？这些决策，还是得人来做。

当一个人把「判断」也交给 AI，他得到的是速度上的幻觉和结果上的灾难。AI 生成的方案看起来很完整，但每一个环节都可能藏着你不认可的前提、不准确的推断或者完全偏离目标的逻辑。

这就是为什么有些人用了 AI 反而更累：生成内容只要 5 分钟，但修复错误要 3 个小时。

观察那些真正因为 AI 而提升了效率的人，你会发现他们有一个共同习惯：在下手之前，先把工作分成三类。

第一类：让 AI 全权处理。

资料收集、数据整理、格式转换、翻译初稿、会议纪要提炼。这类工作的特点是标准明确、重复性高、容错率大。AI 做得又快又好，几乎没有风险。

第二类：人来主导，AI 辅助。

写方案、写报告、写代码。这类工作的核心是你的判断力。正确的做法是：你自己先想清楚框架和核心观点，让 AI 帮你填充细节、扩展论点、优化表达。AI 是你的助手，执行指令、填充细节，但核心判断必须由你来做。

第三类：坚决不用 AI。

重要决策、敏感沟通、需要个人判断和责任承担的事情。比如给客户写一封关键的商业提案，比如做一次重大的人事决定。这些事情，准确和责任永远排在速度前面。

这个分类看起来简单，但大多数人跳过了这一步。他们看到一个任务，第一反应是「让 AI 帮我做」，跳过了最关键的一步：先想清楚这个任务应该怎么分配。

理论讲完了，说说具体怎么做。以下 4 个习惯，不需要任何新工具，今天就能开始。

习惯 1：先写人话，再让 AI 润色。

很多人写东西的习惯完全反过来了：先把需求扔给 AI，拿到一版初稿，然后逐句修改。问题是，AI 写出来的东西，你可能花更长时间才能改成你想要的样子。

更好的做法：先用 5 分钟自己写出要点和大意，哪怕语法不通、措辞粗糙。然后让 AI 基于你的草稿来润色、扩展、优化结构。这样 AI 有明确的素材和方向，你也不用花时间纠正它的「自作主张」。

习惯 2：给 AI 设定三个边界。

每次用 AI 之前，花 30 秒想清楚三件事：字数上限、格式要求、参考范围。比如，别让它「帮我写个方案」，换成「帮我写一个 800 字以内的产品推广方案，分背景、目标、策略三个部分，参考竞品 XX 最近的做法」。

限定越清晰，AI 给你的东西越能用。省下来的修改时间，远比那 30 秒值钱。

习惯 3：建立你自己的 prompt 库。

你会发现，很多工作中的任务是反复出现的。周报、会议纪要、竞品分析、数据周报……与其每次都从零开始写 prompt，不如把验证过的好 prompt 存下来，反复迭代。

一个好 prompt 最多改 3 到 5 次就能达到稳定效果。存下来，下次直接用，效率会成倍提升。

习惯 4：每周做一次 AI 使用审计。

拿出 10 分钟，回顾一下这周你用 AI 做了哪些事。问自己两个问题：

这个任务用 AI 真的省时间了吗？还是生成的结果花了我更长时间去修正？

有没有一些任务，本来 10 分钟就能手动完成，我却花了 20 分钟在调教 AI？

这个审计的价值在于让你对「什么该用、什么不该用」越来越精准。两三个月后，你的效率直觉会远超大多数还在无脑依赖 AI 的人。

工具在变多，门槛在降低。会用 AI 的人会越来越多，但能在 AI 生成的一堆选项里做出准确判断的人，会越来越值钱。

能在一秒钟之内决定「这件事我来」还是「这件事交给 AI」的人，才是真正的高效工作者。

工具在进化，人也要。但进化的方向，在于做更准确的判断。