AI破局_04_AI能做什么不能做什么

AI能做什么、不能做什么——划清期望的边界

上周文章发出来以后，有个老朋友给我留言。他说：

“我按你前几篇说的去用AI了。结果用了一周，越用越气。让它帮我写邮件——挺好；让它帮我查我们公司去年的具体营收数字——它编了一个；让它帮我给客户做决定要不要打折——它给我五条建议，每条都对，每条都没用。我现在不知道这玩意儿到底能干嘛。”

我想了想，告诉他：你的问题不在AI身上，在你身上。

不是说他笨——他是个挺聪明的人。问题是他对AI的”期望”是一片混沌。他没搞清楚AI在哪些事上是”老司机”，在哪些事上是”小白”，又在哪些事上是”看着像老司机其实是托儿”。

今天这篇文章，我就把这件事掰开揉碎讲清楚。读完之后，你以后再用AI，至少不会像他那样——把它当万能的，最后被坑得找不着北。

一句话讲清原理：AI擅长”模式”，不擅长”事实”

要划清边界，先回到上周我们说的原理。

AI干的事，本质上就一件——从它见过的海量数据里，找规律，然后套规律。它擅长的是”模式”：什么样的开头通常接什么样的结尾，什么样的问题通常用什么样的方式回答，什么样的代码通常长什么样。

它不擅长什么呢？具体的、唯一的、需要核实的”事实”。比如某家公司2023年第三季度的具体营收，比如某条法律的最新修订版本，比如你家小区物业去年涨了多少。这些东西没规律可循，得去查、去问、去翻记录。AI翻不到，它就按”应该差不多长这样”的方式给你编一个。

记住这一条，你就能推出来后面所有的边界。

AI能做好的事，都是”模式重于事实”的事——写作、翻译、改写、总结、起草、分类、提炼、套模板。这些活儿，规律占大头，事实占小头，AI做起来又快又稳。

AI做不好的事，都是”事实重于模式”的事——查具体数据、引用具体条款、报最新行情、给医学诊断、做法律裁决。这些活儿，每个细节都得对，AI一旦开始”按规律猜”，就坑你没商量。

把这一条记住，下面的内容你都能对号入座。

第一类：AI能让你省一半时间的活儿

这一类我直接给你点名。这些事，2026年的今天，AI做得已经比大多数普通人手工做得好——速度快好几倍，质量还稳。

写文字类的初稿。工作邮件、会议纪要、岗位JD、产品文案、社交平台贴文、年终总结、述职报告。你给它清楚的要求，它给你一个七八十分的初稿，你在初稿上改改就能用。这件事AI替你省下的时间，按周算，可能是好几个小时。

翻译和润色。把一段中文翻译成英文、把一段英文改得更地道、把一封措辞生硬的回信改得圆滑一点。它在这件事上的表现，已经超过了我认识的大多数英语六级毕业生。前提是你别让它翻译特别专业的合同条款——那是另一回事。

长文档的”摘要+答疑”。你扔给它一份五十页的PDF，让它告诉你”这份合同里关于违约金的条款都说了什么”，它能在十秒内给你一个挺靠谱的回答。让它读会议录音转文字，提炼出”今天会上谁说了什么、决定了什么”，它做得也很漂亮。

写代码。这个我得多说两句。AI在写代码这件事上的进步，是过去两年所有领域里最快的。它现在能帮你写脚本、改bug、把一段Python翻译成JavaScript、解释一段你看不懂的代码在干嘛。即使你完全不会编程，你也能让它帮你写一个”自动整理桌面文件”的小程序——这就是后面我们要专门写好几篇的”Vibe Coding”。

头脑风暴和问题拆解。你卡在一个事上，让AI”给我列十种可能的解法”、”帮我从五个不同角度想想这件事”。它列得又快又全。你不一定每条都用，但它能帮你打开思路——这种”陪你想”的活儿，它干得贼好。

整理和分类。把一堆乱七八糟的客户反馈分成几类、把一份名单按某个维度排序、把一段聊天记录里所有提到的人名地名挑出来。这种”机械但费眼睛”的活儿，AI比你认真得多。

这一类活儿的共同点是——都是”模式”占大头，都允许你校对一遍再用。你不是把答案直接交出去，你是把AI的产出当原料，自己再过一遍。这种用法，是AI价值最高的地方。

第二类：AI永远做不好的活儿

这一类活儿你想都别想。让AI干这些事，等于让一个住在图书馆里、从来没出过门的学者，给你写一篇关于今天早高峰地铁挤不挤的评论——他的本事再大，他也不知道。

实时的、最新的信息。AI的训练数据是有截止日期的。你问它”今天美股开盘什么情况”、”昨天那场比赛谁赢了”、”小米最新发布的手机定价是多少”——除非它接了实时联网的工具，否则它给你的答案，要么是过时的，要么是编的。即使接了联网，也只是把搜索结果总结一下，准确性取决于搜出来的网页。

精确到具体的数字、日期、人名、引文。前面说过，这是它最容易翻车的地方。”《刑法》第几条第几款怎么规定”、”莎士比亚那段名言原文是什么”、”我们公司去年Q3净利润多少”——这种问题它会”按规律猜”，猜出来的东西看起来很专业，仔细一查全是错的。

真正的专业判断。我特别提醒一下：医疗诊断、法律裁决、心理咨询、投资建议——这四件事，AI给的答案永远只能当”参考的参考”。不是说它写得不好看，是说这四个领域的”对”和”错”，差一个字就是差一条命。它没法看你的病，没法知道你案子里的所有细节，没法摸到你心里那点说不清的东西，也没法为你的钱负责。

第一手的、现场的事实。”我们办公室里那台打印机为什么不响”、”我家娃刚才哭了一通是怎么回事”、”楼下那家店今天开没开门”——这种事它没办法回答，因为它人不在现场。它要么说”我不知道”，要么编一个貌似合理的理由。

有强烈个人色彩的判断。”我该不该跟我现在的对象结婚”、”我这个生意要不要继续做下去”、”我明天该穿哪件衣服”——这些事它没法替你回答。它能帮你列pro/con清单，能帮你梳理思路，但最后那一下”该不该”，没人能替你拍。AI给的答案听起来都挺有道理，但你心里清楚——它根本不了解你。

这一类活儿的共同点是——它要么需要”现场”，要么需要”最新”，要么需要”为你的具体情况负责”。AI这三样都没有，它就是个图书馆里的学徒，再聪明也帮不上忙。

第三类：最危险的——看着行其实在坑你的活儿

第一类和第二类，分清楚不难。最坑人的是这第三类——它看起来给你了一个特别像样的答案，你拿去用了，然后你才发现里面有坑。

我给你举几个真实场景。

让AI帮你查法律条款。你问它”劳动合同里员工试用期最长能签多久”，它告诉你”根据《劳动合同法》第十九条，试用期最长不得超过六个月”——这条是对的。但如果你问得更具体，比如”如果合同期是一年半，试用期最长能签几个月”——它可能给你一个看起来合理但不对的答案。法条有规则，但规则之间的组合千变万化，AI有时候只对上了一半。

让AI帮你写投资分析。你让它分析一只股票，它能给你一份看起来挺专业的报告，里面有营收增长率、市盈率、行业对比、风险点——格式漂亮、术语齐全。但里面那些具体数字，有30%的概率是它编的或者过时的。你要真拿这份报告去做决策，可能会赔得很惨。

让AI帮你做竞品分析。你让它对比两个产品的功能差异，它给你一张漂亮的对比表。但那张表里至少有一两条是错的——某个功能它写”支持”，但实际上不支持；或者某个产品它把对手的特性写到了你产品上。这种小错误，对话里你看不出来，做成PPT给老板看就糟了。

让AI帮你做”看似简单”的数学计算。”如果我把10万块投到一个年化6%的产品，复利5年，能有多少钱”——这种题它有时候算对，有时候算错。AI不是计算器，它在做数学——它在猜”这种题的答案通常长什么样”。涉及钱的计算，永远拿计算器再算一遍。

让AI帮你写引用、参考文献、学术论文。这是学术圈被坑得最惨的领域。AI会给你一个看起来非常正规的参考文献——作者、期刊、卷号、页码，全套配齐。然后你去查，发现这篇论文根本不存在。它叫”幻觉文献”，被它坑过的研究生不计其数。

让AI帮你给客户写承诺。”帮我起草一份产品保证书，承诺三年内免费维修”——它会爽快给你写出来。但它不知道你公司的实际维修能力、不知道你的成本、不知道你这一行的法律红线。你照着发出去，签了字，后面的责任全是你的。

第三类活儿的共同点是——它产出的东西”看起来”专业、完整、可信，但里面藏着你不去核查就发现不了的硬伤。这种坑最深，因为你掉进去之前还感谢AI帮你节省了时间。

一个简单的判断框架

讲到这儿，我给你一个三秒钟就能用的判断框架，红绿灯法：

绿灯——放心用：你做的事属于”模式重于事实”，且产出会被你或别人再校对一遍。比如写邮件初稿、做翻译、写代码、整理资料、头脑风暴、改文案。这一类直接上，能省多少时间省多少时间。

黄灯——校对再用：你做的事里夹了一些”具体事实”，但你能一条条核实。比如写报告里要引用数据，让AI起草大框架，但每一个数字、每一个引用、每一个人名，你自己再查一遍。这一类AI能帮你大忙，但你不能偷懒。

红灯——别用：你做的事是”事实重于模式”或”为你具体情况负责”的事。比如做医疗决定、做投资决策、写法律承诺、判断婚恋大事。这一类要么别用AI，要么AI给的答案只能当”再问一个真人”之前的预热。

这个框架你过一遍，刚才你那位朋友的三件事就清楚了——

让AI写邮件：绿灯，没问题，越用越爽。 让AI查公司去年具体营收：红灯（除非接了你公司的内部系统），别让它编。 让AI替你决定要不要给客户打折：红灯，这是为你具体生意负责的事，AI做不了。

最后说几句容易被忽略的实话

写到这里，再补几句很多文章不会跟你说的实话。

第一，AI的边界是会变的。今天这篇文章里说的”红灯”，三年后可能很多变成了”黄灯”。技术在跑，能力在涨。所以你别死记硬背”什么AI不能干”，要记住背后的原理——它在猜，它会幻觉，它没现场感。原理不变，应用方式自己迭代。

第二，”AI做不好”不等于”AI没用”。哪怕你做的是医疗、法律、投资这种”红灯”领域，AI也不是零作用。它能帮你整理已知信息、列出该问的问题、对照资料看看有没有遗漏。它不能代替你的判断，但它能让你的判断”准备得更充分”。

第三，对AI抱合理的期望，比掌握任何提示词技巧都重要。我看过太多人对AI失望透顶，归根结底是把它当成了它不是的东西。把它当神，你会被幻觉坑；把它当玩具，你会错过它真能帮你的地方。把它当成”一个又快又勤奋但有时候会瞎说的初级助理”——这个心态，是用好AI的前提。

第四，最常见的一个误区——有人觉得”反正AI会出错，我就不用”。这就跟”汽车有时候会爆胎，所以我宁愿走路”一样不划算。你需要的是知道什么时候不能让它独自上路，而不是干脆不用。

结尾：用得好AI的人，先想清楚边界

今天这篇文章把AI能做、不能做的事大致摆开了。

你会发现，用好AI的关键不是”会写多复杂的提示词”，而是”先想清楚这件事AI到底擅不擅长”。擅长的事，你说得糙它都能给你做出来；不擅长的事，你写得再花，它还是给你瞎编。

很多人对AI的体验差，不是AI差，是他们一直在拿AI做AI不擅长的事，然后下结论说”这玩意儿没用”。这就跟拿榔头去拧螺丝一样——榔头没问题，是你工具用错了。

我希望你读完这篇之后，下次用AI之前能多花三秒钟问自己一句：我让它做的这件事，是模式重于事实的事，还是事实重于模式的事？

这一问，你80%的坑都能避开。

下期预告

下周二我们聊一个所有人都关心的问题：你的第一次AI对话——从”问得烂”到”问得好”的提示词入门。

很多人第一次用AI，问”帮我写篇文章”，AI给的东西干巴巴；问”帮我想想怎么办”，AI给的东西没法用。不是AI不行，是你问得太糊。下一篇我会用很多真实的对照例子，告诉你同样一件事，问得糙和问得讲究，差出来的不是一点点——是天和地。

如果今天这篇让你觉得心里某个糊涂的地方被擦干净了，点个”在看”或者转发给那个一直跟你抱怨”AI没那么好用”的朋友——他多半就是在拿榔头拧螺丝。

周六见。我们《本周AI速报》上聊。

《AI破局》公众号，每周二深度科普，每周六行业速报。从AI小白到实战高手，用普通人听得懂的话，讲清楚人工智能的本质、工具、机会与陷阱。