你是什么段位,AI就是什么段位(因为workbuddy,上了一次播客)

节前抽空参与了kevin的播客，聊了聊AI应用场景的事。录制完这次对话，对我自己的启发也很大，让我重新审视了三个重要的认知。

和Kevin聊完，我最大的感受是——很多我认为理所当然的事情，原来已经有了值得分享的价值。

比如本地AI和问答式AI的本质区别。比如”底干净、顶有框架”这两个前提有多重要。比如AI辩论团这个用法，很多新加入AI的朋友可能还未尝试过。

这次录制也让我重新梳理了一下自己这一年用AI的真实认知，对话里有三个我觉得最值得分享：

第一个认知：AI是超级实习生。

它像清华北大毕业的聪明人，上手快、执行力强，能帮你压缩大量时间——原本几天到一周的工作，现在几小时到一天。但它没有行业经验，不懂你公司里的利益关系，也不会帮你”甩锅”。这是它的局限，也是它的定位：执行层面的放大器，决策层面的辅助工具。

第二个认知：你是什么段位，AI就是什么段位。

同样装了AI，每个人的结果完全不一样。关键在于两件事——底要干净（你的数据源可信），顶要有框架（你得先告诉它逻辑是什么）。我花了两个多礼拜给AI建了一套标准化的新品分析框架：市场→竞品→产品生命周期→患者评估。框架搭好之后，丢一个药名进去，一两个小时出完整报告。原来四五天才能给老板的答案，现在当天就能交。

第三个认知：先动起来，在使用中探索边界。

我最早装AI的时候也不知道它能干嘛，所有场景都是在沟通中慢慢发现的。现在大概70%到80%的工作流都在用AI——跨平台数据整合、公众号日更、AI辩论团挑刺、CRM自动化记录客户……都是趟出来的。

这三个认知，是这次对话的底色。下面是那次访谈的完整对话记录，我没做太多删减，只是调整了口语化表达，保留了完整的思考过程。

一、从”更聪明的搜索”到”超级实习生”

Kevin：你是什么时候开始用AI的？

胡迪：最早用的是豆包，现在也还在用——尤其是孩子的作业监管，离不开它。但豆包只能解决问答型搜索，稍微复杂点的任务就不行了。

今年本地AI出来之后，习惯发生了根本性变化。本地AI装在你电脑上，能连接你所有的文件、文档、微信聊天记录、钉钉记录……这种多平台信息聚合之后，产生的化学反应远远超过想象。

我现在对AI的定义不再是”更智能的搜索”，而是超级实习生——招了个清华北大毕业的聪明人，上手快、执行力强，但他不懂你公司的实际环境，不知道怎么平衡各部门利益，甚至不会甩锅。你交给他的工作他能很快完成，但所有行业判断和逻辑梳理，还是你自己的事。

从这个定义出发，我原本二三十靠AI搜索、七八十自己干的比例，完全反过来了——现在是七八十靠AI帮我解决。

二、用好AI的两个前提：底干净 + 顶有框架

Kevin：AI产出的质量怎么样？需要大幅调整吗？

胡迪：这得分两个角度讲——看底、看顶。

底是你的数据源。 很多人觉得AI不好用，核心原因是数据源不干净。豆包这类工具抓的是今日头条、字节跳动的二手信息，基于这种数据给出的结论必然错漏百出——这就是所谓的”AI幻觉”。我的原则是：至少80%的数据必须来自我自己确认过的可信来源。

举个例子，我要评估一款新药能不能引进零售市场，我不会去网上搜文章说”这药一定卖得好”。我会从中康导零售数据、米内网导医院数据、再导分子式、临床试验报告、指南……所有一手数据打包喂给AI，成功率就很高。

顶是你的思维框架。 中国大概6亿人在用AI，但我相信绝大多数人没有给过AI一个框架。AI本身不会帮你梳理逻辑，这个结构一定是你喂给它的。

我做新品评估的框架是这样的：市场规模 → 市场竞品 → 产品生命周期（一代二代三代有没有新药在研）→ 患者评估（吃一月还是吃一年）。我把这套逻辑调了两个多礼拜，建成专门的智能体。现在丢一个化学名进去，它会按我的框架一章一章出结论，最后汇总成完整文档。

清明节那个案例：晚上7点半有人在群里发了个药名问我好不好，我10点钟就交出了完整报告——真正产出只花了一两个小时，中间还留了一个多小时验证结果。原来这项工作要周五才能给老板答案。

关键是我可以让它run 100次，它也不会有情绪。

但有一个底线：你不能让它无限制地网上搜然后直接用。网上的信息如果占到大部分，会污染输出，导致你验证的过程非常漫长。最终你要问自己：这个东西你敢不敢拍板？敢不敢给别人用？老板付你那么多薪水，你交出的东西你得能扛得住责任。所以人和AI到目前为止，在我这里更像是一种协作关系。

三、四个实战场景

场景一：跨平台数据整合——从月报到随时问数

我们是一家药企，数据分散在七八个平台和系统里：京东自营、京东POP、阿里、美团、拼多多、线下药房……还有ERP、WMS、追溯码系统的进销存数据。原来做销售汇报以月为单位，每个部门派人拉表，财务部再合并。

现在的做法：各平台通过后台或API自动取数，汇入AI。我有一台固定电脑专门做这件事，每周更新一张几万行的标准表。现在我在微信上跟AI说”帮我看一下这个品过去三周的销售变化”，一两分钟就能分SKU、分规格、分平台列出数据，还能出图表。

原来需要一个月才能发现的问题（某个平台销量暴涨暴跌），现在一周甚至几天就能发现并处理。原来需要一个”数据中台部门”，现在一两个人就够了。

Kevin问：能做归因分析吗？

一定程度上可以。AI有历史对比数据，能判断波动是否异常，也能结合外部因素（比如感冒季流量增长）给出方向性指引。但你不能完全相信它，它更像是启发——告诉你”运营你应该看这几个点”，最终结论还是需要运营拿更多数据去验证。

场景二：TP代运营——几分钟出周报

我们帮品牌方做电商代运营，一家店可能滚着1个亿的生意、大量SKU。周报、月报、日报原来必须人做，现在只要报告结构没大变，几分钟到一小时就能更新完成。

场景三：AI辩论团——让AI自己”打架”

工作中很多问题没有标准答案，但思考要充分。我在AI里建了一个小团队：模拟产品市场部、供应链、销售、总经理，把每个人的角色身份定义好，然后把问题抛进去，让他们”打架”。

90%的情况下最终结果不是我想要的，但过程本身给我很多视角。我很难切换到供应商的角度去想商务政策合不合理，也很难切换到老板的角度从公司财务大局去看——但这些视角的变化，AI能帮我做到。

还有一个用法：写完报告后丢给AI，说”你是我的老板，请以严厉的角度批判我的方案”。它真的会挑刺，有些点我确实没想到，马上改。这个过程把输出质量往上提了一大截。

场景四：公众号日更——地铁上写完一篇文章

我的工作流：电脑上跑三个自动化任务，每天早上8点多推送宠物医疗、药品、大健康三个行业的精准新闻。起床看完新闻，挑一篇感兴趣的，用手机语音跟AI聊我想写的观点——半小时出一版大纲；再用语音把表达方式说给它听，它帮我变成书面文字。

等地铁坐到公司，手里已经是一篇完善的稿子。上班前排个版配两张图，发出去了。原来刷抖音的一个小时，现在出一篇文章。

为什么AI感不重？ 因为本地AI有个Memory文件，记录了我所有过往对话中的行文风格。我以前写过的东西全喂给它，它知道我喜欢偏商业分析的视角。我只要给够好的观点，它返回来的就是相对成型的大纲，我再补充最新观察就行。

前天库克换帅的新闻，我从看到到发文章只用了不到两小时：7点多看到新闻→语音聊观点→AI帮梳理论点和顺序→按我的风格拟稿→反复磨三四次→9点50几分发出去。

四、AI能做创新吗？

Kevin：我一个朋友做美妆创新，需要非常out of box的想法，越超越想象越好。AI能帮忙吗？

胡迪：我觉得可以，但要分清两种创新。

第一种是从无到有的原创——无论AI还是人都很难苛求，无迹可寻。第二种是**”信息错位”式的创新**——把A行业的东西搬到B行业，产生化学反应。这种AI可以帮上大忙。

具体做法分三步：

第一步，信息搜集。 理清各个国家最好的行业网站和信息源，让AI批量抓取最新案例——日本的食品包装、美国的色彩创新、意大利的形式设计……这件事以前需要泡在戛纳和各种海外案例网里碰运气，现在AI可以流水线化。

第二步，建立规则。 告诉AI创新的维度：包装创新？体感创新？成分创新？销售形式创新？比如设定规则”看看食品包装能不能迁移到美妆上”，AI就会按这个框架去归拢信息。

第三步，人工筛选。 AI一天给你1000个idea都不是问题（只要你肯花token钱），但你需要一个懂行业、有直觉的人，从1000个里找到那20个真的能执行的。

所以AI解决的是信息差的问题，把创意支持底层化、规模化。但核心还是两点：要有规则，要有懂行的人来做最后的判断。

五、AI是放大器，不是替代者

我一直说：AI不会替代人，也很难完全甩锅给它。 它本质上只是把你这个人的能力放大了。

这带来一个残酷的现实：刚毕业的人是最惨的。 所有我们描述的工作流，只需要一两个高水平的人来管理流程，下面的小白没有机会去做了。以前广告公司实习生做创意简报，慢慢打磨出sense，一步步升到创意总监——这条路径正在消失。

但反过来，如果你在公司里已经有核心能力、有清晰的规则意识，你的能力会被极大放大。我知道一家初创公司，一年几十万成本，卖给你一整支SFE流向管理团队——企业只需要留一到两个人，剩下的事AI团队全包了。原来大外企做这事至少要10个人。

所以不要焦虑。就像汽车刚发明的时候，你不需要焦虑齿轮怎么转、发动机怎么选。你要想的是：有了这辆车，我能干什么？我擅长什么？把那些你不得不做的事交给AI，你去发挥只有你能做的事。

六、CRM客户管理——给Kevin的方案

Kevin：我做保险，客户沟通占了我很大一块工作。客户的优先级、沟通频率、沟通内容（结合对方兴趣、朋友圈动向、近期话题）……全靠脑子蹦，完全没有体系。AI能帮我吗？

胡迪：完全可以。本质上是搭一套CRM体系，分两层：

第一层：客户档案。 给每个客户在AI里建一张卡——基本信息、兴趣爱好、养什么狗、过敏史、最近聊过什么、上次沟通时间……每次微信聊完，把关键信息语音发给AI，它帮你记录更新。以前销售牛人都有个小本子，现在AI就是这个本子，而且更智能。

第二层：每日简报。 让AI每天早上给你生成一份拜访清单——今天该联系谁、谁超过一个月没联系了、最近有什么活动适合推给谁。不只是提醒你”联系谁”，而是告诉你”聊什么”：

他养狗的，春季了可以聊聊狗狗活动； 他过敏的，这个季节可以聊聊过敏解决方案，顺便推我们的服务； 他爱喝咖啡的，今天约一杯？

我个人的类比：我用AI管理健身训练——体测报告丢给它，它帮我制定计划，每天早上把训练项一条条打到苹果提醒事项里，我去健身房照着做就行了。做完一项点一项，没做完的它第二天自动调整计划。等于免掉了私教。

对你来说也一样：找一台闲置电脑24小时开着，每天晚上把新的活动、资源、会议丢给AI，第二天早上它给你一份简报——该拜访谁、推什么、谁很久没联系了。做得不对的你告诉它，它写到记忆里下次改正，不断迭代，客户画像越来越丰满。

甚至喝完酒的晚上，回家的路上语音跟AI说”今天喝了白酒，明天别忘了这几件事”——它帮你加到日程、提醒、文档里。这就是助理该干的活。

核心优势：本地AI不像豆包每次都是全新对话。它就在你电脑上，独属于你的数据库，累积一个月、一年、两年，是你最宝贵的资产。

七、给新手的三条建议

Kevin：对于一直用问答式AI的朋友，有什么建议？

胡迪：

第一条：先用起来，别想太多。

现在各大厂都出了开箱即用的工具——钉钉用户装悟空，微信用户装WorkBuddy/Qcloud，飞书用户用字节的产品。技术问题大厂都帮你解决了，装完就开始用。哪怕最小需求也行——我推荐给我们老板用的第一个功能就是日程提醒。你不用，永远不知道它能帮你什么。因为每个人用出来的结果完全不一样，跟你这个人高度相关。

第二条：不要抱太大期望。

AI是工业革命，但不是改天逆命。不可能用了AI就从普通人变成百万富翁。但它会慢慢改变你的效率、思维、认知。尝到甜头之后，你会自然地想把更多事情放上去。

第三条：给它磨合期，像带新员工一样。

一开始会很痛苦。你要跟它不断沟通，探索它的边界在哪、会犯什么错、哪些错能改。慢慢把工作流磨出来。我所有场景都是在跟它的沟通中趟出来的——装的时候我真不知道它能干嘛。

成本方面：我不是程序员，目前每月耗费大概一百多块。腾讯软件自带免费额度，再加一个大模型订阅四十多块/月，足够了。

总结就一句话：先走进去，先趟一趟，看看自己到底适合什么样的路。