开场观察

AI时代，普通人如何找到自己的位置？从一件真实任务开始，让工具处理信息，把判断、选择和人与人的信任握在自己手里。

AI处理信息，人决定方向

最近，关于 AI 的消息，总带着一点催促人的意思。

今天，一个新模型发布了；明天，一种工作流火了。有人说一个人就能开公司，有人说再不学就要被淘汰。看了一晚上，收藏夹里多了十几个教程，第二天坐到办公桌前，却还是不知道该从哪里开始。

这大概是许多普通人面对 AI 时最真实的处境：知道变化来了，也愿意往前走，只是周围的声音太多，脚下的路反而看不清。

我觉得，我们可以先放下那个过大的问题——“AI 将怎样改变人类”，回到一个更具体的问题：

在我自己的生活里，它能帮我做好哪一件事？而哪一件事，我更应该亲自做好？

先看清自己的工作，究竟由什么组成

“AI 会不会取代我的职业？”这句话很容易把人带进焦虑里。

因为一个职业的名字太大了。

老师的工作，有整理资料、制作课件、批改作业，也有观察一个学生为什么突然沉默，判断他究竟是没听懂，还是已经失去了信心。

工程师的工作，有查文档、写代码、做图表，也有弄清客户真正想解决什么，在几个都不完美的方案之间作出选择，出了问题之后把它处理到底。

这些任务，都装在同一个职位名称里，却需要很不一样的能力。

国际劳工组织在 2025 年的一项研究中估计，全球约四分之一的就业处于某种程度的生成式 AI 暴露范围内；研究同时指出，由于仍需要人的参与，多数相关工作更可能发生转变。这里的“暴露”指任务受到技术影响的潜在程度，不能读成“四分之一的人将失业”。

对个人来说，一个有用的起点，是把自己上周做过的事情列出来。

哪些事情重复、耗时，而且结果容易检查？哪些事情涉及现场情况、人际关系和重要判断？哪些环节一旦出错，后果就需要你来承担？

先把工作拆开，你才知道从哪里开始尝试，也才看得清自己真正的价值在哪里。

给 AI 一件真事，别只给它几个问题

很多人体验 AI，停留在“问一句，看它答得像不像”。玩了几次，觉得很厉害，也觉得没什么用。

真正的变化，往往发生在你交给它一件有明确结果的事情之后。

比如，你准备给学生讲一个很难理解的概念。可以把授课对象、已有基础和最常见的误解告诉 AI，让它提出三种解释方式。再从中选一种，自己检验例子是否准确，带到课堂上看看学生能不能听懂。

再比如，你要分析一份可以使用的公开数据。让 AI 先帮你梳理字段、拟出处理步骤、写一段初步代码。你负责检查单位、缺测值和计算结果，最后回答那个真正重要的问题：这份数据究竟说明了什么？

一次有价值的使用，应该留下一个经过检查、能够交付的结果。

那可能是一页更清楚的讲义，一张能解释问题的图，一份不再反复返工的表格。

从一件小事开始，把它做完整，比每天追着十个新工具跑，更容易形成属于自己的方法。

越容易得到答案，越需要知道答案靠不靠谱

把资料交给AI整理，再由人核对原始来源和结果

以前，做一份像样的材料，要花很多时间。现在，几段整齐的文字、一张漂亮的图、一个看起来完整的方案，很快就能出现在屏幕上。

问题也恰恰在这里：外观上的完成，越来越容易让人误以为事情已经完成。

引用的论文是否存在？数字的口径是否一致？代码运行成功，是否意味着它算对了？建议听起来合理，是否适用于眼前这个人和这件事？

这些问题，仍然需要有人追问。

所以，基础知识并没有因为 AI 的出现而失去意义。读过书、做过实验、处理过实际问题的人，往往更容易发现哪里不对，也更能提出有用的下一问。

专业积累还会影响你使用 AI 的上限。你知道什么是好结果，才能把它往那个方向带；你了解哪些地方容易出错，才能在那里停下来核验。

我们需要养成一个习惯：看到很顺的回答，先别急着转发；看到很漂亮的结果，回头看看它是怎么得来的。

把工具用起来，也把自己的判断留在场。

当制作变容易，选择就更重要了

AI 给普通人带来的一个机会，是让一些过去成本很高的尝试，变得有可能。

一个懂行业的人，可以尝试把自己的经验做成小工具；一个有表达欲的人，可以开始整理观点、制作内容；一个长期被琐碎事务拖住的人，也许能够腾出一点时间，去处理更重要的问题。

但门槛降低之后，别人也能更快地做出来。

这时候，更值得花心思的事情，是选择：你在为谁解决问题？对方为什么需要它？你提供的东西，究竟好在哪里？

一篇文章能迅速写出几千字，并不意味着它就值得被阅读。它得有你真正想说的话，有你认真观察过的生活，有你愿意为之负责的判断。

能做的事情变多以后，我们尤其需要知道，什么值得自己去做。

也给人与人的连接，留出更多时间

两个人围绕真实问题交流，AI作为旁边的辅助工具

效率提高之后，省下来的时间，会去哪里？

如果只是换成更多任务、更多消息和更长的工作时间，我们可能会更忙，却未必更接近自己想要的生活。

不妨留出一部分时间，认真听一个学生把问题说完，和同事把分歧谈清楚，陪家人吃一顿不用不断看手机的饭。

很多事情的难处，就藏在这些具体的人和具体的情境里。愿意听、能够理解、说到做到、出问题时不躲开，这些品质一直有价值。

工具越来越强，我们也可以借这个机会，重新想一想：自己希望成为什么样的人，希望和身边的人建立什么样的关系。

从这周开始，做一次小小的试验

如果你还没有找到入口，可以试着用一周时间，完整做完一件事。

选一个你本来就要做、出错后也容易纠正的任务。记下过去通常需要多久，再让 AI 参与其中。开始之前，把目标、材料、限制和验收标准说清楚。

做完以后，别只看它回答得有多快。把修改、核实和返工的时间一起算进去，看看结果是否真的更好，自己是否真的省下了精力。

如果有用，就把这次的做法和一个好样例保存下来，下次继续改。如果没用，就看看是任务不合适、信息没说清楚，还是工具暂时做不到。

这样的试验，不需要你先成为专家。它会让你逐渐分清，哪些是热闹，哪些是能进入自己生活的进步。

AI 的时代已经来到我们面前。我们很难准确预测几年以后的一切，却可以认真安排明天的一件事。

去学一点，去试一次，去核对一个答案，去完成一个真正有用的结果。

在变化里慢慢长出自己的能力，也保留自己决定方向的力量。

---

资料来源：国际劳工组织，《Generative AI and jobs: A 2025 update》（2025）。https://www.ilo.org/publications/generative-ai-and-jobs-2025-update

配图说明：本文封面及插图由 AI 生成，用于表达文章观点，并非真实人物或新闻现场。