当 AI 开始替你干活,你最该学的反而不是 AI|AI 重构个体 02

AI 时代，我们可能需要重新学习一遍，怎么工作。

你可能会问我，我们都已经工作了这么多年，开会、写方案、做表格、整理资料、推进项目、解决问题，这些事情每天都在做，有什么需要重新学的？

但在我使用 AI 三年多来，现在已经把 AI 深度融入我的工作里后，我发现一个了变化。以前我把 AI 理解成一个效率工具。原来写一份东西需要两个小时，现在可能十分钟；原来整理一堆资料很麻烦，现在扔给 AI，很快就能得到结果。这个阶段当然很有价值，但如果 AI 只是让我们把原来的工作做快了一点，它带来的变化其实没有那么大。

但现在 AI 不只是帮我写东西，而是已经可以理解问题、分析资料、设计方案、操作我的电脑，甚至我只要下达任务和告诉它完成标准，它就能自己单独连续运行十几个小时，直接把我要的东西做出来，那我为什么还要按照原来的方式工作？

以前遇到一个任务，我的第一反应通常是：我要交付个什么东西

比如，做一张表，写一份方案，做个 PPT，搭一个系统。我们太习惯这种工作方式了。老板让我汇报一个项目，我马上做 PPT；数据比较乱，我马上想做一张表；客户管理有问题，我马上想是不是应该搭一个 CRM。

我们以为自己在解决问题，其实很多时候，我们只是在选择一个交付形式。因为「做一张表」不是问题，「为什么需要这张表」才是。

如果这张表是为了让几个人能够看到同一份客户信息，那么真正的问题可能是信息没有集中。如果信息已经集中，却没有人持续更新，那问题可能是维护机制。如果大家都在更新，却还是经常出现重复、错误，那问题又可能出在最底层的数据结构。继续往下追问，甚至可能发现：你原来准备做的那张表，根本就不是最合适的解决办法。

AI 出现以后，「做」这件事突然变得太容易了。

过去做一个东西，成本很高。你要花几个小时做表格，花几天开发系统，协调很多人才能做出一个东西。以至于大家现在认为：做出来一个东西很贵。

现在不一样。AI 可以很快给你生成一张表，很快写完一份方案，甚至很快搭出一个能跑的系统。执行成本突然降低以后，一个以前不那么明显的问题反而暴露出来了：如果方向错了，AI 只会让你更快地把错误的东西做出来。

那你可能会说：做之前，我先把问题想清楚，再交给 AI 执行不就行了？

我一开始也是这么理解的。人负责思考，AI 负责执行，听起来分工非常合理。但真正实践下来，我发现事情没有这么简单。

现实中的工作，大部分不是考试题。很少有人会拿着一个定义完整、边界清楚、目标明确的问题走到你面前。更多时候是：这个地方好像不太对，这件事特别耗时间，我觉得应该做个什么东西解决一下。问题一开始往往就是模糊的，而且很多时候，我们脑子里已经默认了一个答案。

比如「我需要做一张总表」。这句话看起来是需求，其实已经是解决方案了。

为什么一定是一张表？真正需要统一的是什么？哪些信息必须进入？谁负责维护？信息从哪里产生？什么叫有效数据？以后怎么持续更新？做到什么程度，才算真的解决了问题？

这些问题继续追下去，原来的需求很可能会发生变化。

我以前会觉得，这部分应该由人自己想明白。但现在我越来越觉得：问题定义本身，也应该由人和 AI 一起完成。

这可能是很多人还没有把 AI 真正用起来的一种能力。我们总觉得，只有自己想清楚了，才能去找 AI。其实不一定。你完全可以告诉它：我现在遇到了什么，为什么觉得这里有问题，已经尝试过什么，哪些地方自己也没有想清楚，然后让 AI 继续追问。

这个过程就是把你脑子里的东西倒逼出来，再和 AI 一起整理。最后做决定的仍然是你，但你不需要一个人完成整个思考过程。

AI 很快就会给你一套看起来非常完整的方案：第一步做什么，第二步做什么，需要哪些字段，谁负责什么，甚至连成功标准都给你写好了。这个时候最危险的动作，就是「看起来不错，执行吧」。

因为 AI 给出的方案再完整，也不代表它一定适合你的真实情况。

所以有一个动作很重要：看完以后先判断。

它对我的理解准确吗？有没有漏掉什么重要背景？这个优先级是我真正想要的吗？它定义的东西和我的定义一致吗？这个步骤现实里能不能执行？哪些地方我不同意？

这才是人真正开始发挥价值的地方。

以前我们大量的时间花在哪里？找资料、读资料、整理资料、复制、粘贴、填表、归类、写初稿、调整格式。这些工作当然也需要动脑，但其中很大一部分并不是高价值判断，只是因为过去机器不会做，所以只能由人做。

于是久而久之，我们把「亲自做这些事情」和「我的工作能力」绑在了一起。一个人 Excel 很熟，我们说他工作能力强；一个人 PPT 做得快，我们说他工作能力强；一个人能同时处理很多信息，我们觉得他工作能力强。

可 AI 开始接管这些动作以后，问题就来了：如果这些东西都不用你亲自做了，你的价值到底在哪里？

以前我经常会问自己：「这项工作能不能交给 AI？」

后来发现，这个问题还是太粗浅了。因为真实工作很少能干干净净地分成：这件事人做，那件事 AI 做。同一个任务里，可能同时包含大量机械处理和少量非常关键的专业判断。

比如面对大量信息。读取，可以让 AI 做；整理，可以让 AI 做；分类，可以让 AI 做；提炼重点，可以让 AI 做；发现异常，可以先让 AI 做第一轮；甚至初步回复，也可以让 AI 生成。

可到了最后，这个异常到底严重不严重？这个人现在需不需要介入？这句话合不合适？这件事要不要升级处理？这个决定带来的后果谁承担？这些地方，人的判断就很重要了。

所以我现在觉得，AI 时代下的工作模式，不能再看「任务」，而是：判断点。

先把一项工作完整拆开，看看哪些步骤只是信息处理，哪些只是软件操作，哪些其实有稳定规则，哪些地方真的需要人的经验、价值判断和责任承担。前面的东西尽量交给 AI，到了关键判断点，人判断完，再让 AI 继续往下跑。

我认为，以后很多工作都会重构一遍。过去是一整条工作链都由人完成，以后可能变成 AI 跑一段，人判断；AI 再跑一段，人再判断，直到最后产生结果。

但你知道吗？即使我知道 AI 可以做，我有时候还是会下意识地自己动手。

看到一张表，手马上就点开了；看到一堆资料，开始自己整理；需要把几个文件放到一起，第一反应还是复制、粘贴、拖文件。甚至明明前面已经在和 AI 一起讨论怎么解决问题了，到了真正执行的时候，脑子里冒出来的仍然是：「好，那我现在开始整理。」

这个反应太自然了。因为我们过去十几年、几十年的工作方式，就是这么训练出来的：有任务，自己做；不会，去学；学会了，再做；熟练以后，提高速度。电脑只是我们手里的工具。

AI 是的，我们需要改变工作的模式。

以前遇到问题，我们问：「我该怎么做？」

以后可能应该先多问一句：「这件事为什么一定要我自己做？」

这两个问题的差别很大。第一个问题默认执行者是我，第二个问题重新打开了执行者的选择。

这可能是 AI 进入真实工作的一个分水岭。

如果这个习惯没有改变，你即使每天都在用 AI，也可能只是多了一个聊天窗口。查资料问一下，不会写的时候问一下，写完以后润色一下。AI 一直在旁边，但工作的主体仍然是你，你还是那个亲自操作一切的人。

只有当你开始不断寻找：这里能不能让 AI 读？那里能不能让 AI 整理？这个表能不能让 AI 建？这个软件能不能让 AI 操作？这个流程能不能让 AI 自己跑？你的工作方式才真正开始变化。

现在大家都在学 AI。

Prompt、智能体、Skill、工作流、各种模型，这些东西我自己也一直在研究。那如果一个人学会了所有这些东西，却仍然按照原来的方式工作，我们能不能说他真的「会用 AI」？

我现在觉得不一定。

因为应用工具的能力和工作的方式是两件事。一个人可能非常熟悉各种 AI 工具，却还是习惯先自己想完、自己整理、自己操作、自己检查，最后实在做不动了，再叫 AI 来帮一下。

这仍然是过去的工作方式，只是最后加了一个 AI。

真正的变化应该更早发生。从任务刚刚出现的时候，AI 就进入了：我到底在解决什么问题？这个问题有没有定义错？还缺什么信息？有哪些可能的路径？应该先验证什么？哪些步骤可以直接执行？哪里必须停下来让我判断？

整个过程都可以重新设计。

我们现在所谓的「学习 AI」，最后可能会变成一次工作方式的重新训练。

就像电脑刚进入办公室的时候一样。今天我们觉得用电脑工作理所当然，但曾经有一代人需要重新学习打字、Excel、邮件、搜索。后来这些东西不再被叫做「电脑技能」，它们就是工作能力。

AI 时代我们也会经历这个过程，只是这一次变化可能更大。

如果 AI 可以帮我们完成大量工作，人还剩下什么？

我觉得人要知道自己究竟想解决什么，要能够判断 AI 对问题的理解有没有偏差，要知道什么时候可以让它继续、什么时候必须停下来，要在多个看起来都合理的方案之间做选择，还要对最后产生的结果负责。

这些能力以前当然也重要，只是过去大量执行工作把它们包在里面了。一个人既负责搜集资料，也负责分析；既负责做表，也负责判断；既负责写方案，也负责决定。所以我们很难看清，到底哪部分能力最值钱。

AI 正在把这些东西一层一层剥开。当大量执行工作被拿走以后，人真正不可替代的，真正有价值的部分反而会越来越清楚。

那以后我们评价一个人「会不会工作」，标准会不会发生变化？

过去我们会看，这个人能不能独立把事情做完。以后也许要看：他能不能把一个模糊的问题变清楚，能不能调动足够的智能完成它，能不能在关键节点做出正确判断。

如果真是这样，那么 AI 带来的变化就远远不只是效率提升。它甚至在改变我们对「能力」的定义。

过去，一个人的能力很大程度上等于：我自己会什么。

未来，一个人的能力可能越来越接近：我能够调动多少 AI，把一个真实问题解决掉。

很多人曾问我，企业 AI 落地，AI 到底应该怎么融入工作，给大家上 AI 工具那是基操，但工具变得越来越不重要。

因为工具一直会变。今天是这个模型，明天可能又换一个。真正需要大家有意识的是：看到一项工作以后，不要立刻低头开始做，先问问自己：

我真正要解决的问题是什么？哪些信息已经存在？哪些东西需要被重新定义？AI 可以参与到哪一步？哪些动作根本不需要我亲自完成？哪里才需要我的专业判断？最后我要验收的到底是什么？

如果这些问题慢慢变成一种习惯，我们和 AI 的关系才会真正发生变化。AI 不再只是一个「有问题时问一下」的工具，它开始进入工作的全过程；而人也不再需要通过亲自完成每一个动作来证明自己的价值。

那你可曾想过：如果大量「执行」都可以交给机器，那么一个真正会工作的人，到底应该会什么？

ABOUT / QUZHI

你好，我叫曲直，一名 AI 实践者。

我一直在研究一个问题：

当 AI 成为一种可以随时调用的智能以后，人和组织的工作方式会发生什么变化？

向内，我关注 AI 如何改变一个人的学习、思考、判断和工作方式，让经验和方法不断积累，持续放大个人能力。

向外，我关注 AI 如何进入真实业务，重构流程、协同和决策，让个人能力进一步沉淀成组织可以持续复用的能力。

这里记录的，都是我在真实工作和实践中的思考、尝试、失败和复盘。

目前主要写两个系列：

《AI 重构个体》

研究 AI 时代，人应该怎样重新工作。

《AI 重构组织》

研究 AI 时代，组织应该怎样重新运行。

如果你也在用 AI 工作，或者正在推动 AI 进入企业，欢迎加我微信交流。

我的视频号「曲直一点」也会持续分享这些实践与思考。

欢迎加我微信交流