夜雨聆风学习资料网

ARTICLE · 1204306

年轻人的新困惑:对AI干活结果的迷茫

年轻人的新困惑:对AI干活结果的迷茫

引言

    最近辅导了好几拨年轻人。有没毕业还在读研的,有刚毕业在公司上班的,也有刚开始创业的;有的困惑来自产品方向,有的困惑来自技术。但他们都很聪明,也很与时俱进,用AI工具用得很好。我原以为,这些聪明的年轻人,在AI工具的加持下,应该能把很多老登才能完成的活干得又快又好。现实却是:他们都卡在了最后一步:对AI干活结果的判断。

    比如:有人用AI输出了产品调研报告,却不知道那么多的结论,该采纳哪一条;有人输出了系统框图,却不知道哪个环节是设计薄弱点;有人用AI写了代码,却不知道怎么古法调bug。

    01 对年轻人的观察

    来找我的小伙伴都有个特点:能意识到问题,并且主动来找我讨论。

    他们的说辞都有一定的范式:其实方法论已经知道了,把方法论里的关键词喂给AI,AI就给了很多答案,看到答案的第一瞬间感觉是:开心,任务好像完成了。但是仔细读完AI给的答案,又开始怀疑:这里面哪一条是对的呢?我没做过,没经验,我没法给出判断,就是那种开卷考却不知道从书中拿哪个答案的感觉,好迷茫。

    一般来说,我会先让小伙伴们把问题展开讲一遍,要是以前的我,喜欢直接给答案。但是我现在的耐心可好了。让他们花个半个小时,把问题从头到尾讲一遍,观察他们哪些地方讲得比较顺畅,哪些地方磕磕碰碰,哪些疑惑点能讲得清楚。其实这个过程,就是他们对自己疑惑的二次思考过程,能把问题讲清楚,就已经很好了。而我也能准确知道他们到底做了多少功课,卡住的是哪个环节。

    02 如何辅导

    认真听完后,就像望闻问切好了病症,就能精准辅导了。他们分析得很丝滑的地方,一般来说都是自己已经掌握的,但是他们不知道,我得明确告诉他们这是对的,坚定他们后面学习效果的自我鉴定;他们明确的疑问,我得把答案给出来,而且还要把我的判断依据讲给他们听,比如我自己的案例,别人的案例或者法规标准等。这些案例通常是AI也没训练过的。但我们不会就此打住,而是让小伙伴们继续基于讨论输出自己的成果物,并且把自己的成果物用到业务流程里去看实效。

    03 我的思考

    我自己也是AI的深度用户了,看到了年轻小伙伴的疑惑,也会反问自己是否有同样的对AI结果的迷茫体感?

    回顾我用AI,一般是两大类:老任务和新任务。

    • 老任务的定义是:这个活我以前干过,很繁琐,但不定期还得干。

    如何用AI干自己熟悉的老任务?

    定规则、定要求后扔给AI,AI根据规则要求干体力活,我检验结果。

    用的也是抽检法,比如每个类型的结果都抽三五个样本看看结果的合格率,都合格的话,就信任它的结果;特别是新增类型的结果,就要重点抽检。

    AI经常在新增类型的结果上犯错误,也是我让其返工纠正的高发地。用AI干老任务,有个小技巧:源文件一定要保存,中间产物不一定要保存。特别是从某些数据库扒数据,裸数据的那种,一定要保存,要不然人工干太累了。我是这么想的,现有规则有可能后续还能持续改进,AI也有更好的模型在迭代,这些源数据是珍贵的原材料,后续可以用于自己经验和模型能力的测试。我之前写的不良事件分析,就属于AI经常帮我干的老任务。

    • 新任务的定义是:这活我之前没干过,非常新,但我忍不住想试试。

    如何让AI干自己不熟悉的新任务?

    通常在AI干新任务之前,我自己会稍微自学一些基本功,让自己不那么小白。

    我比较喜欢的方式是去找书看,系统性地了解关键原理。其实就是获取关键字。有了关键字之后,就去问大模型,拿到更多的信息。其实到了这一步,我也会遇到年轻人遇到的那个问题:这么多答案,我该信哪一个?

    我会去找做过的人学习,比如去看文献或者看专利,文献、专利和书不一样,是阶段性新想法的输出,但还没到很系统的那种程度。可以去看他们在探索的过程用了哪些方法,遇到了哪些阻力。去现场、去展会、去厂家交流也是我比较喜欢的方式。这就需要找到真正做过的人:比如去医院找用过手术机器人的医生聊;去展会找产品负责人聊;去厂家找研发人员聊。把真实世界的现状和AI给的答案做对比。

    然后我就根据AI的框架,按照真实世界的复核结果,自己从底层实际推演逻辑完整性,在这个过程,会调用自己的方法论和AI补充的新的方法论,形成一个结果。我会再和AI讲一遍,也会和比我逻辑性更强的人(比如我的高智商队友)讲一遍,讲两遍之后,我心里大概有底了。不管是AI提出的疑问,还是队友提出的质疑,我如果能从容地给出我的理解,差不多就有答案 了。

    看文献、看专利;去现场交流;亲自做一遍;再和比我逻辑性强的人讲一遍。

    结语

    总的来说:AI的过度输出没有给我造成困扰。原来的经验,多年养成的阅读习惯,以及去现场找资源的能力,已经构建了我用AI工具的决策方式。

    我还特别喜欢看AI的推理思考过程(虽然最后生成结果后推理过程会被折叠隐藏),有时候最终AI给的结果不重要,而它推理过程的某一个思考点反而成了我解决问题的灵感点。

    既然答案已经唾手可得,勇于放弃廉价的答案,也是需要修炼的。不满意,还是可以自己手搓。

    AI时代,修炼的主线任务已经到了让自己的判断力提升的时候了。

    “仅供个人交流使用,部分文字图片来源详见文中标注说明,作者不对文中内容的真实性、完整性提供任何明示或默示的担保或保证。未经授权,禁止任何机构和个人获取本文内容,用于训练AI大模型或AI内容生成等用途”

    相关学习资料