当我们在讨论AI时,我们到底在讨论什么?我不是技术出身，甚至可以说是一个典型的文科生和技术老白。过去一段时间密集使用AI，最初只是出于好奇和测试心态：看看这些工具到底能不能帮我解决真实工作中的问题。但越用越发现，AI真正带来的冲击，并不只是某个模型回答得更聪明，也不是某个工具突然变得更好用，而是它开始逼迫我重新理解“工作”本身。对一个内容行业的企业管理者来说，这种冲击尤其明显。出版行业最重要的东西，往往不是流程，而是人的经验、判断、审美、市场感知和品牌理解。也正因为如此，当AI开始从“回答问题”进入“执行任务”，它带来的问题就不再只是“能不能提高效率”，而是：人的独特能力能否被拆解、显性化、复制和放大？这篇文章，就是我作为一个非技术背景管理者，在密集使用AI工具之后，对个人工作流、AI助理和企业AI化方向的一次阶段性复盘。
0阶段：接触试用各类大模型，轻度、随机性使用。
接触试用各类AI工具和大模型产品。从一开始的ChatGPT，到微软集成GPT能力推出的Bing Chat / Copilot，再到Kimi、DeepSeek、Gemini、Grok、豆包、千问，以及Sora、Suno这类视频和音乐生成工具，基本都试了一遍。这个阶段的使用过程并不带有强烈目的性，换句话说，就是不对AI结果抱以太高预期。目的主要是对大模型的产出效果摸个底，大致分辨出不同模型的擅长方向和产品特性。在我的理解里，这个阶段其实是在建立用户与AI之间的初步认知和信任，玩的心态居多。比如让AI做一个春节旅行规划建议，把静态图片生成动态小视频或者动画，根据我喜欢的音乐风格，让GPT帮我生成一段风格化提示词，再用Suno生成一首原创小样，等等。0.5阶段：筛选工具，高频使用。
最终选定的是ChatGPT和Gemini。这两大巨头都有阶段性领先的时期。在它们能力跃升的阶段，去深度使用一些独有功能，体验升级会明显加速，时常能带来惊喜。比如某天晚上，我用手机App端喂给Gemini一本外版书封面，让它帮我搜集整理外网所有读者评价、媒体评论，并针对小红书营销给出方案建议。当时只是想测试Gemini的深度思考和长文档生成功能，手机端懒得打太多字，也没有给出特别详细的指令，没想到输出结果既快又好，完成度远超预期。于是我顺手把结果分享到了工作群里，动员大家依葫芦画瓢用起来。尝到甜头后，开始有意识地使用这两个大模型完成更有实际应用价值的工作任务。这个过程增加了我与工具之间的信息交互和相互熟悉，相当于一个双向调教。随着使用频次提高，使用起来越来越有默契，对AI的信任度也开始逐渐上升。1.0阶段：从回答问题，到执行任务
从自己作为普通用户的体感来看，2026年Q1的AI进化，不像是线性升级，更像是一次断层式进化。AI工具的形态在非常短的时间内发生了剧变。如果说此前我主要是在使用“聊天式大模型”——把问题丢进去，等待它给答案；那么这一阶段，AI开始从“回答问题”进入“执行任务”。2025年初DeepSeek的破圈，让很多普通用户第一次认真意识到国产大模型的能力；到2026年春节前后，豆包、Kimi、千问、DeepSeek等国产AI产品又完成了一轮更大众化、场景化的传播。但与此同时，国内外的AI工具生态也在快速进入下一阶段：以OpenClaw这类开源智能体、Claude Code、OpenAI Codex，以及腾讯WorkBuddy等为代表，AI不再只是一个聊天窗口，而是逐渐变成能够读文件、跑命令、调用工具、管理项目、执行工作流的个人AI助理或AI工作台。这类工具让很多AI玩家瞬间兴奋起来。早期OpenClaw这类工具的使用门槛其实并不低，需要配置环境、接入模型API、理解本地文件和权限逻辑；但有意思的是，恰恰是那些经常吐槽大模型“不靠谱、断片、像智障”的人，对AI个人助理抱有极高兴趣。原因可能在于，大家已经不再满足于“让AI回答得更好”，而是开始期待它“替我把事情做完”。从2025年开始，Claude Code、OpenAI Codex等执行型AI工具陆续出现；到2026年Q1，随着OpenClaw这类开源智能体和腾讯WorkBuddy这类低门槛桌面AI工作台进入普通用户视野，很多人第一次强烈感受到：AI的形态已经从“模型试用”变成了“任务委托”。这种变化带来的震撼，不只是模型能力提升，而是工作方式的底层变化：你不再只是问AI一个问题，而是在尝试把一个任务、一段流程，甚至一部分工作习惯交给AI。我记得自己刚在电脑上搭建完OpenClaw，也就是大家戏称的“龙虾”环境，还在犹豫要不要付费买API的时候，腾讯就推出了WorkBuddy。它很快被很多媒体和用户称为“腾讯版小龙虾”，定位接近一个更低门槛的全场景桌面AI智能体/个人AI工作台。不得不说，腾讯这个产品名字取得非常好，瞬间戳中了我这种用户的痛点。作为第一批抢先尝鲜的用户，注册赠送的5000积分加上每日签到的积分赠送，导致我到现在还剩三四千积分没用完，但这段时间几乎每天都会打开，一用就是几个小时，甚至半夜困得不行熬不住了要睡觉，电脑也开着让他继续跑任务。也正是在这个重度使用过程中，我开始对比使用WorkBuddy、Codex和Claude Code，开始认真思考：如何用AI工具搭建真正适合自己的Workflow；当某个流程被验证有效之后，能不能进一步把它“蒸馏”出来，沉淀成一项可复用的skill；再进一步，能不能开发成一个在特定任务上复制我的判断习惯和工作方法的Agent。1.5阶段：从最高频的日常工作中，寻找能用Workflow解决的方案
一开始我会本能地想让AI助理帮我解决那些“我觉得困难”的任务，也就是所谓的“痛点”。比如销售每天要花费大量时间和精力进行查价、控价，就是我第一个想到要用AI工作流解决的项目。这个项目我先简单搭建了一个工作流，初步感觉难度不大，就打包移交给了公司专门做数据汇总分析和销售策略辅助的经营策略部。但事实上，这个项目目前并没有达到我们最初的预期。除了涉及技术层面的诸多限制，更根本的问题在于，我在项目选择逻辑上的失策。在企业内部应用AI工作流，策略上首先要解决的不是“难题”，而是“重复题”和“必会题”。也就是说，应该优先选择那些自己已经非常熟练、每天都要花费大量时间完成、输出产物有固定需求和模板的工作，让AI先把它变成一套稳定工作流。这个过程既能在现有SOP基础上帮你做精简和完善，又能按照你的需求极其快速地生成产物。这类任务还应该尽量规避对人力沟通、组织协调和外部配合依赖过重的环节。以控价为例，查价是信息收集问题，AI工作流确实可以提高效率；但控价本身更像是组织执行问题，更花时间的其实是销售去跟客户沟通调价、下架，以及后续监督执行的过程。如果AI工作流暂时取代不了这部分人力工作，那它就不应该作为第一批重点项目推进。这段小弯路虽然没有产出我最初想要的结果，但也带来了很大收获：它带动了几个同事像我一样开始深度使用AI工具。至少在思维层面上，我们先拉齐了对AI工作流的认知。比如大家一边在研究怎么完成我交给的任务，一边也在启动自己的任务，并探索更多AI工具组合使用的效果，从而开始向整个公司有哪些环节可以优先设置AI工作流这一方向去思考。庆幸的是这段小弯路花费的时间成本主要不在我身上。在同事遇阻挠头的时候，我开始让AI工作流真实解决我的部分日常工作需求。比如外版选题的审读工作。而这件事顺利得超乎想象。除了对WorkBuddy的积分消耗瞬间陡增，其他几乎毫无阻滞。简单说，我只是新建了一个项目任务，提出我需要建立一个外版选题的审读工作流模板。然后AI会根据这条总需求，生成部分他认为需要包括的内容，交给我检查，同时反向向我提问，让我补充缺失的信息和判断标准。来回也就两三轮对话，模板就生成好了。接下去就是测试和调教。根据已知素材和信息搜索相关市场资料，并做出对比分析，这属于基础功能。但一到生成判断，AI就很容易出现一种“AI式的盲目乐观”。它会天然倾向于把“内容价值”“海外口碑”“话题意义”直接推导成“市场潜力”，而这恰恰也是新手编辑最容易犯的错误。我笑说，怎么跟新手编辑一样，对当下图书市场的真实销量太不了解了。于是，我把公司部分已脱敏的历史销售数据和典型案例补充进去，再让它定向搜索近年来已公开的图书市场整体数据。到这一步，对于销量区间的预估，已经从一开始的明显乐观，调整到比较接近我们内部经验判断的范围。当然，对于内容价值的评判，它仍然偏乐观。但单就基础资料搜集、竞品整理、市场信息归纳和报告结构而言，这份审读报告已经达到甚至超过了很多编辑选题报告初稿的水平。到这时，我作为最终选题判断者的价值就体现出来了。我会基于它生成的审读报告，提出我的个人看法和意见，再让它帮助我把那些原本高度经验化、直觉化的判断标准显性化，把一些看似个人化的判断，梳理成一个带有品牌基因和总编辑诉求的选题价值判断模型。当然，这个步骤仅靠几个选题测试和调教是远远不够的。但目前做到这一步，已经具备了“蒸馏”成skill的价值。毕竟，如果它能帮助编辑们先解决那些需要花费90%时间去处理的基础审读问题，节约出那些在AI初审阶段就可以pass掉的选题审读时间，就已经是一件非常有意义的事情。AI并不是先替代人的判断，而是先把人的判断过程拆开、显性化、流程化，然后再尝试部分自动化。1.5+阶段：有关AI的形而上思考
作为一个内容行业的企业管理者，当AI工具应用到这一步，我开始意识到一个和多数人直觉相反的问题：管理者真正应该努力的方向，并不是尽快用AI替代个人，而是如何用AI放大每一个关键岗位上人的独特能力。多数人谈到AI进入企业，第一反应是“减员增效”。老板们会想，AI能不能替代一部分员工；员工们则会恐慌，自己的岗位会不会被AI取代。看上去两边立场相反，其实底层认知是一样的：都把AI理解成了人的替代品。但我越来越觉得，这可能是对未来AI助理普及时代的极大误解。真正的AI助理，首先不是用来替代人的，而是用来释放人的。它应该替代的，是那些消耗人注意力、创造力和判断力的重复性劳动；它应该放大的，则是每个人身上真正稀缺的经验、直觉、审美、判断力和市场感知。另一个常见误区，是很多企业会本能地走向“企业专属AI系统”的建设路径。用大模型接入内部数据、打通知识库、对接OA、ERP、CRM，生成报表、处理审批、自动写模板化文档。这个方向当然有价值，但它本质上仍然是传统企业信息化的延伸，是用AI重新做一遍ERP。对很多中小型内容公司来说，如果一上来就沿着这条路走，性价比太低。关键是极其耽误时间。对于出版行业来说，最值钱、最重要的恰恰不是这些流程化、模板化的东西，而是高度个人化的创造力、价值判断能力、市场预见能力和品牌理解能力。公司体量越小，这种个人化的价值凸显越大。一个优秀编辑的价值，不在于他会不会写一份格式完整的选题报告，而在于他看到一个选题时，能否判断它为什么值得做、该怎么做、什么时候做、用什么方式推向市场，以及它是否符合一家出版公司的品牌气质。所以，出版公司的AI化，不能简单理解为上一套企业自己的AI系统。更正确的方向，应该是帮助每个关键岗位把自己的工作流、判断标准和经验模型逐步显性化、工具化、skill化、Agent化。先让AI成为个人助理，让个人的价值得到N倍凸显，这种被放大后的价值，必将沉淀为组织高速进化迭代的能力。所以，对内容行业来说，最危险的不是AI不够强，而是我们把AI用成了新的标准化机器，最后让本来最有价值的非标准化能力被标准化吞噬。结语
以上，仅是我个人使用AI辅助日常工作的一些阶段性体会。还有很多知识误区和技术盲点，距离很多资深玩家还有极大差距，见笑，大牛多指教。也许正因为不是技术控，才会更容易绕开具体工具、技能、项目这些“术”的层面，转而去思考一些“道”的问题：AI到底会怎样改变一个人的工作方式？又会怎样改变一家内容公司的组织能力？对于所有仍然需要在市场中竞争的企业而言，是否开始布局和落地AI工作流，正在变成一条新的分水岭。它不一定马上决定一家公司的生死，但很可能决定一家公司未来几年还能不能留在牌桌上。真正的差距，也许不是从某个惊天动地的技术发布开始拉开的，而是从管理者今天是否愿意认真重构自己的工作流开始拉开的。
夜雨聆风