夜雨聆风
上个月的某天早上，我打开手机，朋友圈里三个同行转了同一篇文章——《国家心血管病中心发布”My Nutrition”精准营养大模型》。隔了两天，又一条：京东健康”京医千询2.0”临床营养大模型发布，宣称能自动完成营养风险筛查、评估、诊断和个性化方案制定。
群里开始有人问：施老师，营养师是不是快干不下去了？
说实话，那一刻我也愣了一下。不是害怕，是觉得这个事得认真想清楚。
于是我花了一个月，不是光想，是用。
我用AI写了一天的公众号推文，一天三篇。我用AI处理了21个顾客的营养咨询问题。我用AI分析了一份胸部CT报告——21岁男生，左上纵隔6厘米肿块。每一个结果，都让我对这个问题看得更清。
今天，我把这一个月实战下来的思考和结论，毫无保留地分享。
AI到底能干什么？——一个月实战的三个真相
先说结论：AI能做很多，但有三件事它做不了。
案例一：一天三篇公众号推文——AI是”初稿制造机”
5月12号那天，选题系统推了三个方向：儿童肥胖、药食同源避坑指南、营养师一人公司轻创业模型。
我把三个选题同时发给我的AI助手，跟它说：“三个选题都生成公众号推文。”
一个小时之内，三篇初稿全部出来了。
每篇都有真实案例开头、有数据支撑、有结构框架。比如儿童肥胖那篇，它自动用了”当过12年儿科医生的营养师”这个身份定位；药食同源那篇，它抓住了”Q1保健食品获批614个、药食同源407个”这个热点数据。
但关键是——我没有直接发。
我把三篇都仔细看了一遍。有些数据需要核实，有些临床经验是我独有的（比如”胖孩子可能营养不良”这个反常识观点），有些话术需要改得更像”我说的”。
AI做的事：从0到1。我做的事：从1到10。
以前从0到1要花半天。现在一个小时出了三篇初稿，省出来的时间我用来改稿、核实、注入临床经验——最终成品反而比以前更扎实。
案例二：21个顾客问题批量处理——AI是”信息整理师”
上个月，我把市场合伙人们遇到的顾客问题汇总了一下：21个问题。
有问血糖的、问血压的、问产品成分的、问怎么跟老年顾客沟通的、问怎么建立复购的……五花八门。
以前我怎么处理？一个问题一个问题回，可能花三天。
这次我把21个问题的文字一股脑发给AI。大概十几分钟，全部答完。
给你们看两个例子：
有个问题：一位60多岁的阿姨，一直吃降压药血压很平稳，喝奶昔后血压飙到160，头晕。
AI的回答是：“最大可能性是奶昔中钠含量（200—400mg/份）对钠敏感高血压患者触发了血压波动。实操建议：启动奶昔从1/3量起步，连续3天测血压，稳定后再加量。血压160+头晕必须暂停产品并建议就医。”
有判断、有依据、有话术、有安全底线。
再比如有人问：“七天卡顾客第一天嗓子肿疼，怀疑产品，说了好转反应但陌生顾客不信。”
AI的回答我特别认可：“这不是’好转反应’处理问题，是信任建立问题。‘好转反应’这个词已经被用烂了，陌生顾客一听就觉得是套路。正确做法：先共情、再排查、最后才解释。第一天不要建议全量，改为阶梯适应。别用’好转反应’这个词，换成’身体在适应新的营养输入’。”
它不光回答了问题，还帮我们修正了一个行业的坏习惯。
案例三：CT报告”专家会诊”——AI是”文献检索员”
第三个案例更能说明AI的”专业深度”。
我收到一份胸部CT报告：21岁男生，左上纵隔6厘米肿块，气管和颈总动脉都被推挤移位了。
我把报告文字发给AI，说：“仔细专业分析，最好给出诊断过程、目前国内治疗的最佳方案、到哪个医院哪个专家治疗最佳。”
它给出了什么？
第一步，完整的鉴别诊断——列出六种可能（淋巴管囊肿、支气管源性囊肿、食管重复囊肿、胸腺囊肿、畸胎瘤、胸腺瘤），逐一分析”支持点”和”不支持点”，最后得出结论：最大可能是淋巴管囊肿。
第二步，分级处理建议——三个优先级，从纵隔肿块明确性质到脂肪肝生活方式干预，再到肺部微小结节随访。
第三步，推荐了具体医院和专家——中南大学湘雅医院（报告已在那做的）和上海市胸科医院方文涛教授（全国纵隔肿瘤学术委员会主委）。
说实话，这个回答的水平，不亚于一个多学科会诊的初稿。
但注意——这是”参考”，不是”诊断”。 AI没有摸过病人、没有看过原始影像、没有临床经验。它只是帮我把查阅文献、搜索专家、对比方案的时间从几小时压缩到几分钟。
AI做不了的三件事
讲完能干的事，必须讲清楚不能干的事。这不是谦虚，是安全底线。
第一，AI做不了”信任”
顾客来找你，不是来拿一份营养方案的。方案谁都能出——网上有，AI有，小红书上一搜一大堆。
顾客来找你，是来找一个”能信得过的人”。
他需要你看着他的眼睛说”这个方案适合你”。他需要你在吃了两周没效果的时候，给他调方案、听他抱怨、跟他说”别急，咱们换个思路”。他需要你知道他家里有糖尿病人、工作压力大、睡眠不好——这些信息他不会告诉任何一个AI。
AI做方案，人做信任。这是第一条分界线。
第二，AI做不了”判断”
AI可以告诉你：根据《中国居民膳食营养素参考摄入量》，65岁老年人蛋白质推荐摄入量每天每公斤1.17克。
但它不会告诉你：这个人肾功能边缘下降，蛋白量要收一收；这个人肠胃不好，高蛋白食物选哪种更友好；这个人在吃华法林，哪些食物不能碰。
知识的搬运，AI比你快一万倍。知识的判断，AI永远需要你把关。
第三，AI做不了”同理心”
一个顾客跟你说：“施老师，我减肥减了十年了，每次减下来又弹回去，我真的没信心了。”
AI可以回答：“建议您设定可执行的小目标，保持健康饮食和规律运动，逐步建立信心。”
但你知道这句话有多苍白吗？
真正的同理心是：你知道什么时候该说”我懂”，什么时候该沉默，什么时候该讲一个你自己的故事。
AI没有饿过、没有反弹过、没有被镜子里的自己打败过。它可以模拟同情，但无法产生共情。
方法论：三周渐进式AI工作流
说完了”能不能”，说”怎么用”。这是我跟市场合伙人分享的实操框架：
第一周：试一件小事
不要一上来就想”AI帮我写方案”。从小得不能再小的事开始。
比如明天要发一条朋友圈，不知道怎么开头。把主题发过去，说”帮我想三个开头”。它给你三个选项，你挑一个改一改就能用。
就这一步，你就能感受到：原来我想半小时的事，AI十秒钟能给我三个方向。
第二周：试试”批量处理”
手上有5个顾客问了类似的问题（“喝奶昔胃不舒服怎么办”“吃这个能降血糖吗”），把它们汇总一下，一次性发给AI，让它分类回答。
你会惊讶于它处理重复性问题的速度——你只是把问题粘贴了一下，它就帮你分好类、给出回答框架。
第三周：试试”方案生成”
想给一个顾客出营养方案？把他的基本情况（年龄、性别、体检异常项、生活习惯）发给AI，让它出一份初稿方案。
你修改、定稿、给顾客。以前要花一两个小时写的方案，现在可能只要十分钟修改。
一个月后：形成自己的”AI工作流”
你会发现，那些占用你最多时间但不需要最多思考的事——搜资料、写初稿、整理聊天记录、回答重复问题——全部可以交给AI。
而你的时间，应该花在AI替代不了的事情上：跟顾客面对面交流、用你的直觉判断问题、用你的同理心建立信任。
最核心的观点：并行论
我在修改减肥药文章的时候，明确了一个核心定位：药物和营养不是”接力”关系，是”并行”关系。不是”先用完药再来找营养师”，而是药物处方和营养处方同时开、并行推进。
这个逻辑，同样适用于AI和营养师。
AI和营养师不是”替代”关系，是”并行”关系。
AI做信息搜索、数据分析、方案生成——它做”标准化”的部分。 你做专业判断、信任建立、情感连接——你做”人性化”的部分。
两者并行，1+1>2。
2026年，My Nutrition大模型、京医千询2.0、京东健康”AI京医”（累计服务超5000万人次）、CES上井喷的AI健康产品……AI在营养领域的渗透不可逆。
但焦虑没有用，行动才有用。
结尾
我做了18年健康行业，见过太多”解放双手”的工具和概念。说实话，大部分是韭菜。
但AI不一样。它不是帮你”省力”，是帮你”省时”。省下来的时间，你可以用来服务更多顾客、思考更大的战略、做一个更”不可替代”的营养师。
有一句话我今天特别想说——
AI不会淘汰营养师。但会用AI的营养师，会淘汰不会用的。
这句话不夸张。当别人花一整天写一篇文章的时候，你一个小时出了三篇初稿。当别人三天才回完顾客问题的时候，你一个小时全搞定。叠加一个月、半年、一年——竞争的差距就不是一点点，是代际差距。
别怕AI。用AI。
省出来的时间，用来思考、见顾客、做战略。这才是AI给你最大的价值。
参考资料： - 国家心血管病中心 My Nutrition 精准营养大模型（人民网，2026.3） - 京东健康京医千询2.0 临床营养大模型（智医疗，2026） - 京东健康”AI京医”累计服务超5000万人次（新华网，2026.1） - CES 2026 AI健康产品专题（世界互联网大会，2026.1） - 西普会2026主题：走进AI时代——健康产业的范式革命
