夜雨聆风越来越觉得，AI 模型能力的提升确实在很多地方提高了效率，也节省了大量沟通成本。尤其是在小组作业和展示任务里，可以让团队成员从PPT 制作、排版调整和资料整理这些琐碎环节里解放出来，把更多时间投入到内容本身，投入到逻辑、观点和表达的打磨上。
一直相信，高质量的输出离不开大量高质量的输入。确定分析对象为 TCL 之后，我开始在各个平台查找相关资料。国内公众号和知乎等平台上的内容相对高质，36 氪、新眸、正和岛、哈佛商业评论，确实提供了不少思路。不过这些资料本身也比较分散：有的只聚焦 TCL 的某一个侧面，有的偏向讲企业发展的前世今生，有的更偏管理，有的更偏战略，有的既有宏观叙述，又夹杂着具体案例。
如果直接把这些资料全部堆在一起，最后很容易变成信息拼盘。比较有效的做法，是先把课本框架梳理出来，心里先有一个大致的structure，比如战略分析、战略选择、战略实施，再把资料里提到的不同侧面，和这个structure一一匹配。换句话说，逻辑主线先搭好，资料、案例和数据再往里面填。这样写出来的东西才不容易散，也更像是在围绕一个问题展开分析。
当框架已经比较清楚时，后面的工作就变成了判断哪些资料能支撑哪一部分，哪些观点可以放进哪一个模块。structure搭起来之后，再把content填进去，整个过程会顺很多。这个模式本身也是可以复用的，无论是大作业、Presentation，还是其他需要结构化表达的任务，本质上都可以先搭框架，再填内容，再反复校正。
第一轮我输入了十篇左右的分析文章，以及若干长视频字幕，让 AI 从中提取与各个分析板块相关的信息，并按照已经搭好的框架进行填充。在这过程中要注意根据每篇文章的内容定位和重要程度，合理分配模型的注意力。比如，有些文章适合作为整体背景，有些文章只聚焦于技术、管理或战略的某一个侧面，它们在最终内容中的权重自然不能完全相同。否则，很容易让某一类局部材料占据过多篇幅，反而冲淡了汇报主线。
接下来更重要的部分，其实是人的判断和讨论。这时候团队成员围绕初稿自由辩驳、补充观点、调整顺序。比如 Z 提到，B 部分可以增加主要竞争对手的横向对比，外部分析中最好加入行业生命周期；Y 提到，第二页可以先放核心结论，电视和家电可以归入智能终端，规模优势更适合放在内部分析里，因为它回答的是 TCL 为什么能做；竞争对手对比如果要写，放在五力模型后面会更顺。也正是在讨论里，我们发现初稿中有些逻辑顺序确实还需要调整。
有时候会觉得，硅基生物的脑回路和碳基生物还是不太一样。AI 可以很快生成内容，但它未必真的知道课堂模型之间的边界，也未必知道一页 PPT 在汇报语境里应该承担什么功能。人还是要回来做判断，判断它哪里顺，哪里不顺，哪里用了知识点但用得不够准确。
大纲理顺之后，就可以继续让 AI 依照大纲生成 PPT。到这个阶段，AI 的效率优势会更加明显。它可以帮助完成初版排版，也可以根据明确需求进行局部修改。比如某一页风格不统一，某个图标不合适，某块内容太拥挤，都可以继续让它调整。只要需求表达得足够明确，它完全可以在很多细节上“指哪改哪”。
当然，AI 也有明显的局限。哪怕提前在约束和规范里写清楚，不能误用知识点，比如五力模型是行业分析，PEST 是宏观环境分析，SWOT 中的 S 和 O 也要区分清楚，它仍然可能出现理解偏差。比如它有时会分不清优势和机会，把内部能力写成外部机会，或者把外部环境写成企业自身的资源。这个时候就需要人工修正。
使用 AI 的关键，并不只是让它替自己完成任务，更重要的是知道哪些部分可以交给它，哪些部分必须由自己把关。资料整理、格式调整、视觉优化，这些都可以外包给 AI。但问题意识、逻辑判断、知识点边界、观点取舍，怎么拆、怎么做、怎么借力,以及最后要表达成什么样子，仍然要靠人来决定。
以前做小组作业，很多时间可能会消耗在“谁来做 PPT”“怎么排版”“图片怎么找”“这个页面怎么美化”上。现在这些环节可以被大幅压缩，团队成员就有更多精力贡献各自的 idea，调用上课所学，精准表达自己的判断。大家可以更多回到内容本身，把每个模型真正分析清楚，把每一页为什么存在讲清楚。这样的小组合作会更高效、和谐。
有人谈 AI 色变，好像一提到 AI 就意味着偷懒、粗糙、没有思考。但如果只是随便输入几句模糊的要求，再喂进去一堆质量很低的资料，最后出来的东西自然不好。垃圾输入只会带来垃圾输出。相反，如果前期有清晰的约束、明确的规范，有高质量的语料和知识库，再加上人不断修正和筛选，产出的质量就会高很多。
同样一个工具，不同的人用起来差别会很大。有的人只是把工具当成一个替自己完成任务的黑箱，甚至把自己的思考和角色完全交出去，那确实很难真正发挥工具的价值，最后可能还会觉得这个东西没用，甚至不如自己手搓。会用工具的人，往往是把 AI 当成放大器。自己先知道方向，再让它提高效率。也许只花 10% 的精力，就可以达到 70% 的效果，剩下的 30%，再由人慢慢打磨到更好。
最近梳理了一下期末月的 task，大作业和考试一拥而上。但换个角度想，自己能够在这样一个信息透明的时代，有机会使用到顶尖的 AI 工具，把很多任务工程化地拆解和推进，同时身边还有优秀的学习伙伴，其实也算是一种幸运。
