本文的写作逻辑

不打算给你一张"最好用AI工具清单"。工具每隔三个月就会换一批，清单过期比牛奶还快。

我想给你的是7个行动策略——每一个都有现实依据，有理论支撑，有本周就能执行的具体步骤。你不需要成为AI专家，但需要比身边的人早一步建立起自己的系统。

策略一：把AI用在你最熟的事上，而不是学新东西

先讲一个真实的招聘现象。

2024年，国内一批医疗AI公司大规模招人。招聘结果出人意料：那些"有医学背景的AI产品经理"，薪资比"纯AI工程师"高出30%到50%。不是因为他们的AI技术更好，恰恰相反——而是因为他们懂那个具体的行业问题是什么。

世界经济论坛2025年的报告也在说同一件事：未来五年最抢手的人，不是掌握纯技术的人，而是"懂AI"和"懂某个垂直领域"的组合体。

这背后有一个很朴素的道理：AI降低的是执行成本，而不是判断成本。你对一件事的深度理解，在AI时代不但没有贬值，反而因为稀缺而升值了。

风险管理学家塔勒布的"杠铃策略"

塔勒布在《反脆弱》里提出过一个资产配置思路：把资金分在"极度安全"和"高风险高回报"两端，彻底放弃中间地带。

用在个人能力建设上，逻辑是一样的：

• 一端（90%精力）：把本职工作做到足够深，深到AI很难完全替代你

• 另一端（10%精力）：低成本探索AI工具，试错、记录、迭代

• 完全放弃：那种"泛泛学点AI基础"的中间地带，是效率最低的投入

本周执行步骤

0.写下你当前工作里最核心的1-3项技能，圈出其中最难被替代的那个

1.选一个AI工具，用它来辅助你做这项核心工作里的一个具体任务

2.记录AI输出的质量，以及节省了你多少时间

3.如果有效，把这个工作流写成步骤清单，固化下来

关键原则：不要"学AI"，要"用AI做你已经在做的事"。前者是消费时间，后者是投资时间。

策略二：建立AI信息过滤系统，而不是被信息追着跑

AI领域的信息爆炸已经到了荒诞的程度。每天都有新模型发布、新工具上线、新论文声称突破了什么。问题是：这些信息大部分与你无关。

2024年，加州大学一项研究发现，知识工作者平均每天被推送47条与工作弱相关的信息，处理这些信息平均消耗2.1小时——但其中只有不到4%最终对决策产生了影响。

换句话说，信息过载正在吃掉你用AI省下来的时间。

借鉴投资界的"能力圈"原则

巴菲特从不掩饰自己的投资边界：科技股票他看不懂，就不碰。不是科技不好，而是那不是他的能力圈。

信息摄入同样需要能力圈。你需要一套稳定的过滤规则，让AI帮你挡住噪音，而不是制造更多噪音。

一个可以直接运行的信息过滤系统

第一层：来源筛选（每月Review一次）

• 列出你目前所有AI信息的来源（公众号、Twitter、邮件订阅、社群）

• 用这两个标准砍掉80%：①过去30天，这个来源有没有帮你做过一个具体决策？②这个来源的信息，三天后回头看还有价值吗？

第二层：用AI做周度摘要

• 每周日用AI工具做一次"本周行业摘要"

• 输入你当周收藏的所有文章标题+摘要，让AI回答三个问题："这些信息的共同主题是什么？""哪一条对我当前工作有最直接的影响？""有哪些是我可以忽略的趋势噪音？"

第三层：主动搜索替代被动推送

• 取消所有"每日推荐"类订阅

• 改为当你遇到具体问题时有针对性地搜索+让AI帮你总结

本周执行步骤

4.列出你过去一周接收AI信息的全部来源（至少10个）

5.用上面的两个标准，划掉那些"看了但没用过"的来源

6.选一个AI工具，让它帮你总结本周收藏的一篇文章，对比你自己读的收获

7.把保留下来的来源整理成一个清单，设为你的"信息白名单"

关键原则：AI不应该增加你的信息量，应该减少你的信息负担。从"被动接收"切换到"主动提问"，是信息管理的分水岭。

策略三：用"两个问题"识别值得投入的AI工具

2024年，AI工具的数量大概增加了几千个。每天都有人告诉你哪个工具"必须用"，哪个平台"改变了他的工作方式"。

RAND和BCG的调研显示，企业AI项目失败的第一原因，不是技术不好用，而是"用来解决了一个错误的问题"。业务团队和技术团队对"要解决什么问题"的理解，从一开始就不同。

这个问题在个人层面同样存在，只是表现方式变成了：你买了会员、下载了工具，但三个月后回想起来，也说不清楚它究竟帮你省了什么。

诺贝尔经济学奖得主Simon的一个洞察

Herbert Simon在1956年提出了"满意解"的概念：人类的决策从来不是在寻找最优解，而是在寻找第一个满足最低要求的解。因为我们的时间、信息和认知都是有限的。

这个洞察用在AI工具筛选上，就是：别问"这个工具能不能把事情做得最好"，而是问"它能不能在可接受的成本下，解决我真实存在的具体问题"。前者导向无尽的对比和观望，后者导向立刻行动。

两个问题，快速筛选值不值得投入

问题一：这个工具能不能在6个月内，把某个具体环节的人力时间减少50%？

注意是"具体环节"，不是模糊的"提升效率"。你能不能说出一件具体的事，用这个工具之后会明显快？

问题二：随着使用场景增加，你需要投入的人力是否会跟着增加？

如果是，说明这个工具解决的是它自己的问题，不是你的问题。

两个问题都答不上来？先不用。

策略四：设定AI的边界感——什么交给AI，什么必须自己做

这是直接回答一个核心问题：AI在你的工作里，到底该扮演什么角色？

很多人对这个问题的答案是模糊的——"让AI帮我做事"。但这句话本身就是问题所在。AI不是万能的，把它用错地方，不仅拿不到结果，还会让你丧失那些真正值钱的能力。

一个清晰的边界框架

交给AI（执行层）：

• 有明确标准答案的任务：格式转换、代码调试、数据整理、初稿生成、翻译

• 需要大量重复但低判断的工作：批量重命名、信息提取、模板填充

• 需要快速枚举的可能性：列出10个方案、对比三种路径的优劣

必须自己做（判断层）：

• 需要你个人信用的决策：要不要接这个项目、怎么跟客户解释延期

• 涉及模糊需求和情绪理解：客户说"感觉不对"，你需要听懂背后的意思

• 信息不完整的现场判断：会议室里有人突然沉默，你要决定是追问还是跳过

这个边界的本质是：AI负责"把事做完"，你负责"判断做对的事"。

为什么这个边界很重要

2024年，MIT一项实验发现：过度依赖AI做决策的团队，在"信息不完整但需要快速判断"的任务中，表现比纯人工团队差34%。原因是他们逐渐丧失了对模糊信号的敏感度。

AI越强大，你越需要清醒地知道：什么东西正在被侵蚀，什么东西需要死守。

本周执行步骤

8.列出你这周用AI做过的3件事，标出哪些属于"执行层"、哪些属于"判断层"

9.如果其中某件事你其实不太确定AI做得对不对，但你没检查就采纳了——把它标红，下次人工复核

10.写下你工作里最重要的一项"判断型任务"，明确告诉自己：这件事暂时不交给AI

11.找一个同事或朋友，互相交换各自的"AI边界清单"，看看有没有盲区

关键原则：AI的介入点应该在"执行"而不是"决策"。如果你发现自己越来越不需要思考就能采纳AI的建议，这是一个危险信号，不是效率提升。

策略五：主动练AI做不好的事——错位竞争

策略四说了AI的边界在哪里。策略五讲的是：你要有意识地往边界外面投资。

AI现在做不好什么？理解模糊需求、处理有情绪的人际关系、在信息残缺的现场做决策、把两个看似无关的领域连接起来产生新洞察。

这些恰恰是职场里最值钱的能力。

一个残酷的趋势

2024年，LinkedIn的职场技能报告显示，"AI辅助下的硬技能"正在快速贬值——因为每个人都能用AI达到及格线。但"在不确定性中做判断""跨部门沟通协调""理解客户的未说出口的需求"这类技能的溢价，在过去一年上升了20%以上。

逻辑很简单：当所有人都能用AI写出80分的方案时，90分和80分之间的那10分，取决于你的判断、品味和沟通能力——而这些，AI给不了你。

具体练什么

第一：处理模糊性

• 主动接下那些"需求不明确"的项目

• 练习把"我觉得不对"翻译成"具体哪里不对、怎么改"

• AI需要清晰的Prompt，但真实世界里清晰的问题本身就是稀缺品

第二：情绪劳动

• 在团队冲突中扮演协调者角色

• 练习在对方情绪激动时，先对齐情绪再对齐事实

• 这些是AI最远的领地，因为需要真实的共情

第三：跨领域连接

• 把你所在行业的知识，和一个看似无关的领域做碰撞

• 比如：做财务的，去研究一下游戏设计里的反馈机制；做产品的，去读一本人类学民族志

• AI擅长在单一领域优化，但跨域的洞察力仍然是人类的领地

本周执行步骤

12.写下你工作中AI最不可能替代的三个场景

13.从中选一个，这周刻意花更多时间深耕（而不是用AI加速它）

14.记录一个你"靠判断而不是靠信息"做出的正确决策

15.找一个机会，练习把模糊需求翻译成具体行动——不借助AI

关键原则：不要和AI比速度和广度，要和AI比判断和深度。AI让所有人都能达到80分，你要做的不是加入这场80分的竞赛，而是找到那个只有你能做的90分。

策略六：把AI用法变成SOP，而不是每次都重新摸索

前面五个策略讲的是方向和判断。策略六讲的是落地：把你有效的AI用法固化下来，变成可复用的系统。

很多人用AI的方式是"每次重新来"：打开聊天窗口，临时想Prompt，试几次，有时候效果好有时候不好，下次再做同样的事，还是临时想。

这不是用AI，这是在碰运气。

工业界的经验：SOP是规模化的前提

丰田生产方式的核心理念之一是"标准化作业"：不是限制创造力，而是把已经验证有效的方法固定下来，让人的注意力解放出来，去解决真正新的问题。

个人使用AI的逻辑完全一样：把那些"试出来有效"的用法写成SOP，下次直接执行，把认知资源留给还没解决的问题。

一个AI-SOP的模板

每次你用AI解决了一个具体问题之后，花10分钟填完这张表：

三个月下来，你手里会有20-30条这样的记录。它们是你个人的"AI操作手册"，比任何网上下载的Prompt合集都值钱——因为它是为你量身定制的工作流。

本周执行步骤

16.回顾你这周用AI做过的所有事，挑出效果最好的那一次

17.用上面的模板，把那次经历写成第一条SOP

18.建一个文档（Notion、飞书、语雀都可以），专门存放这些SOP

19.设置一个日历提醒：每周末花15分钟，把本周有效的AI用法写成SOP

关键原则：随机使用AI是消费，系统化使用AI才是投资。你的SOP积累速度，决定了你从AI中获取复利的能力。

策略七：用AI做每周复盘——让AI帮你看见自己的盲点

大部分人用AI的方式都是"向外"的：写邮件、做翻译、生成报告、改代码。这些本质上都在解决同一个问题——把事做完。

但AI还有一个更大的价值在"向内"：帮你审视自己的思考过程。

每周末花20分钟做结构化复盘的人，三个月后普遍有一个共同的发现——他们不是"做了更多对的事"，而是"少做了很多错的事"。后者的价值往往被严重低估。一个被砍掉的无价值会议，和一个被启动的正确项目，对你的时间回报率可能是同等的。

为什么"向外求助"比"自己琢磨"更有效

心理学上有个概念叫"盲点效应"（Blind Spot Bias）：每个人都倾向于认为自己是客观的，但大量研究表明，人们对自己认知偏差的觉察力几乎为零。你不会知道自己遗漏了什么，就像眼睛看不见自己的盲区。

这就是AI在复盘中的独特价值——它不在你的局里，所以它能看见你在局里看不见的东西。

AI不会为你的失误找借口，不会因为你这周太累了就放过某个细节，也不会因为你"一直这么做"就默认这是最好的做法。它的角色不是一个更聪明的自己，而是一个没有情感立场的外部观察者。

Dunning-Kruger效应告诉我们：最危险的状态不是"知道自己不知道"，而是"不知道自己不知道"。每周复盘的目的，就是借AI的外部视角，把自己从那个状态里拉出来。

三个固定问题，一套稳定流程

这三个问题经过反复验证，覆盖了复盘最关键的维度：

问题一："这周我做的最对的一个决定是什么？"

什么样的信息输入、什么样的决策时机、什么样的判断标准，导向了好的结果？

问题二："最浪费时间的是什么？"

注意问的是"时间"而不是"错误"。很多时候我们浪费时间的不是做错了什么，而是在正确的事上花了不对等的资源。一个本可以10分钟完成的决策，你拖了三天——这三天里你反复想、放不下，却没有新增任何有效信息。

问题三："下周我应该提前准备什么？"

这个问题把复盘从"向后看"切换到"向前看"。根据本周暴露出的缺口，提前布局。很多时候下周的被动，根源是上周没有提前准备——而不是"下周太忙了"。

怎么让AI给出有价值的回答

把以下材料贴进去——本周的日历记录、已完成的待办事项、会议纪要里你参与的部分、以及你自己写的本周3句话总结。材料越具体，AI越能发现模式。

然后加一句指令："请基于这些记录回答上面的三个问题。重点关注：我是否低估了某些事的时间？我是否在重复上周已经遇到过的问题？我下周最可能掉进去的坑是什么？"

本周执行步骤

20.打开日历和待办清单，把这周的主要工作事项按时间线整理成文字

21.把三个固定问题和上述材料一起发给AI

22.在AI的回答中，把让你感到"意外"或"不太舒服"的部分标出来——那往往就是你的盲点

23.把复盘结果写成3句话摘要，设成下周的日历提醒

关键原则

复盘不是为了自责，是为了看见模式。 如果复盘的结论是"我上周太懒了"，说明你问错了问题——好的复盘产出永远是"我发现了什么规律，下周我调整什么具体动作"。

写在最后

RAND的数据冷冷地告诉我们：80%的AI项目失败了。但这也意味着，剩下的20%正在创造巨大的价值。McKinsey的数据显示，那些真正实现了AI落地的公司，利润增长速度是同行的2到3倍。

但这个分水岭不是"懂AI"和"不懂AI"，而是"有系统"和"没有系统"。

Herbert Simon说过：满意解，就是满足最低可接受标准的解。你不需要成为AI专家，不需要读完所有的技术报告，不需要精通每一款新工具。

你只需要今天就选一件事开始做，比身边的人早一步把它做成习惯。

六个策略快速回顾

1. 把AI用在你最熟悉的事上——深度比广度更有价值，杠铃策略

2. 建立AI信息过滤系统——让AI减少信息负担，而不是增加

3. 用两个问题筛掉无效的AI工具投入——满意解优于最优解

4. 设定AI的边界感——AI做执行，你做判断

5. 主动练AI做不好的事——错位竞争，投资判断力

6. 把AI用法变成SOP——系统化才能产生复利

   7.用AI做每周复盘——让AI帮你看见自己的盲点