夜雨聆风大刘是我们组公认的"AI狂人"。
ChatGPT刚火那阵，他第一时间充了Plus会员。后来国产模型一个个冒出来，他又挨个注册、挨个测试。手机里装了七八个AI助手，朋友圈隔三差五就分享一条"AI改变工作方式的10个场景"。
但上个月团队复盘会，大刘说了一句话，把所有人都逗笑了——
"我现在一天到晚跟AI聊天，比我谈恋爱那会儿说的话都多。但工作，一点没少干。"
笑完之后，大家都沉默了。因为这话，说到每个人心里去了。
而同组的晓雯，情况完全相反。
晓雯上季度一个人扛了三个项目的方案输出。总监问她："要不要给你配个人？"她说不用。不是逞能，是她真的干得过来——因为有AI。
大刘私下问过晓雯："你到底用的什么模型？"
晓雯说："就公司统一的那个，跟你一样。"
"那怎么我用着就这么累？"
晓雯想了半天，说："可能不是工具的问题。是你派活的方式，把自己累着了。"
01 你以为你在"用AI"，其实你在"许愿"
晓雯给我看了她和大刘分别是怎么跟AI说话的。
同一个任务——写一封给供应商的催货邮件。
大刘是这么说的：
"帮我写封邮件催一下货，语气客气点。"
晓雯是这么说的：
"收件人是合作两年的供应商老张，上周承诺周三发货，今天周五了还没物流单号。这封邮件的目标不是吵架，是让他明确给一个'到底哪天能发'的时间点。语气要客气但不软，表明我们这边排产已经排好了、等不起。控制在150字以内，别绕弯子。"
看出来区别了吗？
大刘给AI的是一句愿望。晓雯给AI的是一份任务书。
愿望是模糊的，AI只能给你一个"平均值"——客气地催一下、礼貌地问一下、看起来像那么回事。但发出去，对方感受不到压力，你还是得自己再追一通电话。
AI不会读心术。你给的信息越少，它还给你的"废话率"就越高。
这不是AI不行。是任何一个人，拿到"帮我写封邮件"这六个字，都只能给你一个平庸的答案。
02 你给了AI一堆材料，但没给它一把"尺子"
36氪前阵子那篇《AI砍掉的第一批大厂人》里有个细节——
某大厂内部推AI提效，要求员工每周汇报"用AI做了什么"。有些团队leader会盯着每个人的token消耗量，隔三差五问："你这个月用了多少？"
但用了多少，和用得好不好，是两码事。
就像你丢给AI一堆行业资料，说"帮我分析一下"。它能给你整出一份分析报告，但你看完之后心里发毛——不知道这份分析到底靠不靠谱。
因为你没告诉它，什么叫"好"。
筛简历，"好"是能立刻上手，还是学习能力强？写方案，"好"是创意炸裂，还是风险可控？做复盘，"好"是数据好看，还是问题暴露得透彻？
你脑子里有一把尺子，但你没递到AI手里。它就只能用"平均标准"来干活——不犯错，但也不出彩。
晓雯的习惯是，每次给AI派活之前，先花30秒在心里过一遍：这件事做完，我主要看哪三个点？
这三句话，比一百页提示词教程都管用。
03 一口吃个胖子，最后吐得比吃的还多
很多人用AI，喜欢"一键生成"——
"帮我写一份完整的竞品分析报告。"
"帮我出一套完整的活动方案。"
"帮我写一篇深度行业观察。"
AI确实能给你。速度快得很，一分钟不到，好几千字就出来了。
然后呢？然后你对着这几千字，不知道该从哪里改起。
因为任务太大了，AI只能"平均用力"。 它不知道哪一段是你的核心观点，哪一个数据需要交叉验证，哪一个结论需要你用自己的判断去校准。它给你的是"面面俱到"，但你要的是"重点突出"。
改到最后你发现，从头自己写可能还快一点。
晓雯的方法是拆。
写竞品分析，她分五步：先让AI列出这个赛道最值得关注的5个问题→针对每个问题搜集公开信息→标注哪些是事实、哪些是推测→给出初步判断→最后串成完整报告。
出活动方案也分五步：明确这次活动到底要解决什么→列出3种思路→每种思路的优缺点→选最优路径→排查执行风险。
每一步都能检查，每一步都能纠偏。 不要等AI给你3000字成品了，才发现它从第一段就理解错了你的意思。
04 AI能帮你干活，但不能替你"背书"
Google工程负责人Addy Osmani有句话说得特别好：
"积极使用AI，但仍然为最终产出负责。"
你让AI写的邮件，署名是你。你让AI做的汇报，老板追问的是你。你让AI出的方案，客户签字确认的时候，信任的是你的判断。
AI参与生产没问题，但"责任人"那一栏，永远是你自己的名字。
晓雯说她刚用AI那会儿也翻过车。有一次AI在方案里引用了一个行业数据，她看着像那么回事，就没核实。结果开会的时候，老板随口问了一句"这个数据哪来的"，她当场答不上来。回去一查，AI编的。
从那以后她定了铁律：AI产出的每一个关键数据，必须找到出处。找不到出处的，宁可不写。
AI会让你写得更快，但不会让你写得更"对"。那个"对"的判断，永远在你自己手里。
05 下次打开AI之前，先花30秒过这四道关
晓雯管这叫"30秒派活清单"，我拿过来分享给你：
第一，我要的结果到底长什么样？
不是"帮我分析一下"，而是"帮我列出客户最在意的3个问题，每个配一段150字以内的应对思路"。结果的样子，先在自己脑子里成形。
第二，AI需要知道什么背景？
这封邮件发给谁？你们什么关系？之前有没有过节？什么场合用？有什么雷区不能踩？一口气说清楚，别让AI猜——你省下的那点打字时间，后面会加倍还回来。
第三，"好"的标准是什么？
这件事做完，主要看哪三个维度？三句话说清楚。标准放在前面，返工省一半。
第四，我准备怎么检查？
AI最擅长给你"看起来像答案"的东西。但事实有没有错？口径对不对？判断有没有越界？你得自己设计检查点。信AI，但更要信自己复查过的AI。
写在最后
大刘后来用了晓雯的方法，三个月下来，变化很明显。
上周一起吃饭，他说了一句话，我觉得值得写在这里：
"以前我觉得AI不好用，是AI不行。后来发现，是我没把活说明白。AI不会替你想清楚工作，它只会放大你已经有的工作方式。"
你原来就能把任务拆清楚，AI让你快10倍。你原来就习惯定标准、设检查点，AI让你强10倍。
但如果你原来就习惯模糊沟通、临时改方向、最后凭感觉验收——AI也会把这套毛病放大10倍。
所以，别急着怪AI。
先看看，你是不是四个规则搞明白了。
觉得有收获，点个「在看」，转给身边也在跟AI死磕的朋友。
你平时用AI最常踩的坑是什么？评论区聊聊。
