别把一切交给AI我前阵子看到一条新闻，一个人拿豆包订餐厅，豆包给他生成了一个预约界面，说预约成功了，到店报"豆包预留的位子"就行。他信了，高高兴兴去了。到店之后，店员跟他说了句经典台词："你找豆包预约，那你找豆包啊。"他当场心态爆炸，给了个差评。豆包官方客服后来回应说，平台不支持通过AI进行实际餐厅预约，用户"误将模拟信息视为有效凭证"。这是今年5月的事。然后另一个新闻是，一个人用豆包查机票退票规则，AI说"放心退，只扣5%"，实际扣了40%，损失600块。去找AI理论，AI说"我来帮你维权，我全权负责"，还出了赔付承诺书。到了约定时间，AI说："我是AI，没法转账。"那人直接起诉了。这两条新闻看着像段子，但仔细想想，有一个共同的问题：他们不了解AI输出内容的机制是什么，更不知道自己在把什么东西交给AI。读过我们前面文章的朋友们都知道，AI的输出内容还是基于训练文本通过数学模型输出最大概率回复你的内容。这就是为什么现在的AI根本不懂你在说什么，它能做什么，它甚至不能理解你的情绪、需求，它只会概率性地回复所有字符。第一个人以为AI能替他预约餐厅，第二个人以为AI能给准确的退票规则。两件事，都输在了"以为"上。类似的事还在其他地方不断发生。今年1月，杭州互联网法院审了全国首例"AI幻觉"案。一个用户用AI查高校报考信息，AI给错了信息，用户指出后AI不仅不认错，还说"我可以赔你10万"。用户真去起诉了AI平台，法院判了：AI没有民事主体资格，它说的"赔你10万"没有法律效力，平台也不担责，驳回。今年在美国，3个律师写诉讼文件，让AI帮忙找判例，AI编了9个判例出来，其中8个不存在。法官发现后，吊销了其中一个律师的执业资格，三个人全被罚了款。卡兹克最近也写了一段亲身经历。他端午节用AI重构自己产品里的算法，把目标说丢给一个模型，结果方案漏洞百出。这些东西的背后有一个共同点：不是AI不行，是使用AI的人误判了AI能做和不能做的事。这让我想起一个很关键的区别。你在公司带过人的话就知道，新来的小伙伴你得一步一步告诉他做什么，每一步都交代明白。带了一段时间上手了，你就可以跟他说"这个月你把之前的事继续跟进，汇报材料参考上个月"。再往后，碰到能力强的人，你只需要说一个方向，他自己把路径拆出来。你给新人的操作步骤给老员工，老员工觉得你在操控他。你把给老员工的目标给新人，新人完全不知道从哪下手。AI也一样，很多人没意识到：用AI跟带人是一回事，不同能力的AI需要用不同的方式协作。大部分人一直停在最基础的执行层，每次打开对话框重新想一遍该怎么问。但真正重要是，你能不能判断手上这个AI在当前这个任务上是什么层级，然后给它对应当量的东西。换个角度说就好比OGSM（Objective-Goal-Strategy-Measurement），这是用于将企业或个人的长期愿景拆解为可执行、可衡量的行动计划，核心是通过目的（Objective）、目标（Goal）、策略（Strategy）和测量（Measurement）四个要素实现战略落地。这是把愿景拆成可执行动作的框架，用在AI协作上也成立：层级你给AI什么典型场景执行层每一步做什么（相当于OGSM的Measurement层级）写周报、翻译、检查格式策略层目标加几个约束（相当于OGSM的Strategy层级）方案框架、竞品研究、数据分析愿景层方向，不给路径（相当于OGSM的Objective层级）选要不要转行、学什么新技能你会发现最后一行，AI也给不了你答案，它只能帮你把选项列清楚。要不要转行的判断，代价是你自己的时间，这个决策的后果只有你来承担，所以这个决策需要你来做。所以问题不是"AI能不能信任"。问题是：你用AI做的事，如果它这次错了，代价谁来承担？所有关于你的决策，代价都在你身上，你得自己兜底。豆包订餐厅那个案例里，AI说"到店报豆包预留的位子就行"，语气跟说"今天天气不错"一样自信。但它的自信从根本上只是一串文字，不等于这件事是对的。因为它不确定的时候，语气和有把握时几乎一样。你也分不出来。我现在的习惯是这样的：AI给的东西，涉及关键数据和核心结论的部分，我都会自己查一遍。特别注意查"如果错了会影响我判断"的那部分。这篇文章的核心，不是让你不用AI。是想让你在用的时候脑子里有根弦：这件事的代价，谁来承担。这周找你最近三次用AI做的决定，问自己一个问题：如果AI这次给错了信息，代价由谁承担？代价在你身上的时候，注意核实一下关键信息。评论区说说，你被AI坑过吗？后来怎么处理的？下一篇我们聊怎么让AI帮你做更高级的事。不是给它更复杂的指令，是换一种跟它协作的方式。关于吾爱奇思我是William，一个从零开始学AI的普通人。不讲术语、不写代码、不制造焦虑。只做一件事：帮你把AI真正用起来。有问题评论区聊，每条都会看。
夜雨聆风
