把 AI 当工具的人,正在输给把它当同事的人

●●　世现科技　｜　效率与 AI

他造的公司靠 AI 吃饭，他说今天最重要的技能却不是技术。MIT 的调研数字，恰好接住了这句话。

开篇：一条没爆的推文

7 月 12 日，OpusClip 联合创始人兼 CEO Young Zhao 发了条推文。OpusClip 是超千万创作者在用的 AI 视频剪辑工具，软银参投——一家靠 AI 吃饭的公司。这位 CEO 说的却不是自家模型多强，而是一个用法问题：今天排第一的技能，是把 AI 当成你面对每个关键决策时最资深的思考伙伴，而不是工具。

这条推没有爆，浏览量只有两千出头。但把它和另一份数据摆在一起，味道就变了。

◆ ◆ ◆

01　DIVIDE

MIT 数出来的分水岭

去年 8 月，MIT 发布调研《State of AI in Business 2025》。被引用最多的是两个数字：企业投向生成式 AI 的钱已有 300–400 亿美元；95% 的组织回报为零。

但报告里更扎心的是第三个发现：这道鸿沟，和模型质量关系不大，和监管关系不大，主要由「用法」决定。八成组织试过 ChatGPT、Copilot 这类工具，近四成已经部署——员工个人的活确实快了，公司的损益表却没动。定制的企业级 AI 工具更能说明问题：六成组织评估过，两成进了试点，只有 5% 活到上线。而跨过鸿沟的那 5%，报告归纳的共同点是：他们把 AI 当「能学习的系统」在养，不是当「静态工具」在查——工具早就够多了，接住工具的用法没跟上。

几乎就是 Zhao 那句话的研究版。同一批模型，付一样的钱：有人攒下一堆「看起来对」的碎片，有人拿到敢签字的结论。CEO 的经验之谈和研究者的数据，指向同一处——差距不在模型，在你把它当什么。

◆ ◆ ◆

02　PRACTICE

「当同事」落到手上，是三个动作

先说清楚：工具式用法不是错，查事实、要格式，随手一问最快。错在把需要判断的事，也当查询来处理。定价、砍预算、给客户的方案、财务口径的取舍——这些没有标准答案，只有「在这个处境下更靠谱的判断」。你把它当搜索框，它就只会顺着你给答案；把它当资深同事，它才会告诉你「你这个假设可能站不住」。

把态度翻译成动作，是这三件事：

① 给上下文——像带新人一样交底。新人第一天你会交代什么，就给 AI 什么：业务背景、历史包袱、你已经排除的选项。省掉这一步，它只能凭通用常识附和你

② 给授权——明确它能替你走多远。告诉它「这段你自己判断，那段必须回来问我」；让它反驳你、列出你没想到的风险、先出三个方案再排序。不敢授权，它永远只是个更啰嗦的搜索框

③ 留验收——判断权最后握在人手里。核对它引用的数据，追问它「最不确定的一步是哪步」，关键结论留一道人来拍板。它负责把判断做厚，你负责把关口守住

	当工具用	当同事用
起手式	直接抛问题	先交代上下文与目标
期待	要一个现成答案	要一个能被质疑的判断
追问	不满意就重问	让它说「我不确定的是…」
验收	复制就走	核对来源、留人拍板