对于每天与信息、文档和沟通打交道的知识工作者来说，AI 带来的冲击是直接的：它能在几秒钟内总结一份长报告、起草一封邮件、整理一份数据表格、生成一份方案初稿。有人因此大幅提高了工作效率，把时间用在更有价值的事情上；也有人感到焦虑，担心自己的工作会被取代。 与其焦虑，不如主动学会与 AI 协作，并思考在 AI 时代什么能力更加重要。

把 AI 融入日常工作

信息处理：从“读完”到“读懂”

  • 快速了解长文档：让 AI 总结报告、论文、合同的要点，判断是否值得精读；
  • 提取关键信息：从大量材料中提取特定信息，例如从多份竞品报告中整理价格和功能对比；
  • 跨语言阅读：快速理解外文资料的内容；
  • 对比与归纳：比较多份文件的异同，归纳共性观点。

需要注意，AI 的总结可能遗漏重要细节或误解原意。对于重要决策所依据的信息，务必回到原文核实。

写作与沟通

  • 起草邮件、报告、方案、会议纪要，参见 AI 写作助手高效用法；
  • 根据不同的读者调整同一内容的表达方式；
  • 检查文字的逻辑、语法和表达；
  • 准备演讲和汇报的要点。

分析与思考

  • 头脑风暴：让 AI 提出多个角度的想法，扩展思路；
  • 挑战自己的观点：让 AI 扮演反对者，指出你方案中的漏洞和风险；
  • 结构化思考：让 AI 帮助把一个复杂问题拆解为若干子问题；
  • 数据分析辅助：用自然语言描述分析需求，让 AI 帮助编写公式、脚本或解释数据。

会议与协作

重复性工作自动化

识别工作中重复执行的任务，例如每周的数据汇总报告、固定格式的信息整理，尝试用 AI 工具或工作流实现自动化，参见用 AI 自动化工作流。

高效使用 AI 的原则

1. 提供充足的背景

AI 不了解你的工作背景。提供越多相关的上下文、素材和要求，结果越符合需要。

2. 迭代而非一次性

把与 AI 的交互当作对话：先得到初稿，然后具体指出需要改进的地方，逐步完善。

3. 保持判断和核实

对 AI 的输出保持批判性，特别是事实、数据和引用，参见大模型幻觉的成因。最终的判断和责任在你。

4. 注意数据安全

遵守公司关于 AI 使用的规定，不把敏感的客户信息和机密资料输入未经批准的工具，参见企业使用大模型的数据隐私指南。

5. 建立个人提示词库

把效果好的提示词保存下来，形成可复用的模板，持续优化。

哪些能力变得更加重要

当信息处理和初稿生成变得廉价时，以下能力的价值反而上升：

提出好问题

知道该问什么、如何定义问题，比找到答案更难。AI 能回答问题，但定义正确的问题仍需要人的洞察。

判断与决策

面对 AI 给出的多个选项和分析，在不完整信息和不确定性中做出判断，并为结果负责。

深度专业知识

只有具备深厚的专业知识，才能判断 AI 的输出是否正确、是否适用于具体情境，并发现其中的问题。

人际关系与沟通

建立信任、理解他人的真实需求、协调各方利益、在复杂的组织中推动事情发生，这些仍然高度依赖人。

整合与创新

把不同领域的知识联系起来，提出新的思路和方案。

学习与适应

工具和工作方式在快速变化，持续学习和适应变化的能力是长期竞争力的基础。

避免过度依赖

  • 保持核心能力的练习：如果所有的写作和思考都交给 AI，自己的能力可能退化。对于工作的核心技能，定期独立完成；
  • 先思考再求助：遇到问题时，先形成自己的初步想法，再用 AI 补充和检验；
  • 理解而非照搬：对于 AI 给出的分析和方案，要真正理解其逻辑，而不是直接复制使用。

小结

AI 正在改变知识工作的方式，把它融入信息处理、写作沟通、分析思考和重复性工作中，可以显著提升效率。高效使用 AI 需要提供充足背景、迭代改进、保持核实和注意数据安全。与此同时，提出好问题、判断决策、专业深度、人际沟通和持续学习等能力在 AI 时代更加重要。主动拥抱 AI，同时有意识地培养这些能力，是知识工作者保持竞争力的关键。