第 01 章 · AI 学习
AI到底是什么，它能做什么
你把一段会议转写交给AI，它很快整理出一份纪要。标题清楚、语言流畅、待办也像模像样。
但原文里明明只说“下周再讨论”，AI却写成“项目将于下周启动”；原文没有指定负责人，它补上了最可能负责这件事的人；原文里有人提出一个建议，它又把建议写成了会议结论。
你可能会疑惑：AI到底是懂了会议，还是只是在猜？既然它会犯这种错误，我们为什么还要用它？
要开始使用AI，普通员工不需要先学习复杂原理，但必须建立一个正确的能力模型：
AI很擅长根据当前信息生成候选结果，却不天然掌握你的真实情况，也不自动承担判断和责任。
本章不会带你研究模型怎样训练。我们只回答与工作直接有关的三个问题：AI在做什么、它擅长哪些任务、哪些事情不能直接交给它。
一、本章学完，你能做到什么
学完这一章，你应该能够：
- 用普通话解释生成式AI在工作中扮演什么角色；
- 看懂文字、图片、语音、文件、搜索和工具操作等常见能力；
- 区分“生成候选结果”和“确认真实结果”；
- 判断一项工作适合交给AI、适合人与AI协作，还是不应直接交给AI；
- 为自己的十项日常工作建立一张任务分类表。
本章最终成果是“AI任务三栏表”。它会成为下一章选择产品的依据。
二、先把AI理解成“根据当前信息生成下一步的系统”
当你向AI输入一句话时，它不会像人类同事一样自动获得你们公司的历史、办公室里的共同经历和你脑子里的真实目的。
它主要根据自己训练中学到的大量模式，以及当前对话里能看到的内容，生成一个看起来最符合要求的结果。
这句话里有三个关键点。
1. 它学过大量模式
AI见过大量语言、结构和表达方式，因此它很擅长：
- 接着写一段文字；
- 把杂乱内容整理成结构；
- 改变语气、长度和格式；
- 根据多个信息形成候选解释；
- 模仿某类常见文档的组织方式；
- 生成图片、语音、代码或其他内容。
这也是为什么你只输入“写一份项目计划”，它仍然能写出背景、目标、步骤、风险和时间表。它知道“一份常见项目计划通常长什么样”。
2. 它依赖当前能看到的信息
如果你没有告诉AI项目是谁负责、预算是多少、当前进展如何，它并不会自动知道。不同产品可能允许它读取你上传的文件、连接的知识库、网页搜索结果或工作目录，但它仍然只在被允许的范围内工作。
材料越接近真实任务，结果越有机会符合实际；材料缺失、过期或互相冲突，AI也会在错误基础上继续生成。
3. 它生成的是候选结果
AI可以写出一句非常肯定的话，但语气肯定不等于事实已经确认。
它可能把常见情况当成你的情况，把合理推测写成事实，把相似名称混在一起，也可能漏掉材料里的关键例外。
因此，AI生成的内容首先应该被视为“候选结果”。是否采用、怎样修改、能否对外发送，需要根据任务风险由人确认。
图：原文在解释“大模型生成过程及推理边界”之后的配图。这里帮助理解“生成候选结果不等于确认事实”；画面内容与授权待人工确认。
三、AI已经不只是文字聊天
很多人第一次接触AI，是在对话框里问问题。但今天常见的AI产品已经可以组合多种能力。
1. 文字：生成、改写、整理和分析
这是最常见的能力，包括：
- 起草邮件、通知、方案和报告；
- 总结文章和会议记录；
- 提取日期、人员、金额和待办；
- 比较多个版本；
- 翻译和解释陌生概念；
- 产生问题、思路和候选方案。
文字流畅是AI的强项，也是最容易让人放松警惕的地方。一份读起来很专业的报告，可能仍然缺少真实证据和明确行动。
2. 图片：理解画面或生成视觉内容
具备视觉能力的产品可以接收截图、照片、图表或设计稿，帮助描述内容、提取可见信息、解释图表或提出修改建议；图像生成产品还能根据说明生成海报、插图和视觉草案。
但图片中文字是否识别正确、图表数值是否读对、人物和品牌素材是否有授权，仍要单独检查。
3. 语音和视频：转写、理解、生成和编辑
AI可以把录音转成文字，整理会议内容，合成语音，生成字幕、分镜或视频片段。
转写结果可能受口音、噪声、多人重叠和专业术语影响。会议里“谁说了什么”如果关系到承诺和责任，必须回听原始录音或由参会人确认。
4. 文件：读取多种工作材料
一些产品可以读取文档、PDF、表格、演示文稿和代码文件。你可以让它提取、比较、改写或生成新的文件。
“能上传”不等于“完整读懂”。超长文件可能被遗漏，扫描件可能无法准确识别，表格里的隐藏字段、公式和业务口径也可能被误解。
5. 搜索：寻找外部资料
具备联网能力的产品可以帮助搜索公开信息、汇总不同来源并提供链接。它能加快第一轮研究，但不能自动保证来源权威、信息最新或结论完整。
搜索结果仍需回到原始来源，特别是政策、价格、产品功能、公司信息和专业判断。
6. 工具操作：从“给建议”走向“执行动作”
有些AI可以调用办公软件、浏览器、数据库、代码环境或其他工具，完成创建文件、修改内容、运行脚本等动作。AI智能体还可以围绕一个目标安排多个步骤。
能力越接近执行，权限和风险越重要。让AI起草一封邮件，与允许它自动发给客户，是两种完全不同的风险等级。
四、AI最擅长的不是某个岗位，而是几类动作
与其问“AI适合哪个职业”，不如观察一项工作里包含哪些动作。
1. 生成候选内容
AI可以快速给出初稿、备选标题、问题清单、会议议程、方案结构和表达版本。
它特别适合解决“空白页困难”：你不必从零开始，可以在候选结果上判断和修改。
2. 转换已有内容
例如：
- 把长文改成摘要；
- 把专业说明改成普通员工能懂的版本；
- 把会议转写改成待办表；
- 把报告改成PPT大纲；
- 把中文材料翻译成英文；
- 把同一事实改写给老板、同事和客户看。
转换任务通常比凭空生成更容易核验，因为有原始材料可以对照。
3. 从大量材料中提取和比较
当材料较多时，AI可以帮助定位共同点、差异、异常和缺失项。例如比较多个供应商方案、制度版本或客户反馈。
但你需要先规定提取字段和比较标准，否则AI可能只挑它认为重要的内容。
4. 提供思考搭档
AI可以提出反方观点、追问遗漏、模拟不同对象的反应、帮助拆解问题。
它可以扩大你的候选范围，却不能替你决定什么最符合公司的真实目标、关系和责任。
5. 执行清楚、可检查的步骤
当任务已经拆清楚，输入和输出稳定，AI还可以参与重复执行，例如按固定格式整理日报、批量处理文件或运行一个小工具。
任务越模糊、例外越多、后果越难撤回，越不适合直接自动执行。
五、AI不天然拥有的五样东西
1. 你的真实背景
AI不知道你们公司内部发生了什么，除非你明确告诉它或授权它读取相关材料。
2. 对事实的自动保证
AI可以生成事实陈述，也可能生成不存在的来源、错误数字和混淆信息。它不会因为语气谨慎就一定正确，也不会因为语气坚定就更可信。
图：原文在解释“大模型会把关系上看似合理的内容继续生成”之后的示例配图。这里对应AI可能产生流畅但错误的事实；画面内容与授权待人工确认。
3. 对结果的业务判断
“内容完整”与“适合本次决策”不是一回事。AI可以列出十个指标，只有业务人员知道哪三个真正影响当前问题。
4. 对关系和后果的全部理解
一封措辞看似礼貌的客户邮件，可能破坏谈判节奏；一份看似公平的面试评价，可能忽略招聘制度和偏见风险。
5. 最终责任
AI不能为你的签字、承诺、审批、录用、处罚、付款和对外发送承担责任。使用AI并不会把责任转移给工具。
六、不要问“能不能做”，要问“做到哪一步”
多数工作不是简单的“能做”或“不能做”，而是由多个步骤组成。
以招聘为例：
- AI可以根据已经确认的岗位要求整理职位说明初稿；
- 可以帮助生成结构化面试问题；
- 可以整理面试记录中的事实；
- 可以提示还需要核实的能力证据；
- 不应在缺少人工规则和复核时自动淘汰候选人；
- 不应基于与岗位无关的个人特征作出判断；
- 最终录用决定必须由有权限的人承担。
以客户服务为例：
- AI可以检索已批准的知识库；
- 可以生成答复草稿；
- 可以把问题分流给不同人员；
- 遇到退款、赔偿、价格承诺和重大投诉时，应转给人工确认；
- 不应为了“回答完整”而编造公司政策。
把工作拆到具体动作，你会更容易判断AI应该参与哪里。
七、任务三栏表
请把工作放进下面三类。
图：原文在“人的认知和表达也会影响人机协作边界”段落后的配图。这里用于引出任务三栏判断；画面内容与授权待人工确认。
第一栏：适合交给AI先做
通常具备这些特点：
- 规则相对清楚；
- 有真实材料可供对照；
- 结果容易检查；
- 出错后容易撤回；
- 主要是生成、整理、转换或提取。
例如：把已经脱敏的会议记录整理成待办候选表。
“交给AI先做”不等于无需人工检查，而是AI可以承担大部分第一轮处理。
第二栏：需要人与AI协作
通常具备这些特点：
- 需要专业判断；
- 存在多个合理方案；
- 涉及组织背景、关系和取舍；
- 结果会影响他人；
- 需要人确认事实、标准或最终版本。
例如：AI根据经营材料整理分析框架，负责人确认关键指标、原因判断和行动优先级。
第三栏：不应直接交给AI
通常具备这些特点：
- 高影响且难以撤回；
- 涉及法律、财务、人事、安全等正式责任；
- 缺少可用材料或验证方式；
- 需要真实授权、签字、承诺或伦理判断；
- 一旦出错会造成明显的人身、财产、合规或声誉风险。
例如：未经人工审批自动向供应商确认付款，或让AI独立作出员工辞退决定。
八、完整案例：整理客户会议
假设销售同事把一段客户会议转写交给AI，输入：
帮我整理会议纪要，并给出下一步方案。
AI生成了四条内容：
- 客户确认将在本月采购系统；
- 项目由客户信息部负责人张经理推进；
- 客户希望先进行两周试用；
- 我方下周提交报价和实施方案。
回到原文检查后发现：
- 客户说的是“本月内部讨论”，不是确认采购；
- 张经理只负责协调下一次会议，不一定负责项目；
- 两周试用是我方提出的建议，客户还未同意；
- 客户只要求补充案例，未要求报价。
这个例子说明，AI确实完成了“整理”：它识别了时间、人物、采购、试用和后续动作。但它没有可靠地区分讨论、建议、意向和决定。
更合理的人机分工是：
- AI先把原文分成“客户明确确认／客户提出但待确认／我方建议／双方待办”；
- 每项保留原文依据；
- 销售人员核对会议语境和客户关系；
- 对负责人、日期和承诺逐项确认；
- 由销售人员决定是否以及怎样向客户发送。
AI减少了整理工作，人保留了事实确认、关系判断和发送责任。
九、在不同产品中做一次能力观察
你可以选择Claude、ChatGPT、豆包、DeepSeek或其他能够正常使用的对话型AI，使用同一段不敏感材料做三个小任务：
- 生成：根据材料起草一段说明；
- 提取：列出材料中的日期、人员和待办；
- 质疑：指出材料中哪些结论缺少证据。
观察的重点不是给产品排名，而是记录：
- 它是否遵守任务范围；
- 是否引用了材料中的真实信息；
- 遇到缺失信息时是标记、提问，还是自行补充；
- 结果是否容易回到原文核对；
- 哪些内容必须由你判断。
十、常见误区
误区一：AI写得快，所以它知道答案
速度只代表生成快，不代表事实已经验证。
误区二：最强的模型适合所有任务
有些任务只需要简单改写，有些任务需要读取长文档、联网搜索或操作工具。选择取决于任务，而不只取决于模型能力。
误区三：AI能做，所以应该全自动
从“能生成建议”到“允许自动执行”之间，还隔着权限、核验、异常处理和人工接管。
误区四：有AI以后，专业知识不再重要
AI降低了产生候选结果的门槛，却提高了判断结果的要求。越是专业和高风险的任务，越需要具备专业知识的人审核。
误区五：把AI当成什么都懂的同事
把AI类比成实习生或助理，可以提醒你要交代任务和检查结果；但AI不是人，没有真正的工作经历、组织关系和责任承担能力。
十一、完成你的“AI任务三栏表”
记录你一天或一周内真实发生的十项工作。
| 工作任务 | 主要输入 | 最终输出 | 出错后果 | 是否容易检查 | 分类 | AI先做哪一步 | 人必须做什么 |
|---|---|---|---|---|---|---|---|
| 示例：整理周会待办 | 会议记录 | 待办表 | 中 | 是 | 人与AI协作 | 提取候选事项 | 确认决定、负责人和日期 |
分类时至少回答三个问题：
- AI依据什么真实材料工作？
- 结果由谁、用什么标准检查？
- 如果AI做错了，能否在造成影响前被发现和撤回？
十二、怎样判断自己真的学会了
完成下面四项，就算通过本章：
- 用自己的话向一位同事解释AI为什么会写出流畅但错误的内容；
- 列出AI能够处理的至少四种输入或输出类型；
- 把十项真实工作放入三栏，每项写出理由；
- 选择一项“人与AI协作”的任务，明确AI先做什么、人最后确认什么。
本章小结
AI擅长根据当前信息生成、转换、提取、比较和执行部分清楚步骤。它给你的是候选结果，而不是自动成立的事实、决定和责任。
判断一项工作能否使用AI，不要只问“AI会不会做”，还要问：它依据什么材料、做到哪一步、由谁检查、出错能否撤回、最终由谁负责。
下一章，我们将在这张任务三栏表的基础上继续判断：面对聊天、搜索、文档、图片、视频、编程和AI智能体等不同产品，怎样选择真正适合当前任务的工具。