很多人接触AI，会经历两个不同的阶段。
第一个阶段，还没有真正用起来，就被大模型、提示词、Agent、工作流等各种新名词吓住了。觉得AI很复杂，自己不懂技术，也不会编程，很容易产生畏难情绪。
第二个阶段，终于开始使用，发现AI可以写文章、做分析、生成图片、制作方案，有些任务完成得还很快。新鲜感和兴奋感上来以后，又容易觉得AI无所不能，什么工作都可以交给它。
这两种态度都不准确。
前一种高估了使用AI的门槛，后一种低估了AI有效工作的条件，也低估了使用者需要承担的责任。
因此，我觉得我们对AI的认识，需要经历一个从祛魅到敬畏的过程。
祛魅，是为了走出畏难
AI没有想象中那么难。
普通职场人士不需要先学完所有技术概念，也不用等自己掌握编程以后才开始。找一个熟悉的真实任务，把目标、资料和要求说清楚，然后看看AI能做到哪一步，往往比听很多概念更有效。
比如整理一份会议记录、比较几份公开报告、形成一封邮件初稿，或者辅助分析一张自己熟悉的表格。任务不必很大，关键是自己知道想要什么，也能够判断结果是否可用。
动手以后会发现，很多看起来复杂的AI能力，已经可以通过比较自然的方式使用。真正的门槛往往不是会不会说技术术语，而是能不能把工作目标讲清楚，能不能提供可靠资料，能不能看出结果哪里对、哪里不对。
祛魅，就是把AI从神秘的技术概念拉回日常工作。不再因为不懂技术而拒绝尝试，也不把模型名称、排行榜和提示词数量当成使用能力。
初步有效，不等于无所不能
一旦AI在某几个任务中给出了不错的结果，人很容易产生另一种错觉：既然它能写材料、分析数据，是不是其他事情也可以放心交给它？
问题在于，不同任务需要的资料、判断标准和风险承受能力并不相同。
让AI整理公开信息，即使遗漏了一点内容，通常还可以重新修改。让AI核对员工薪酬、筛选候选人、解释公司制度或者生成劳动关系文件，结果会直接影响员工利益和组织决策，要求自然更高。
AI可能误解任务，也可能遗漏条件。它还可能给出一份结构完整、语气肯定，却经不起专业核对的答案。
如果使用者只看到它的速度，没有能力判断结果，AI做得越快，错误也可能传播得越快。
所以，几次成功只能证明AI在特定任务、特定资料和特定要求下有效。它不能自动证明同样的方法适合其他场景，更不能替代专业判断。
敬畏，来自对结果的责任
敬畏AI，不是重新回到害怕和拒绝使用。
祛魅之后的敬畏，是知道AI的能力很强，也知道这种能力一旦进入真实工作，就会产生真实影响。
一段宣传文字写得不好，可以重新修改。员工咨询生育假、工伤、退休或者解除劳动关系时，如果AI给出错误答案，影响的可能是员工的实际权益，也会影响员工对HR和公司的信任。
这时，不能只问AI能不能完成，还要问它使用了什么资料，资料是否仍然有效，结果由谁核对，出现异常如何处理，最后由谁承担责任。
AI能力越深入，人的责任通常也会扩大。
使用者需要定义任务、选择资料、验证结果并处理例外。企业如果要求员工为AI输出负责，却没有提供相应的数据权限、验证方法、人工入口和升级机制，“由人负责”就很难真正落实。
个人能够借助AI完成一项任务，也不代表这项能力可以直接复制给整个组织。更多人长期使用以后，还会出现稳定性、成本、维护、申诉、停止和退出等问题。
敢用，也知道在哪里停下来
比较合适的做法，是根据任务可能产生的影响决定推进速度。
低影响、可逆、容易检查的任务，可以尽快尝试。先用公开、模拟或者经过授权的资料，让AI参与整理、比较、生成和辅助分析，再由熟悉业务的人验收。
涉及公司内部数据、员工权益、正式记录和重要决策时，需要慢下来。先说清资料范围、权限、人工复核、异常处理和最终责任，再决定哪些环节可以交给AI。
对AI祛魅，让我们不再因为觉得太难而站在门外。
对AI保持敬畏，让我们在看到它的能力以后，不会轻率地把所有工作和结果都交给它。
这可能是与AI相处更成熟的状态：愿意尝试，也能判断；敢于使用，也愿意为结果负责。
粤ICP备14082021号
免费POC，
零成本试错
