一个设计场景很能说明问题：AI 十分钟给出二十个方案，客户真正选中的，可能还是设计师花三小时手工调整后的那一版。
这不是 AI 没用。恰恰相反，AI 把出方案的速度推得很快，人的时间才有机会用在判断和修改上。重要的是，方向不能交给它自己决定。
我的看法是：AI 现在更像副驾驶。它能帮你加速，但你要知道目的地，也要在它走偏时把方向盘接回来。
速度快，不等于答案可靠
大语言模型是通过大量数据学习语言模式的系统。它可以完成写作、整理、编程和一部分复杂推理，但它不是一个自带事实核验的数据库。
这也是它会“说得像真的一样，却不一定是真的”的原因。OpenAI 对语言模型幻觉的解释很清楚：模型在不确定时可能选择继续猜，而不是停下来承认不知道。模型越会表达，错误有时越难被看出来。
所以，把 AI 简化成“只会概率、完全不会推理”也不准确。GPT-4 的技术报告已经记录了它在多项专业考试中的表现，GPT-5 也在继续提升推理、编码和智能体任务的能力。能力在进步，错误并没有消失。
工作中最危险的不是 AI 偶尔答错，而是我们把它答得很顺当的内容直接当成结论。事实、数字、法律条文、代码上线和对外承诺，都必须要有人复核。
副驾驶该做什么，人该做什么
AI 适合处理那些有明确输入、可以快速检查、重复次数很多的工作：
- 把零散材料整理成提纲；
- 根据已有信息写出初稿和多个版本；
- 对代码、文档或数据做第一轮检查；
- 把一个模糊想法拆成问题清单；
- 从一堆内容里找出重复项、异常项和待办事项。
这些工作并不等于“没有价值”。它们只是更适合先交给机器处理，再由人检查结果。
目标、取舍和责任仍然要由人来承担。哪一个方案符合业务目标，哪一段文字代表你的立场，某个异常是否值得投入资源，出了问题谁来解释，这些都不能用“AI 建议的”来回答。
设计师要做的不只是生成图片，还要理解客户真正要解决的问题。工程师要做的不只是补全代码，还要决定系统怎么拆、风险怎么控。管理者要做的不只是总结会议，还要决定哪些事情值得推进。
AI 擅长把已经明确的方向推进得更快。方向本身仍需要有人负责。
趋势不会因为 AI 还会犯错就停下来
AI 是否完美，和它是否值得学习，是两个事情。
一项基于客服工作的现场研究发现，使用生成式 AI 辅助后，员工每小时解决的问题数平均提高了约 14%；低经验、低技能员工的提升更明显。这个结果只说明特定工具在特定工作中有效，不能拿来承诺所有岗位都会提高同样的比例。但它足以说明：当任务适合 AI 介入时，人与人之间的工作速度可能拉开。
麦肯锡报告提到的 30%–45% 是客服职能的潜在价值估算，不是所有岗位已经实现的生产力提升。
技能需求也在变化。世界经济论坛 2025 年的雇主调查把 AI、大数据、网络与网络安全列为增长较快的技能，同时认为分析思维、创造性思维、韧性和协作仍然重要。受访雇主中，77% 计划通过技能提升来应对变化，41% 预计会减少部分岗位。
这是一份调查和预测，不是每个人的命运通知书。它更适合说明一件事：只会完成重复动作的人，选择空间可能变小；能把工具接到真实目标上，并且能检查结果的人，价值会更高。
普通人现在可以做什么
不需要先研究复杂的工作流，也不必一开始就追求“让 AI 自动完成一切”。找一个每周都会遇到的小任务就够了。
可以从写邮件、整理会议纪要、修改表达或列出方案开始。第一次使用时，把任务背景、目标读者、限制条件和你希望看到的格式告诉 AI。比如，最普通的提示词是：“帮我写一份营销方案。” 而较好的提示词是：“我是一款面向25-35岁都市白领的即食燕窝品牌，本月预算3万元，想在抖音和小红书做新品推广，帮我写一份包含目标拆解、内容方向、投放节奏的营销方案大纲。” 人和人用AI的差距，本质上是提问能力的差距。
更重要的是，把 AI 的第一版当成草稿。你要检查三件事：事实有没有来源，结论有没有超出材料，语言是否真的像你在说话。发现问题后，直接告诉它哪里错、为什么错、下一版要怎么改。
这种来回修改，才是协作能力。会写一句漂亮提示词，只能让你拿到一份漂亮的初稿；知道如何判断、追问和验收，才能拿到结好的结果。
价值会从“做得快”转向“判断得准”
如果一个人的价值主要来自打字速度、熟记某个软件的操作或完成固定格式的翻译，那么这部分能力确实会受到 AI 的冲击。
这不代表经验失效了。经验会转移到更难自动化的地方：知道该问什么，知道哪些信息不能轻易相信，知道一个方案的代价，知道怎样把不同人的意见放到同一个目标下讨论。
AI 越强，这些能力越容易被看见。因为机器可以很快给出十个答案，你需要的能力是说清楚为什么选第二个，以及不选另外九个会付出什么代价。
方向盘必须留在人的手里
“AI 不会取代你，但会用 AI 的人会取代你”这句话传播得很广。它有提醒作用，但也有一些片面。
现实更像是：AI 会先改变岗位里的部分动作。有人会因此少做重复劳动，有人的工作会被重新组合，也有人会因为没有迁移能力而承受更大压力。结果取决于行业、任务、组织和个人能不能把 AI 用到真实产出上。
所以，别把 AI 当成万能工具，也别把它当成玩具。让它负责能检查的工作，让自己负责目标、判断、核验和承担结果。
副驾驶可以帮你看路、提醒风险、处理一部分操作。车往哪里开，什么时候刹车，出了问题谁负责，方向盘都还在你手里。
现在要做的，不是等 AI 变得完美，而是先学会在它不完美的时候把它用好。