播放器可选择2倍速。阅读与两倍速完整观看合计约39分钟;你也可以先读文章,再选择片段回顾。

把能力展示,放回一项真实工作里

这一期铁林想聊围绕Frank参加人工智能创业者活动的见闻展开,却没有停留在大会介绍。两位谈话者不断把话题带回自己的工作:产品做出来以后怎样找到客户,短视频交给工具之后怎样检查,面对陌生领域如何学习,以及不同能力的人怎样合作。这些具体问题,让讨论从人工智能能做什么,转向人准备怎样组织工作。

这种转向很重要。一次令人惊讶的展示,可以证明某种能力存在,却不能独自证明它已经适合某项业务。真实工作有材料、条件、时间和责任,也有不能随意省略的检查。能够生成一个结果,与能够持续交付可靠结果之间,往往还需要许多不显眼的安排。

Frank谈到短视频切片时说,自己的流程已经能够产出可以发布的内容,但并不完美。这个限定值得保留。它让听众看到一项实践的进展,也提醒大家不要把局部经验扩展成万能结论。同一种工具,在不同材料、不同标准和不同使用者手里,可能产生不同结果。

从栏目视角看,本期可以整理出四项需要持续练习的工作:定义任务,准备依据,判断质量,以及组织合作。它们并不是一套保证成功的新步骤,而是帮助独立经营者检查自己是否把关键责任交代清楚。工具能力越强,这些工作越不适合被一句让人工智能来做笼统带过。

第一项功课:让任务能够被共同理解

在日常工作中,人们常常依赖大量没有说出来的背景。熟悉某个流程的人知道哪些内容不能省略,什么风格更合适,什么时候需要停下来询问。把任务交给工具时,这些隐含知识未必会自动进入系统。一个简短指令可能看起来清楚,实际上仍然留下许多解释空间。

节目里反复出现训练的说法,主要指持续说明要求、提供材料、观察输出和反馈的使用过程,并不必然意味着训练基础模型。这个区别有助于避免把日常协作说得过于神秘。许多改进来自更清楚地描述目标、提供例子和解释错误,而不是一个人忽然掌握了某种无法讨论的诀窍。

教练式沟通能够为任务定义提供启发。先理解希望推进什么,而不是直接接受表面的动作要求;区分必须满足的条件与可以调整的形式;确认完成以后准备用什么判断价值。这些问题既能用于人与人的合作,也能帮助人更清楚地组织与工具的互动。

但把任务说清楚并不保证工具一定做得到。如果能力范围不足、环境限制存在,或者任务需要尚未提供的权限与资料,继续重复指令未必有效。负责任的协作需要允许识别限制,把问题拆小,或者转向其他方式。清晰的要求是开始,不是对结果的保证。

第二项功课:知道回答依据什么

Frank分享了群里有人遇到人工智能编造交易相关信息的例子。进一步讨论后,问题涉及没有提供相关数据,却期待系统完成具体判断。这段经历能够说明输入资料的重要性,但不能据此把幻觉全部归因于用户。即使材料充分,模型仍可能误读和生成不准确的内容,检查责任不会因此消失。

对一人公司而言,资料准备常常比更换工具更容易被忽略。真实需求记录、过往服务经验、已经确认的事实和可用的参考材料,都可能帮助系统更好地理解情境。如果这些东西散落各处,提供者自己也说不清依据,输出再流畅,也很难成为可靠行动的基础。

资料还需要条件。一个数字来自哪段时间,一项建议适用于什么对象,一段反馈是否足以代表更多人,都影响后续解释。工具能够快速整理,并不意味着所有输入可以被放在同一层级上使用。事实、经验判断和待验证假设应该保持区别,否则整理过程可能把原本有限的材料包装成过于确定的结论。

教练支持在这里可以帮助经营者检查认识上的跳跃。自己为什么相信这个判断,是否只是因为它符合期待,有没有忽略相反材料,哪些地方仍然不知道?这些提问并不是阻止行动,而是让行动建立在更诚实的认识上。越涉及重要选择,越需要知道证据能够支持到哪里,而不是让信心代替核实。

第三项功课:把质量标准留在人手里

薛铁鏻谈到内容制作时,把注意力放到审美和专业语言上。工具能够帮助完成操作,人仍然需要知道希望表达什么,哪些效果适合这个任务,以及什么地方需要调整。否则,生成速度增加可能只意味着更快积累一批自己也无法判断的结果。

这并不要求每个使用者都成为所有领域的专家。学习可以有层次:先建立基本语言,理解常见问题,知道什么时候需要请教专业人士。跨领域能力的意义,不是取消专业分工,而是让合作双方能够更准确地沟通。知道自己不懂什么,往往比在工具帮助下误以为什么都懂更有价值。

Frank在对话中强调,过去的经验并没有失效。技术背景让他理解某些接口与流程相对容易,市场经验则让薛铁鏻更容易看见传播和经营问题。相同工具不会抹平这些差异。经验能够帮助人形成标准,也可能成为惯性,因此既要利用它,也要检查它是否仍然适合新的工作条件。

一个实际的质量检查,可以从用途开始。结果准备给谁看,用来支持什么行动,哪些错误会影响理解,哪些部分必须由人确认?不同用途需要不同程度的检查。把所有输出都当成同一类文本或视频,容易忽略风险和价值的差别;明确用途,才能决定时间应该花在哪里。

对于教练内容尤其如此。文字是否流畅,不等于准确呈现了当事人的经验;观点是否有力量,不等于适用于所有客户。涉及人物、经历和原话时,需要尊重来源;提出实践建议时,需要区分事实与延伸。工具可以辅助表达,专业责任仍然属于决定将内容交付出去的人。

第四项功课:重新讨论合作,而不是只谈替代

节目中的招聘话题,引出了智能体参与筛选、面试与匹配的设想。两位谈话者也讨论未来可能出现更多按项目合作的关系。这些内容应当作为趋势想象来理解,不能当成所有企业已经执行的现实,更不能据此宣布传统组织形式必然消失。

对当下的一人公司,更具体的问题是如何找到能够互补的人。一个人理解多个领域以后,可能更清楚自己的边界,也更能辨认谁在某个方向有更强能力。合作不必建立在完全相同的背景上,却需要共同语言,让目标、分工、检查方式和收益安排能够被讨论。

工具也不会自动解决关系中的问题。双方是否愿意反馈,能否承认错误,对完成标准是否一致,出现变化时谁作决定,仍然需要人说清楚。如果只因为彼此都使用人工智能,就以为协作自然高效,旧的误解也可能被更快的执行放大。

教练式倾听和契约意识在这里有实际价值。先理解对方承担什么,再讨论怎样配合;明确建议与决定的区别,允许不同意见进入;在项目推进中回看约定是否仍然合适。这些看似基础的工作,能够帮助灵活合作保持可靠,而不是让灵活变成责任模糊。

效率提升之后,还要问业务发生了什么

Frank在谈到企业应用人工智能时提出一个问题:如果生产效率提高,但业务需求没有相应增长,工作安排会发生什么?这是讨论中的经营疑问,不是对所有企业的统一判断。它提醒人们,效率指标需要放在更完整的业务过程里看,不能只计算某个动作快了多少。

独立经营也存在同样的区分。更快完成视频,并不等于找到合适受众;更快搭建产品,并不等于别人愿意购买;更快回复咨询,也不等于客户的问题得到理解。工具改善了某个环节之后,还需要观察它是否支持了最终目标,还是只是让原来缺乏依据的动作做得更多。

薛铁鏻提到已经做出产品却不知如何推广的朋友,Frank也分享先做产品再找客户的经历。这些例子共同提示,制作能力与需求理解不能互相替代。如果经营者没有检验谁需要什么,人工智能可能让他更快抵达一个并没有客户等待的终点。

从教练实践看,复盘可以帮助人把效率与价值重新连接。节省下来的时间去了哪里,新增产出回应了什么问题,哪些反馈值得继续跟进,哪些投入已经可以停止?这些问题不一定产生漂亮的数字,却能让经营者更清楚地选择,而不是被工具能够做更多这件事推着走。

学习要进入工作,也需要留下回看的时间

本期多次强调做中学。它并不是反对准备,也不是鼓励在不了解条件时贸然行动,而是让学习与具体任务来回发生。先做一小段,看到缺口,补充必要知识,再检查下一次结果。这样的循环能够减少只收集方法却始终不开始的状态,也避免把第一次尝试当成最终答案。

学习的范围同样需要选择。一人公司面对许多可以尝试的方向,时间却仍然有限。今天接入一个工具,明天又出现新功能,如果没有目标,注意力很容易被不断带走。主动性不仅是愿意开始,也包括判断哪些事情暂时不做,以及什么时候应该先把已有流程稳定下来。

这也是自我觉察能够发挥作用的地方。自己在追求真实需要,还是在追逐新鲜感?是在学习一个必要环节,还是因为害怕落后而不断增加任务?没有必要把每次分心都视为错误,但值得知道它怎样影响当前工作。能够理解自己的动机,才更容易安排可持续的节奏。

当工具变得强大,人的工作不会简单归结为发出更多指令。定义问题、整理依据、判断质量、组织合作,仍然需要持续练习。铁林想聊这一期提供的不是一套固定答案,而是一组回到真实工作的追问。把这些问题问清楚,人工智能才更有机会成为能力的延伸,而不是另一种让人忙碌却失去方向的来源。

本文根据《铁林想聊》薛铁鏻与蓝华峰(Frank)的对话整理,呈现录制时的经验与观点,并结合教练实践展开。

阅读 5