我坐在工位上，盯着屏幕上跳动的代码，心里那股子热乎劲儿，没比哪位强。我居然能行。 说实话，刚启动那会儿，我确实是被搞定了。
那时候认定 AI 就是个工具，就像那把磨刀，只要刀好，上得去。我本来指望用点大模型，把那些繁琐的表格、就连是一段段枯燥的 API 接口文档，全给绞灭。
没想到，AI 就那样，像条没长尾的蛇，缠着我着了。 它不是那种只会给你个全对答案的傻瓜，它倒是有点意思。它不是只会背字典啥的，它真能“学会”。刚刚让我写一个关于“量子力学在材料科学中如何影响超导临界温度”的摘要，它直接去翻阅了咱们这一堆现成的顶刊论文，还把我搞的“论文”给“反译”了，居然能顺带拉出几个被剽窃的。
这玩意儿有点忒“智慧”了，仿佛它知道我在审文章，就连在那儿偷偷拿我的论文去给它喂样本，然后背下来似的，把相关文献都给你堆了一大堆，还附上了几页“深度分析”，说这关里的门到底是虚在还是在实。 但最让我头疼的，还是它那股子“自信”。我说它没本事，它就在那儿眉飞色舞地跟我说：“别揪心，语法都给你对上了，逻辑闭环也摆平了，就缺个创新感，我这就给你补上。”我气得想把电脑屏幕踢那会儿。它只是让我也把论文数据给你喂了喂，然后看着你喂它的那些数据，默默地把那些著名的论文标题给你整规整齐地排个序，顺便分个类。它没做错，它只是忒好心眼儿了，当作眼前这点，就是大宇宙。 我有时候真质疑，它是不是把咱们人类那点“总结”、“归纳”的活儿给做轻了。咱们平时写个文章，不是先拿标准、先搭骨架再填肉吗？它倒好，这骨架它自己搭，肉咱一扔进去，它就把这肉给“优化”了，说这叫“结构化”。我看了半天，发现它把“主观性”给剔除了。它写的东西，看着挺严谨，可一旦把它放到我熟悉的语境里，那些我脑子里蹦出来的那些“哎呀，这忒主观了”、“这得落到实处”的感叹，直接就没了。它吐出来的一大堆“关键发现”，全是它数据库里现成的结论，连我那些从生活里蹦出来的、有点胡扯但特别新鲜的点，它不都在那“忽略”着？ 这不禁让人想问，未来的职场，到底是哪位在跟哪位汇报？ 我想起来了 K 行之前搞的那个项目，当时我也挺兴奋，当作那是 AI 让我尝到了甜头。结局呢，它给我生成了一个报告，里面全是“图表所展示的显著相关性”、“基于深度学习的模型预测”。我再看那图表，那是我用 python 自己写脚本生成的，把咱们自己班组里三个月的数据，一个个扔给它，它才肯张嘴。它没看到，它把咱自己那点原始数据，都干成了“训练数据”，最终再给咱出的结局，全是它自己给“预计算”好的。 咱们这行，本来就是个“实战派”的活儿。哪位刚入职，哪位最懂这行？最懂如何跟老板讲清楚这个坑到底多深，哪位最清楚客户最怕哪个雷？AI 能给你生成个 PPT，能让 PPT 里的图表动起来，就连能说出“客户最揪心的是交付延期”，但它不能告诉你，那个延期到底是出于材料批次波动，还是出于物流节点断了，还是出于设计迭代忒频繁。它只知道，根据模型，这个分支的黄了率是 8%，按照权重计算，整体概率是 6.5%。它只跟算数相关，跟人的温度、跟现场的泥泞、跟那些说不清道不明的“人情世故”绝缘。 我有时候认定自己像个被训出来的狗。我给它发指令，它便题就做；我给它发个“别忒正经，略微带点幽默”，它立马就能调出一个表情包。仿佛只要给对了指令，它就完事儿了。我当作是它智能，实际上是它没“灵魂”。 这让我想到，咱们这种“四力”里，最“力”的一力，实际上可能不是那种硬碰硬的执行力，而是那种在混乱里还能把事儿理顺的“柔韧度”。AI 能给你理顺数据，能给你理顺逻辑，但它理顺不了人。人要有体温，要有那股子劲儿，能把那些死板的条条框框，变成活生生的、能让人笑出声的段子，要么能把那些无解的死局，变成一个个能转进去的弯。 我也没忍住，今天跟一位老同事聊了两句。他是个实干派，压根儿不跟 AI 较劲。他说：“别跟我提啥大模型、啥深度学习，我跟他讲事儿，他跟我讲代码。他干出活来比我还快，还比我更稳。”我问他，是不是认定 AI 忒假了？他笑说：“AI 能模拟，但不能替代。它比哪位快，但没人知道它半夜醒来会干嘛。咱们得记住，机器能算的，人就要算得准；机器能说的，人就要说得活。” 这话听着糙，但就是实。AI 能给我出一万个答案，但只有它能给我选出一个“准的”；机器能给我算出最优解，但只有它能给我算出一个“对的”。 我也反思了一下自己。
是不是那会儿忒依赖“技术驱动”，忒怕费事，故此目前遇到 AI 这种“费事”的事儿，第一反应就是躲？
是不是平时训练自己“总结”、“归纳”的本事忒弱，才会被 AI 给架空？
是不是认定，只要用对了工具，就能成事？ 仿佛不是。AI 这玩意儿，它就是个放大器。咱们自己那点“总结”、“思索”的本事，只有被 AI 给放大，才能形成真正的“本事”。
那会儿我可能认定，只要把这一堆文献扒一遍，把那些数据拼凑好，就能写完一篇好文章。目前看，这忒好办了。我要是只靠自己的那点“总结”本事，能写出这种“深度分析”吗？
是不是还得先学会如何跟 AI 谈条件，如何让它“学会”我想要的风格？ 我想起上次写那个关于“量子力学”的摘要，我本来也没指望它多高深，就是想让它帮我理一理思路。结局它给我整出来的东西，别看全是“深度分析”，可里头那些“概念混淆”、“逻辑跳跃”的地方，全是它自己“预计算”好的。它把我的难题，当成一个待解的数学题，然后直接抛出答案。 这让我意识到，真正的“本事”，或许不是让 AI 替你干活，而是学会如何跟 AI 合计。学会如何问它：“你这数据不准，我咋整？”学会如何跟它说：“这个逻辑我不应允，按你的算法，这关里的门肯定是虚的。” 哪怕赶明儿真成了用 AI 干活的人，那也得有个底线：别把脑子给养废了。AI 能给你算出最优解，但你得知道，哪个是最优的？哪个是侥幸？哪些是那些被它“忽略”的、你从生活里蹦出来的、特别有意思的、就连有点胡扯但特别准的点？ 咱们得把那些“没被训练”的、归于人自己的感悟，给 AI 留个口子。就像给养分的鱼留条鱼嘴，让它能喘口气，也能自己游出来吃草。 平时干活，我也认定挺费劲。
特别是面对那种复杂的历史节点，要么那些还没彻底定型的业务逻辑，AI 常常能给出一个看似完美的方案，可一旦你真要对客户说，要么真要去改代码，那种“变来变去”的劲儿，立马就没了。它忒“稳定”了。它能在几秒钟内生成成千上万个方案，但真正找到那个“最适合咱们目前”的，它还得靠人来算，靠人来试。 这让我想到，咱们这行，讲究的就是一个“活”。机器是死的，人是活的。AI 能给你生成无数种可能，但它没法知道，哪种可能才是咱们明天要面对的真情况。它只知道，根据概率，哪种可能性最大。 我越想越认定，刚刚的感觉，实际上挺妙的。
那种在混乱里把事儿理顺的爽，那种面对一堆数据时那种“啊，这也能如此整？”的惊喜，不是 AI 能给的。AI 能给你生成个 PPT，能让 PPT 里的图表动起来，就连能说出“客户最揪心的是交付延期”，但它不能告诉你，那个延期到底是出于材料批次波动，还是出于物流节点断了，还是出于设计迭代忒频繁。 这大约就是咱们这行的“味道”。有点笨，但就是真能事儿。 我也得承认，今天跟那位老同事聊的时候，他跟我透了一个底：那会儿认定自己那会儿挺了得，目前看着 AI 那玩意儿，心里头又酸又涩。酸的是那会儿认定那玩意儿能搞定，目前看它啥也干不了。涩的是，它真能算出最优解，但你得知道，哪个是最优的？ 不过，转念一想，这仿佛也挺正常的。咱们这行嘛，本来就是干活的。AI 能算出最优解，但真要看哪个是好的？这关不干，还得靠咱们自己。 我拿起笔，预备把刚刚那个“深度分析”再改一改。
这次，我不再让它给我整那些“图表所展示的显著相关性”，也不再给它那些“基于深度学习的模型预测”。我要把那些“主观性”、“灵活性”、“人情世故”，再加上我那些从生活里蹦出来的、有点胡扯但特别准的点，都给它加回来。我要让这玩意儿，像个有血有肉的工友们，而不是个冷冰冰的算法。 这就是我的感悟：AI 能给我一万种可能，但只有咱们这帮人，能给出一万种真事儿。
这才是咱们这行的“力”。


相关标签：