AI 流利度基础 | 构建 AI 时代人类优势

一、转变你对 AI 的视角

本单元带你建立对 AI 的全新认知。学完本单元，你将能够：定义 AI 流利度、描述 AI 流利度的三大支柱如何构建 AI 原生组织、说明 AI 与代理如何增强日常工作与流程、转变对 AI 颠覆的视角以发现新机遇，并解释 AI 如何为你腾出更多时间从事高价值工作。

重新构想我们的工作方式

AI 正在重新定义工作被设计、交付和规模化的标准。它拓展了可能性，带来更多创造力、生产力和产能。虽然技术搭建了舞台，但真正驱动影响的是人。AI 流利度（AI fluency）弥合了这一差距，把 AI 投资转化为劳动力优势。

本模块将引导你建立这种优势——激发高绩效、推动可衡量的成果，并赋能每个人在 AI 驱动的世界中担当领导角色。你将从探索 AI 流利度在实践中意味着什么开始，了解这些工具如何改进你的日常工作流程。

什么是 AI 流利度？

AI 流利度是自信地与人工智能协作以推动业务影响的能力。它赋予你在任何岗位上以速度和规模运作所需的自主性。

流利度是从"AI 意识（AI-aware）"迈向"AI 原生（AI-native）"专业人才的桥梁。流利度是每天在工作中持续使用 AI 的实用技能，而 AI 原生则是一种思维模式——意味着在每个项目开始时本能地寻求 AI 协作，而不是事后才想到。

就像学习一门新语言一样，每日练习能构建你的能力，让你在岗位上始终保持高效。

AI 流利度的三大支柱

AI 流利度把技术投资转化为有竞争力的劳动力优势。构建这一优势需要精通三个相互关联的支柱。回顾它们时，想一想你在 AI 流利度之旅中处于什么位置，还有哪些成长空间。

AI 参与（AI Engagement）：好奇心是起点。以开放而非犹豫的态度对待 AI 的团队，能建立实验的信心。这种主动姿态帮助他们随着工具和能力的演进而适应和成长。
AI 激活（AI Activation）：在日常工作中持续应用，能简化流程、解决复杂任务。这种转变让团队从"偶尔用一下 AI"走向"离不开 AI"，让技术成为工作流程中自然的一部分。建立这些日常习惯，能把简单的采纳转化为可持续的劳动力优势。
AI 专长（AI Expertise）：在人 + 代理层面的协作需要一套独特的技能，植根于人类适应力、结构化问题解决和人机协作。这种专长让你能应对复杂问题、创造持久价值，最终为真正的 AI 原生团队文化奠定基础。

本模块的其余部分将帮助你把三大支柱付诸实践。

AI 与代理如何增强日常工作

AI 和代理不会取代人类，它们增强工作的完成方式。增强意味着把人类判断与 AI 结合起来以扩大你的影响力，帮助你提升最终成果的质量。

代理通过执行多步骤工作流、综合跨系统信息、揭示隐藏模式来支持日常任务。这不仅能节省重复性工作的时间，还让你的工作更明智、更具战略性。

通过加速分析并解锁新洞察，AI 让你能够清晰、自信地行动。AI 擅长在大规模数据集中处理模式，而人类提供创造力、上下文和问责。最强大的成果来自于两者的结合。

转变你对 AI 颠覆的视角

转变视角，意味着把技术颠覆视为职业进化的机遇。这种思维转变从根本上改变了你应对行业变化的方式。看看下面这些现实。

机遇正在增长：Salesforce 研究显示，CEO 预计未来近 80% 的劳动力将是人类与 AI 代理协同工作。事实上，66% 的准备充分的 CEO 认为这种转变会创造全新的团队和角色。通过主动学习和实验来建立你的自主性。
AI 让专业知识民主化：哈佛商学院近期研究显示，使用 AI 的新员工能达到与资深同事相当的绩效水平。你已经具备使用 AI 的基础技能，只需保持好奇并坚持在日常工作中实验，就能提升技能。
AI 推动突破：实地实验显示，使用 AI 的团队产生突破性解决方案的可能性高出三倍。使用 AI 不是捷径，而是交付顶级成果的必备条件。通过公开分享你的成功与经验教训来建立影响力。

转变视角能帮助你识别机遇并选择如何应对。虽然变化可能充满挑战，但 AI 通过拓展你的战略能力、改善战略决策和整体工作满意度，开辟了新的成功路径。信心在行动中增长。随着小实验积累你的技能，你的 AI 流利度和影响力也会增长。

释放高价值工作的产能

AI 的目标不是速度，而是价值。当技术吸收常规任务时，你赢回的不仅仅是时间，而是专注于真正重要工作的能力。

回顾这种新产能如何赋能个人：

客服代理：Agentforce 已在 help.salesforce.com 上处理了 300 多万次客户对话，在客户满意度（CSAT）不下降的情况下，68% 无需人工介入即可解决。人类客服现在专注于以同理心驱动的互动和高复杂度升级问题。
销售代表：Agentforce Sales 自动处理寻找潜在客户、CRM 更新、研究简报和跟进等行政负担。销售代表优先投入高价值对话，建立关系、理解客户需求并达成交易。
工程师：Project Cody 团队用 Claude 在 11 天内自动化了约 8500 个 Setup API。顶尖工程师正演变为智能系统的架构师和编排者，运用管理复杂工作流所需的高层判断和视野。

团队与领导者的产能释放

公共部门：AI 拓展了运营能力。这不仅是让人"留在流程中"，更是让人"保持主导地位"。人类为重大决策提供监督和问责。
团队：AI 管理竞争分析、综合客户反馈并生成功能优先级框架。团队专注于高层战略和协作——决定是为现有客户还是想赢得的新市场而构建，评估路线图是否反映了真正的差异化，而不只是追逐竞争对手。
领导者：AI 起草演示文稿、汇总客户历史并标记续约时间线。Salesforce 内部 AI 治理框架将人工审查保留给最高风险的部署和重大决策。领导者赢回产能，投入到能成就职业的辅导中——通过战略对话和事后复盘，帮助员工驾驭高管关系，识别谁已准备好进入领导岗位。这种有意识的培养能留住顶尖人才、打造强大团队。

二、应用人机协作模型

本单元介绍人机协作模型（Human-AI Collaboration Model），帮助你从简单的任务执行迈向战略创新。学完本单元，你将能够：区分四种人机协作模式、根据任务和情境选择合适的协作模式，并通过迭代 AI 提示词来提升协作成果。

有意识地与 AI 协作

不同的任务需要以不同的方式与 AI 协作。最有效的策略取决于你的具体情境和期望结果。

本单元介绍人机协作模型，帮助你超越简单的任务执行，走向战略创新。你将探索如何选择最佳的协作模式、优化提示词，并对 AI 生成的输出运用人类判断。

人机协作模型

当你把 AI 分配去做它最擅长的事情时，它能产生最大的影响。人机协作模型帮助你解锁这一价值，告诉你如何把正确的方法匹配到任务的复杂度和目标上。

AI 作为工具（Tool）：你是操作者（Operator），命令 AI 执行单一任务。它能提升个人生产力。示例："把我的会议记录总结成一份跟进邮件。"
AI 作为助手（Assistant）：你是委托者（Delegator），把多步骤流程委托给 AI 并提供监督和审批。它能加速工作流程。示例："扫描我下周的日历，与项目截止日期交叉比对，并为我提出一份待审批的优先级待办清单。"
AI 作为贡献者（Contributor）：你是合作伙伴（Partner），与 AI 进行流畅对话以解决复杂问题。它能结构化问题解决并细化分析。示例："我们项目遇到了瓶颈。这是项目计划和最近三份状态报告。找出三个潜在原因，并为团队头脑风暴不同的解决方案。"
AI 作为催化剂（Catalyst）：你是远见者（Visionary），用 AI 探索新可能、发现突破。它能激发突破。示例："扫描我们前五大竞争对手的所有公开数据。综合这些数据预测他们下一步的战略动作，并提出三个我们可以制定的反制策略。"

当你从把 AI 当战术执行工具，走向把 AI 当创新催化剂时，你就解锁了人机协作的真正价值。

选择合适的协作模式

有效的协作需要做出有意识的选择，而不是每个任务都默认用同一种模式。你的选择会影响所需的人工监督程度和结果的预期质量。

在让 AI 介入之前，先评估情境：

这个任务是简单的总结还是战略探索？
这个情境需要多少个人上下文、业务策略和监督？

选择合适的模式，能平衡人类直觉、业务策略和 AI 能力。看看 Northern Trail Outfitters（NTO）的数字营销经理 Isabelle Givens 如何用这个框架应对季节性产品发布：

AI 作为工具（操作者）：快速获取摘要。Isabelle 需要速度和准确性来完成简单重复的任务，她用 AI 从密集的绩效报告中总结关键指标，以便快速上手。
AI 作为助手（委托者）：起草项目计划。Isabelle 需要一份供自己审查的起点，她用 AI 起草完整的活动时间线和项目计划，然后自己润色调整。
AI 作为贡献者（合作伙伴）：探索根本原因。Isabelle 用 AI 压力测试她对用户参与度的理论，进行迭代对话以综合绩效数据，找出受众趋势变化背后的根本原因。
AI 作为催化剂（远见者）：发现新机遇。Isabelle 需要 AI 挑战内部假设，综合市场数据并揭示她单靠自己可能看不到的洞察，以塑造未来战略。

通过有意识地选择协作模式，Isabelle 确保 AI 增强她的专业能力，促成更战略性、更成功的发布。

通过迭代改进提示词

清晰的提示词能提升 AI 输出的质量和相关性。提供涵盖任务、上下文、格式和约束的具体指示。

看看添加上下文和约束，如何把简单命令变成战略方向：

AI 作为工具：基础提示"起草一条 Slack 消息" → 改进后"给项目团队写一条 Slack 消息的初稿。说明截止日期推迟了，语气保持鼓励。"
AI 作为助手：基础提示"做一个项目计划" → 改进后"为我们新发布的产品创建一个初始项目计划。包含关键阶段、具体任务，以及下个月的建议时间线。"
AI 作为贡献者：基础提示"审查我的策略" → 改进后"分析我提出的策略。提供三到五个不同的视角或反驳意见，帮助我做出更深入的解决方案。"
AI 作为催化剂：基础提示"我们行业的趋势是什么？" → 改进后"分析本季度最新的行业趋势。基于这些外部数据的综合，提出一个创新的未来状态策略。"

你的第一条提示词是起点，不是最终命令。真正的 AI 原生沟通是一种迭代的、来回的对话。

追问的力量

迭代是从基础执行走向战略协作的关键。第一次输出很少是最终版本，要把初始 AI 回复当作需要你专业指导的草稿。AI 回复后，用追问来聚焦重点、应用具体的业务逻辑或调整语气。

基础性问题（Fundamental）——关注准确性和清晰度："你在做哪些假设？""有没有什么细节可以补充以澄清我的指示？""针对这个具体任务，我还应该考虑什么？"
战略性问题（Strategic）——关注洞察和影响："这个挑战常见的障碍是什么，我该如何避免？""有哪些我们还没讨论过的非常规可能性？""你需要我提供什么，才能给出更具影响力的解决方案？"

有效的人机协作是一个持续优化的循环。把每次 AI 输出当作草稿而非成品，就能确保结果符合你的专业标准。

三、强化你的人类优势

本单元探讨如何平衡 AI 支持与人类判断，确保你始终是掌握最终成果主动权的战略主导者。学完本单元，你将能够：区分 AI 驱动、AI 支持和人类主导的工作，评估 AI 输出中的事实、猜测和缺失信息，识别 AI 支持工作中的伦理风险与偏见，并对最终决策和结果负责。

AI 增强型职场中的人类判断

随着 AI 和代理以越来越高的自主性执行任务、生成洞察，人类的角色变得更加重要，而不是更不重要。

技术在速度和规模上无与伦比地处理信息，但人必须提供解读、道德罗盘和最终决策。

本单元探讨如何在 AI 支持与人类判断之间取得平衡，确保你始终是拥有最终成果主动权的战略主导者。

分派工作

有效的协作将 AI 的速度与人类的优势（判断、伦理、上下文和问责）结合起来。在许多情况下，AI 支持分析和起草，而人类负责解读、细化和决策。成功在于识别任务需要什么，并相应调整你的监督水平。

AI 驱动的工作：AI 使用既定规则执行简单、重复的任务；人类定义目标、设置护栏并监控结果。
AI 支持的工作：AI 加速研究、写作和寻找创意；人类审查、细化并验证与战略目标的一致性。
人类主导的决策：AI 综合大数据集为决策提供信息；人类对最终选择运用判断、价值观和问责。

看看 Isabelle 在产品发布期间的做法。她在用 AI 生成数据驱动的文案和运用自己的判断评估语气与品牌影响之间切换，不断评估每个任务如何分派。

在审查 AI 生成的社交媒体广告时，AI 根据数据建议使用"最后机会！"这样的措辞。Isabelle 注意到这对 NTO 的品牌来说太激进了，权衡影响后修改了语言，使其与品牌价值观保持一致。品牌声誉的问责始终在她身上——AI 优化点击量，而 Isabelle 优化声誉。

用验证框架批判性评估 AI 输出

AI 输出基于模式和它们接收的数据。如果数据不完整或有偏见，AI 的答案也会如此。随着 AI 以更高的自主性运作，单个错误可能迅速扩展到整个工作流。

理解模型如何工作能帮助你发现这些错误。当输出不公平地偏袒某一群体时，就产生了偏见。这一风险因工具设置而异：

通用模型 vs. 接地模型（Grounded Models）：通用模型从公共互联网学习，可能表现出更大的偏见。接地模型使用你公司的数据，但如果数据不完整，仍然可能出错。
选择正确的设置：像"Fast"这样的设置优先速度而非细致验证。使用它们而不是"Thinking"或"Pro"模式时，你的伦理监督必须加强。

因为 AI 即使错误时也可能表现得极其自信，高质量的工作需要人工监督。在依赖 AI 生成的内容之前，用以下验证框架进行批判性审查：

核实事实：确认日期、名称和关键数据点，检查来源和引用。示例错误：AI 为一款只有 2 年质保的产品标注"终身质保"。
检查上下文缺失：确保语气和细节符合你的特定受众，留意本地化或行业特定的细微差别。示例错误：销售邮件忽略了竞争对手近期的重要公告或地区性节日。
识别隐藏猜测：找出 AI 未经你输入就做出的逻辑跳跃，检查 AI 是否在猜测时间线。示例错误：项目计划假设 5 天工作周，而你的团队按 4 天工作制运行。
检查偏见：检查是否存在片面视角或缺失的人群统计，让 AI 找出某个想法可能失败的原因。示例错误：营销策略完全聚焦北美客户偏好，忽略了国际市场的文化差异和购买行为。