AI办公：我工位上多了一位不下班的同事

最近有人问我：你们搞开发的，是不是早就被 AI 替代了？

我说没有。准确地说，是被”分流”了——我工位旁边多了一位不下班的同事，它把一部分活拿走了，剩下的活反而更磨人了。

它接管的部分

先说真的。AI 办公在我这儿不是概念，是每天发生的流水账：

• 会议纪要：开完会把录音转写丢给它，三分钟后一份带待办事项、带责任人的纪要就出来了。以前这事要占掉我半小时，现在只占我三分钟审校。
• 初稿：方案框架、周报、给学校的交付说明，我从来不让它写终稿，但让它打初稿极香——对着空白文档发呆和对着六十分的初稿改，是两种完全不同的人生。
• 表格和脚本：把几百条杂乱数据整理成结构化表格、写个小脚本批量重命名、给 Excel 公式救命，这类”脏活累活”它干得又快又好。
• 检索：查一个 API 的用法、翻一段老代码的调用关系、让它解释一个报错，比翻搜索引擎一页页点快得多。

粗算下来，事务性的时间省掉了三分之一左右。这个数字不夸张，但足够改变工作方式。

它没接管的部分

再说它干不了的——恰恰是最值钱的部分。

AI 能写会议纪要，但它判断不了会上那句”这个再说吧”到底是同意还是不同意；它能出方案初稿，但不知道这个客户三年前踩过什么坑、哪句话会踩雷；它能整理数据，但说不清哪几个数字应该拿去跟领导汇报、哪几个数字最好先别提。

它处理的是”信息”，而办公的大部分难点是”关系”和”判断”。 信息可以外包给 AI，判断不行。

我见过两种翻车：一种是把 AI 生成的材料原样发出去，里面带着漂亮的套话和编造的数据，被对方一眼识破；另一种更隐蔽——AI 写得顺，人就懒得想，方案看着工整，实际上回避了所有真正难的问题。文档越漂亮，问题藏得越深。

怎么用好这位同事

用了一年多，我的心得就三条：

第一，它是副驾驶，不是主驾驶。 目的地、路线、什么时候踩刹车，都得我来定。我教大模型课程时常说这句话：你可以让 AI 替你干活，但不能让它替你负责。

第二，给它上下文，比给它指令重要。 同样是”写个方案”，把客户背景、历史项目、限制条件喂进去，和干巴巴一句话，出来的东西差几个档次。会用 AI 的人，本质是会把上下文组织好的人。

第三，交付前过一遍自己的脑子。 AI 的每一页产出，我都会问一句：这里如果错了，会错在哪？这个习惯能拦下绝大多数幻觉，也是”人审 AI”最后的防线。

写在最后

AI 办公不会让人失业，但会重新划一条线：线这边的人，用 AI 把自己的判断放大；线那边的人，被 AI 的产出淹没。

区别不在工具，在于你有没有自己的判断可以放大。

我给自己带的实习生有个规矩：AI 写的每一段，必须能讲清楚为什么这么写，讲不清楚就重写。这条规矩，其实对谁都适用。

顺便说一句，给学校做管理系统这些年，我越来越觉得”AI + 业务流程”是个值得琢磨的方向——比如把 AI 接进就业统计、实习反馈这类场景，让系统自己先跑一轮初步分析。最近正好在给一所学校做这方面的尝试，做这套系统的老本行还在，AI 的新手艺也热着，两样碰一起，还挺有意思。