AI能代替你们的年轻部下？想什么呢？

美国有调查显示，37% 的管理层更愿意把工作交给 AI，而不是 Z 世代的年轻员工。给出的理由五花八门：年轻人要生病、要休假、培养要成本、礼貌不够、不懂协作……看完之后，我只有一个反应：想用好 AI 的人，先得是个能把话说清楚的人。这道门槛，比管理年轻人高多了。

生成式 AI 是什么

让 AI 自己来解释，是最省事的。我分别问了 DeepSeek 和 ChatGPT：

简单说就是：通过学习大量数据来生成内容。你告诉 AI 你想要什么，它基于学习过的数据给你答案。这句话很关键，后面会反复回来看它。

问题出在哪里：你能把话说清楚吗

很多管理者面对下属的指令就是一句”你把这事给办了”。我不知道那 37% 的美国上司有多少人真的用过 AI，但我自己试着用 Midjourney 画东西时，感受很真实：在娱乐层面，AI 确实能给你惊喜；但要做到”指哪打哪”，没经过训练的人根本做不到。

就拿”把这事给办了”来说，一句话背后可能包括：

• 最基本的 5W1H
• 企业与个人之间的关系和背景
• 需要当面处理的部分
• 行业、法律、国家层面的庞大背景知识
• 单次事项与过往案例的关联
• 需要个人判断的裁量空间
• 时机的把握——并不总是”越快越好”

这些，让一个年轻员工来做，至少还能你来回沟通、反复确认。让 AI 来做，你得把上面每一条都提前想清楚、说明白，否则 AI 只能给你一个看起来合理、实则跑偏的答案。

Prompt Engineering：听说过吗

要让 AI 真正好用，有一个专门的技术方向叫做 Prompt Engineering（提示工程）——通过精确设计输入指令，引导 AI 生成高质量的输出。关键点包括：指令明确具体、设定角色、定义输出格式、提供充分上下文、给出示例，以及不断迭代优化。

进阶一点还有链式思维（Chain of Thought）、反向提示、少样本学习等。

我自己第一次问 GPT 时忘了限制字数，结果对方生成了满满几页，不得不重新输入一遍。就这个最基础的操作，我都没做好。

那些觉得 AI 万能的管理者，让他们学 PE 是什么反应？他们连自己设的密码都记不住，更别提把一个模糊的工作任务转化成精准的 AI 指令了。对 AI 的指令，比对年轻员工的要求难得多——因为 AI 不会猜你的意思，也不会在你说不清楚时委婉提醒你。

AI 给的是学习结果，不是真理

即便你真的能把话说清楚，也不代表 AI 就能做对。

我曾经让 AI 画”盾构机”，出来的东西像是时光机，或者某种工业革命时代的装置，和真实的盾构机毫无关系。盾构机这个词在中文里意思单一，但 AI 给出了一个信心十足的错误答案。

这才是真正的问题所在：AI 不会告诉你它没学过某个东西，也不会对自己生成的内容做真实性验证。企业机密、核心技术、偏门行业知识——哪怕是盾构这样规模不大的行业，AI 摸不到的东西也多得很。

有人会说，人给出的答案不也是基于学习，不也不是真理吗？说得对。所以，部下和 AI，你总得教一个。

2025 年初，AI 在工作中实际能做什么

以我自己作为小型企业中间管理层的经验，目前在业务中能踏实用到 AI 的，大概就这几类：

• 可验证信息的搜索与整理：公开信息、法律条文、基础知识（教科书级别）、Excel 函数等
• 基于上述信息的报告撰写
• 文本修正：语法、用词、语气等，但只用于自己懂的语言，不用来写自己看不懂的内容
• 翻译与润色：专业词汇少、有上下文的段落类文本，且仅限于自己能判断翻译质量的语言
• 不涉密：这是前提条件，不是加分项

我也问了 ChatGPT 同样的问题，它列了文案创作、客服、数据分析、代码生成、教育培训、翻译等一长串，说得比我广泛。结尾还用了”赋能”这个词——这是我唯一一次觉得 AI 比我更像在写公众号。

结语

和人打交道是累人的事。人有个性、有利益、有自己的小心思，光是”交流”这件事，很多人就已经想绕开了。于是就有了”与其求人，不如求 AI”的想法。

但这不过是一种逃避，是酒后”要是什么都不用努力就能顺利进行就好了”的愿景，不是真正可行的方案。

AI 确实有用，能做到的事也不少。但那些动不动就说”你们年轻人不行，以后你们的活我全给 AI 干”的人，才是最先会被 AI 替代的——因为他们的位置，栓条狗就够了，用不着 AI。

判断所需的材料，可以让 AI 来整理。但判断本身，还是得由人来做。能做出判断的人，才有资格谈怎么用 AI。