AI 正从回答单个问题，走向参与一连串工作。这并不意味着机器会在每个环节取代人，而是我们需要重新划分：哪些事情由人完成，哪些可以交给 AI 协助，哪些结果仍须检查。
与其猜测哪些职业会消失，不如从日常工作看起：哪些步骤重复出现？哪里需要判断？谁必须对结果负责？
从查询工具到流程协作者
查询工具等待用户提问并提供信息。生成式 AI 还能处理语言和输入资料，例如归纳笔记、提出大纲、调整语气、比较方案或写出初稿。
简单使用时，我们问一个问题，得到一个答案。把 AI 放进流程时，我们提供目标和相关材料，让它处理选定的步骤，再检查结果、反馈并继续。AI 可以像某些环节的协作者一样快速给出选项，但它不会自动知道未提供的目标和背景。
这里的“协作者”是对工作角色的比喻，不表示 AI 具有意识、经验或人的责任能力。
工作被重新拆分
以准备一份提案为例。过去，一个人可能要自行研究、整理笔记、列大纲、写初稿、修改和校对。现在可以分别让 AI 按主题归纳笔记、指出缺口、建议结构或标记难懂的句子。
提案写给谁、哪些标准重要、什么信息可信、最终发送什么，仍由人决定。变化在于初步处理可能更快，而制定标准和评估产出变得更重要。
这是一种从“亲手完成每个操作”转向“设计并监督部分流程”的变化。不同职业受到的影响并不相同。输入清楚、结果可核对的任务，通常比需要深度判断或涉及不可共享资料的任务更适合 AI。
自动化一个步骤，不等于交出责任
AI 可以快速起草，但速度不代表正确。摘要可能漏掉例外，分析可能建立在错误假设上，流畅的回答也可能包含来源中没有的信息。
可以把使用方式分为三个层次：
- AI 提建议： 人提出问题并选择方案。
- AI 处理一个步骤： 人给出明确输入，检查输出，再决定下一步。
- 多步骤流程自动运行： 需要更严格地设计权限、停止点和错误处理。
自动化程度越高，就越需要复核、可撤销能力和明确责任。涉及金钱、权利、健康或个人数据的决定，应由负责的人检查。
哪些能力会更重要？
清楚表达要求只是其中一项。与 AI 高效协作还需要提供相关背景、发现薄弱输出、核对来源，并判断何时不该使用 AI。
把问题拆小也很重要。“帮我做一个发布计划”太宽泛；“根据这三份笔记按影响程度归类风险，引用依据，并标出缺少资料的部分”更具体，也更容易核查。
专业知识仍然重要，因为它能帮助我们识别听起来合理但实际错误的回答。AI 可以减少写初稿的时间，却不会替使用者提供专业标准。
不同工作的影响不同
重复的文字工作可能比现场观察、建立信任或应对意外情况更容易得到 AI 协助。即便在同一岗位，起草报告也可能比与客户谈判更适合 AI。按具体任务评估，通常比按职位名称预测更有用。
衡量效率时，应计算整个过程：准备资料、编写要求、复核、修改和交接。初稿生成得快，不代表总耗时一定下降。如果产出增加却降低准确性，或让来源更难追溯，就未必是进步。质量和接收者体验也应纳入标准。
从一件小事开始
选一项重复且容易检查的工作，例如总结会议记录、整理待确认问题、归类反馈或拟定大纲。记录输入、要求、修改量和实际节省的时间。
如果结果不稳定，先检查资料质量和成功标准，再判断 AI 是否适用。如果复核比自己完成还费时，可以重新拆分任务，或考虑风险后不交给 AI。
要点： 把 AI 放在合适的环节，可以扩展一个人的处理能力。人仍负责确定目标、评估结果并作出最终决定。
总结
AI 让起草、归纳和转换内容更容易开始。更大的变化在于协作方式：人设定方向，AI 协助合适的步骤，人检查结果后再使用。
与其问“AI 会取代这份工作吗？”，不如问“哪些部分可以得到协助，哪些部分仍需要人的判断？”这能帮助我们务实地开始，同时保留主动权。