今天小编分享的教育经验：谁是AI的最大阻力？，欢迎阅读。
"很多时候很多员工，尤其是基层员工，他们虽然很坚强，会默默地接受任务，但他们可能不知道自己的工作强度会被拉扯到什么程度。特别是在跨部门沟通时，很容易出现任务重叠的情况，导致员工不堪重负。你必须在员工"崩溃"之前，查看每个人的周报，确保每个人的工作量是合理的。如果我们不加以关注，组织在底层就会出现问题，那些不利于创新和创造的因素就会滋生。"
——春雨医生CEO、混沌学园三期校友 王语霄
组织里，AI落地的最大阻力来自哪？如何消除阻力？
AI落地的担子谁来挑？
AI人才怎么找？
现在有即插即用的AI工具&方案吗？
AI经常犯错怎么办？
在4月5日的混沌创新大课上，一念星球联合创始人/CTO张凯寓、春雨医生CEO王语霄以及洪泰基金董事总经理潘杨，三位老师围绕"AI时代下的创业生存"这一主题，深入探讨AI技术如何为企业带来机遇，以及创业者在AI浪潮中如何做出明智的选择。
以下为圆桌对谈环节的精华笔记，仅为课程内容的十分之一，更多精彩内容请到混沌APP观看。
嘉宾老师：
张凯寓 一念星球联合创始人/CTO、混沌创商院校友
王语霄 春雨医生CEO、混沌学园三期校友
潘杨 洪泰基金董事总经理、混沌·AI创新领教
现在有即插即用的AI工具&方案吗？
潘杨：各位同学好，感谢大家参与今天的创业者圆桌探索流，我们的今天主题聚焦于AI时代下的创业生存。我发现在这一大背景下，AI领網域存在诸多尚未达成共识的观点。接下来我想就这些内容，与两位老师展开讨论。
首先，我们进入第一个问题：是否有一种AI工具或攻略，能让大家拿到手就能直接使用，迅速上手呢？
张凯寓：我们要客观地承认，当前AI技术的成熟度还远远不够。我们距离实现通用人工智能（AGI）的那一天，还有很长的路要走。然而，这并不意味着AI技术毫无价值，现有的AI技术已经能够为企业带来诸多益处。在SaaS时代，以及軟體时代，我们总是试图寻找一套通用的解决方案，去适配每一个企业。如今我们已经步入AI时代，每个企业都各具特色，为什么还要硬套别人的解决方案呢？
当然，未来可能会有一些行业或产业推出一些通用性较强的产品和解决方案，但这并不意味着它们适用于所有企业。在AI时代，若想让企业真正成为AI原生公司，我们需要找到那双最适合自己的"鞋子"，才能真正走得舒适。
王语霄：我觉得当下肯定不存在这种即插即用的标准化方案，但这并不意味着未来没有可能。五年后、十年后，情况或许会大不相同。正是因为现在没有，才有了市场的创业机会，才有了我们"卖铲子"的可能性。
一念星球联合创始人&CTO、混沌创商院校友 张凯寓
在专业领網域，AI经常犯错怎么办？
潘杨：我们在使用大模型时，可能都有这样的感受：在不熟悉的领網域，模型似乎表现不错，能给出一套套看似合理的方案；但在我们熟悉的领網域，模型的回答却常常不尽如人意。比如，我上次做了一个关于资本市场的战略分析的作业，模型的第一句话就写错了，说目前中国的资金结构60%来自传统金融机构。我指出这是错误的，因为即使是政府资金，也不属于传统金融机构，模型重新搜索后承认了错误。两位觉得这种情况背后是什么原因和机制？企业使用大模型时，该如何解决这个问题？
王语霄：我觉得大模型的输出（output）与输入（input）密切相关。您为它提供的知识背景和语料库决定了它的输出质量。我们不能期望大模型全知全能，它本身处于不断学习和成长的过程中，出现错误是难免的。关键在于，当它出错时，我们能否为其提供正确的知识库，或者引导它找到解决问题的正确思路，去搜索对应的信息。这样，它的输出才会逐渐改善，这是第一点。
第二点，我个人认为大模型确实存在"幻觉"现象。我们最初使用大模型时，曾遇到一件令人哭笑不得的事：我们询问公司客服电话号码，它竟然报出了一串数字，但我们公司从未使用过这个号码。后来我查证发现，它完全是虚拟了一个号码，这确实令人担忧。这说明大模型需要我们对输入和输出进行优化和调优。但当下，我们更应该关注的是如何用好它。
春雨医生CEO、混沌学园三期校友 王语霄
潘杨：我对此深有体会。当有一个可以调用的知识库作为基础时，再向大模型提问，它的回答会好很多。比如我在做一个案例时，无论我怎么与大模型交流，它给出的都是些正确的废话。后来我使用了一款金融领網域常用的数据分析系统，包含了所有上市公司的资料库，我调用了一组数据，用这些数据去提问，结果非常惊艳。
张凯寓：大模型在熟悉领網域好用，而在不熟悉领網域不好用，这种情况其实非常正常。我想从两个方面为大家拆解一下原因。
首先，从专业知识的角度来看，大模型所掌握的专业知识是由其训练语料决定的。大模型的训练语料具有非常庞大的广度，但在具体到我们专业领網域时，其深度则明显不足。因此，当你是外行时，会觉得大模型的输出非常惊艳，因为你没有能力洞察其背后的错误以及逻辑漏洞。就好比一个人如果从未写过诗，大模型输出一首打油诗，它可能会觉得非常棒。但如果你是一位诗人，你就能从语言学和诗歌鉴赏的角度，发现其中的不足。
然而，当它回答的内容恰好在你熟悉的领網域时，你就能一眼看出大模型输出的问题。由于大模型是基于生成式原理，底层依赖海量参数的概率计算，因此"概率幻觉"现象是必然存在的。它可能会一本正经地胡说八道。所以，在信息收集和事实问答方面，尤其是在专业领網域，我们不推荐大家单纯依赖大模型。至少要结合联网能力。
此外，还有一些小技巧可以避免幻觉。例如，我发现很多用户在使用DeepSeek时，会无腦开启其推理模型R1，但R1主要用于处理复杂任务，如代码推理等。如果不涉及这些任务，开启R1反而会增加幻觉率。相反，关闭R1，开启V3，幻觉率会显著降低。我曾做过多次测试，发现开启R1时，100条数据中有100条都可能出现幻觉。因此，大家一定要注意幻觉率。
其次，是实时性问题。在专业领網域，如果你是专家，你对知识的掌握是实时更新的。但大模型作为预训练模型，它只掌握其训练时所使用的语料知识。由于这种知识的时间差，大模型的输出可能会显得不够准确。
回到大家关心的一个问题，关于中小企业如何快速做好数据沉淀。中小企业想要快速做好数据沉淀，这件事并没有那么复杂。我们需要区分自己的领網域是否属于专业领網域或前沿领網域。如果大模型在这些领網域缺乏良好的结构化语料，那么中小企业可以将自己已有的数据进行汇总、统计和结构化处理，通常就足够了。
我为大家提供五个维度来评价数据的质量：准确性、完整性、实时性、一致性和可用性。比如，"一致性"是什么意思呢？就是你提供的资料中，不能一条知识说往东走，另一条知识却说往西走。如果这样的语料投给大模型，其实是在给它制造困扰。而且，用这样的知识库构建自己的AI应用，效果也一定不好，大模型也会感到迷茫。至于准确性、完整性这些概念，相信大家都能比较好地理解。还有实时性，这其实是一个重要的补充手段。大模型本身已经掌握了很多知识，我们提供给它的知识库，更像是开卷考试中的参考资料，用于辅助其更好地发挥作用。以上大概就谈这么多。
点击下图观看完整课程
AI落地的阻力来自哪？
潘杨：凯寓老师刚才的分享也间接回答了另一个问题，即关于高价值数据的定义。大家都说在企业中，谁掌握了高价值数据，谁就掌握了AI的价值。但凯寓老师对这个问题的回答是，对于高价值数据的定义，因不同的企业以及不同的发展阶段而异。企业不需要过度追求数据的贪大求全以及极致的数据治理，这一点非常重要。
另外，我们还谈到AI在企业的落地问题。刚才语霄老师分享了很多一线实战中的心得，AI落地绝非一蹴而就的事情，可能会比较困难。特别是企业的一号位，可能有这样的认知：我有很大的权力去推动这件事。但在实际落地时，往往会碰到一些阻力。两位老师这种阻力一般会来自哪里呢？（这个问题此前混沌的两位授课老师、Manus 的两位核心成员探讨过，有兴趣可点击查看原文）
王语霄：组织的阻力是可以预见的。但一定要有一个强有力的个人，率先站出来，成为点燃这个火星的人。如果AI落地过程中不能与业务场景和既有的KPI深度融合，底层的工作人员就会感到迷茫，甚至会产生"给我加活"的抵触心理。如果基于他们现有的KPI和业务困惑，为他们提供AI解决方案，他们的逻辑就会理顺。而且，在AI落地过程中，一定要有示范效应，即一定要有一个团队取得战果。
很多时候，战功是可以起到激励作用的。小伙伴们选择与我们并肩工作，某种程度上，大家都是为了挣钱，这是基本的生存需求。然而，在这个基础之上，还有一个非常重要的、但可能常被忽视的因素：大家选择与我们共同奋斗，并非仅仅因为公司的工作环境舒适、福利优厚，而是因为在这里能够取得成功、成事，这才是最根本的原因。所以，在这个过程中出现一些阵痛、抵触，甚至不一样的声音，都是非常正常且可以理解的。但如果大家能够认同这件事是一个正确的趋势，是时代发展的方向，我们身处的赛道是正确的，那么大家其实都会愿意继续跟随并走下去，这一点至关重要。简言之，员工们并非仅因使用AI写代码而得到奖励就会满足，他们其实并不肤浅。他们内心有自己的判断标准，会思考这件事是否真正有价值。
另外，在大模型的训练过程中，我们越来越发现，大模型的训练与人的培养有着异曲同工之妙。就像如何教导一名员工，如何将一个新手培养成熟练工，如何把一个普通业务骨干培养成管理者，包括如何培养他们的领导力、如何形成解决问题的逻辑思维，这些过程其实与训练大模型有许多相似之处。在这个过程中，员工在训练大模型的同时，也在训练和提升自己。也就是说，在人与机器的互動过程中，人也在教育自己。在具体的业务场景下，公司也在完成一次AI时代的组织蜕变。
张凯寓：我自己不仅是做技术出身，我也是一名连续创业者。记得2022年11月30日，那一天OpenAI发布了ChatGPT。2023年上半年，我坚定地带领团队开始内部孵化项目，到现在为止，我全身心投入到AI领網域，与100多家企业伙伴有深有浅的交流合作，我有一个非常深刻的体会：AI落地的最大阻力其实并不在技术本身，而在于人心的不确定。
为什么这么说呢？无论是大企业还是小企业，都有以下问题：许多员工担心被AI取代，因为他们曾经引以为傲的技术，是花费数十年时间、靠大量经验积累才打磨出来的。而在AI面前，这些技术突然显得不再那么重要，员工的内心会怎样想？
第二点是关于企业内部的既得利益集团。AI本质上是一场底层生产力和生产关系的变革。当提到要拥抱AI时，它必然会改变企业所有人现有的利益分配方式，从而破坏某些人或组织的利益格局，既得利益集团本身就会成为阻力的一部分。实际上，我观察到最大的阻力往往并不来源于基层，也不来源于顶层。因为老板通常有意愿推动变革，而最大的阻力往往来源于中层。
因此，我认为，首要任务是消除人心的不确定性，这样才能打破AI落地的阻力。技术层面的问题，按部就班地都有解决方案。关键在于，AI本质上不是为了取代人，而是为了更好地辅助人。AI只会取代那些拒绝接受AI的人。那么，在这个过程中，如何让一线、中台、后台的员工都能积极参与很重要。
我有两个具体的建议。一是在企业中，AI落地必须是一把手工程。如果老板采取甩手掌柜的态度，这件事成功的概率极低。二是在老板确定了主心骨的情况下，从实际操作层面来看，要重视正反馈。即从小处着手，让整个团队看到AI确实对我们有帮助。我们生而为人，不应只是为了每天重复那些可以被取代的、低价值的重复劳动。我们可以把这部分时间腾出来，让AI承担那些繁琐的工作，而我们则专注于成为更好的自己。这样难道不好吗？从这个角度，我也呼应刚才老师们提到的AI领导力。
在过去，工作场景中，人与人之间的关系更为重要。一线员工只需被领导认可，并与同事相处融洽即可。在管理中，我们注重向上管理、同级管理和向下管理。但在AI时代，每个人都需要学会管理AI"员工"，管理这种基于AI的生产力。因此，构建AI时代的领导力也是老板们需要务实考虑的问题。
谁来点燃AI企业落地这件事？
潘杨：人心本质上反映的是人性。真正的高手都在于对人性的洞察。人性本身并无好坏之分。我们之所以要拆解阻力，是因为阻力是有分层的。就像刚才语霄老师提到的，第一种阻力可能源于误解——我不知道它有什么用，不知道如何操作，不知道能否成功。而凯寓老师提到的是第二种——恐惧：我会不会被取代？因为这些工作原本是我做的，现在却被AI取代，我会失去自己的位置。
第三种是担忧。我们此前积累了众多技术，这些技术是否会瞬间失效？这种担忧不仅来自创业企业的中层员工，甚至老板也深受其扰。老板深知时代的重要性，但内心仍忧心忡忡：商业模式是否会遭到颠覆？公司是否还会存在价值？
然而，我们必须认识到，在时代洪流中，组织若不自我颠覆，就会被他人颠覆，这是不以个人意志为转移的。以链家和贝壳为例，贝壳起源于链家，贝壳将所有资源开放成平台，而链家依赖独家房源，现在贝壳的规模已经远超链家，链家成为了"子公司"。一号位创始人必须深刻认识到这一点。
其次，在企业落地应用时，我们要分析员工的阻碍是源于担忧、误解、恐惧，还是能力不足或无法实现，针对不同情况采取相应措施加以化解。另外，还有"成长"这一需求与个人成长息息相关。在马斯洛需求层次理论中，个人成长和成就的需求处于较高层级。许多老板可能认为员工懒惰、不愿学习、抗拒变化是害怕被取代，但如果换一个维度思考，其实每个人都有成长的渴望，只要帮助他们成长，组织依然可以实现迭代。
下一个问题，谁来负责引入AI，并把它落地？刚刚讲了一个关键词叫做"谁来点燃这个事情"，可能是一号位，也可能是一个技术负责人……以及点燃之后怎么办？谁来负责监控管理？
洪泰基金董事总经理、混沌·AI创新领教 潘杨
张凯寓：我觉得他不应该是一个人，而是一个AI尖兵小分队，我们自己也是如此践行的。（建议）小分队的构成包括：上层管理者、中层管理者、一线听得见炮火的声音的人，以及AI本身，最好再加入一位客户。
让这些人共同讲述、共同决策，抛掉身份之别，每个人基于自己的站位，真正看到了什么？
一线听得见炮火的声音的人，其实最懂客户、最懂市场。很多时候，脱离一线业务的老板，对于很多观点的理解可能已经出现偏差，但他又有整个的战略思维，需要把控战略方向。中层有中层的优势，客户则是需求侧视角。所以，非常推荐大家在开会时再加入自己的AI小伙伴，让它也参与会议，组成这样一个最小集合的AI尖兵小分队，让它去破解难题。
潘杨：所以，这是一个团队而非单一角色所能胜任的，是以老板牵头的小团队。那么，它会是一种什么样的组织形式呢？
王语霄：我认为，这是每一个处于AI转型中的企业的一号位都必须思考的问题。然而，这个问题往往会在一号位做出战略决策后，进入执行层时才凸显出来。以我们自身为例，当时我们组建了一个名为"诺曼底小组"的项目组。这个小组的核心人物，我们称之为"AI时代的业务架构师"，他既具备市场和业务背景，又掌握一定的技术知识。小组成员还包括技术、数据以及场景相关的小伙伴，由于我们企业比较特殊，还加入了医学方面的小伙伴。
在"诺曼底小组"成立之初，我（创新一号位）必须亲自参加每一次会议，并且持续较长时间。我们要和小组成员一起深入探讨对AI的看法、战略方向以及我们能做什么、可做什么，清晰地绘制出这三张"意愿图"。
其实，这个过程也是一个学习和磨合的过程。随着讨论的深入，大家会逐渐变得清晰。在小组的每次会议中，你会感受到团队从最初的沉默寡言，到逐渐打开心扉，甚至会有一些负面情绪涌现。我特别开心的是，小伙伴们在讨论中能够真诚地表达内心的焦虑、茫然和恐惧。当这些负面情绪在团队讨论中出现时，正是大家真正开始投入这个项目、拥抱创新的起点。如果大家只是表面上冠冕堂皇、一板一眼地讨论，而没有真正打开心扉，那么团队就无法真正凝聚起来。
另外，"诺曼底小组"是一个临时性小组，因此，一号位需要管理得更细致。你需要将每个人的KPI、部门任务以及时间安排，与"诺曼底小组"的任务进行合理的区隔。不能让员工觉得，因为参与这个小组，他们要自己解决很多额外的问题。
很多时候很多员工，尤其是基层员工，他们虽然很坚强，会默默地接受任务，但他们可能不知道自己的工作强度会被拉扯到什么程度。特别是在跨部门沟通时，很容易出现任务重叠的情况，导致员工不堪重负。你必须在员工"崩溃"之前，查看每个人的周报，确保每个人的工作量是合理的。如果我们不加以关注，组织在底层就会出现问题，那些不利于创新和创造的因素就会滋生。
所以，组织的保障工作至关重要，包括对员工工时的关注、KPI的合理安排，以及确保项目小组的战略方向与企业整体战略保持一致。在最开始的这段时间，工作是最艰难的。但随着时间的推移，你会发现，当组织进入正循环后，它会给你带来强大的力量。一开始可能是老板一个人着急，因为大家都不行，充满茫然和焦虑。但度过这段艰难时期后，你会看到组织逐渐涌现出一些小的创意、灵感和能量，公司也会焕发出新的活力。这是一个必然的过程，大家需要保持耐心，因为这是一个长达10到20年的创业征程。
AI人才怎么找？
潘杨：在企业中，人才来源应该是怎样的，才能更好地落地？
张凯寓：大企业和中小企业的做法有所不同。大企业当然有足够的资金，能够吸引这些高AI含量的人才，这是最好的选择。但对于中小企业来说，情况有所不同。从中小企业的角度来看，包括我们自己在做的，我更倾向于寻找一些年轻、崭新的、像一张白纸一样的伙伴。
人工智能已经有几十年的历史了，但当前很多人混淆了概念。我们所说的AI是生成式AI，而很多企业声称自己积累了十年甚至二十年的AI经验，但其实大多是判别式AI。真正精通生成式AI的人才，大多是年轻人和在应用领網域刚刚崭露头角的人。从商业角度出发，他们能真正帮助我们做事，而不是搞学术科研。从这个角度来说，大家可以寻找一些在能力原型上符合AI时代人才特征的人。
在过去，无论我们是否愿意承认，理工科学生在跨入职场时，确实有一定的就业优势。但在AI时代，我认为很多文科生的能量会得到极大释放。比如，AI时代，程式员真的能做好提示词和智能体吗？一些程式员可以，这说明这些程式员除了逻辑思维外，也具备人文洞察力。那么，文科生在AI时代做不了编程吗？肯定可以。那些具有很好的结构化表达能力的人，比如编剧，他们能胜任编剧岗位，也能成为优秀的提示词工程师。因此，我的建议和结论是，对于中小企业，可以少引入一些专家，甚至不引入专家，而是寻找一些真正深度使用AI、有自己理解且有实操经验的年轻人，让他们像鲶鱼一样快速加入团队。在我的实践中，这种方式见效非常快。
王语霄：我非常认同张老师的观点。引入"鲶鱼"确实是打破组织沉闷、快速改变局面的有效方式。我自己还有一个心得是，对于中小企业而言，我们往往没有足够的成本去招聘大量高密度的知识型人才。我们的做法是立足于自身现有的团队，建立一个开放型的学习组织，让组织能够与外部进行连接。
比如，如果在行业中有一些企业与我们没有很强的竞争关系，但在AI应用方面有相似之处，我们就可以与这些企业完全开放地进行内部交流和学习。只要我们建立起学习和交流的习惯，团队成员就会对其他企业的做法产生好奇心。我们公司有很多老员工，他们已经在公司工作了十年。尽管他们没有在其他企业工作过，但他们也很好奇其他同行在做什么。如果我们有一个外腦机制或外連線制，不断引入新鲜事物来刺激他们，他们就会自我思考和迭代。
除了引入"鲶鱼"，我们还可以采用"请进来、走出去"的配套学习机制，帮助我们在AI时代更快地找到适合自己的发展道路。
最关键的是找到适合自己的路，并且要依靠自己的人。他们最了解公司当前的业务和核心知识（know-how），他们只需要去理解并拥抱AI。我们的责任就是建立好这一套外腦机制和内生机制。
此外，我们还要真正做好人才梯队建设。很多人在创业初期，完全没有这个概念，但等到实际运营中才发现，没有足够的中高层领导，就像打仗时发现将领太少。例如，在我们的诺曼底项目中，我们也特别注意了年龄梯队的建设，让非常基层但非常年轻的员工也参与到与CEO和中层领导者的小组中共同学习。他们就是我们的潜力部队。
"AI难民"怎么办？
潘杨：最后一个问题，关于"AI原住民"。有原住民就会有移民，有移民还会有难民，即AI原住民、AI移民、AI难民。这种提法现在比较常见，它表示企业在人工智能浪潮中所处的地位和应对策略。很多企业觉得自己是AI难民，不知道该怎么办。如果给一个最实用的建议，你们会给出什么建议呢？
张凯寓：我们先来定义一下什么是"AI难民"，什么是"AI原住民"，好吗？很遗憾，在座的各位，包括我，都不是AI原住民。那么，什么是"原住民"呢？我打个比方来让大家理解。大家想一想，有宝宝的家庭里，孩子在两岁三岁的时候，你会教他们如何使用智能手机、iPad吗？根本不用教，他们自己就会，甚至学得比你还快，拦都拦不住。然而，再看看我们当前社会的一些银发一族，也就是老年人。即使你给他们买一部最新的智能手机，他们也很难学会如何使用智能手机上的社交軟體来联系家人，如何打一辆网约车，以及如何在电商平台如拼多多、淘宝上购物。难道你能说一个活了80岁的老年人的认知智力不如一个两岁的孩子吗？当然不是，只是因为他们不是这个数字时代的"原住民"。
那么，AI时代的难民具有什么样的特征呢？我想了想，主要有两个特征。第一个是当前遇到了职业上的能力危机；第二个是不知道该怎么办，找不到学习的路径。
如果让我给一个务实的建议，我想说，与其担心在AI浪潮中被淹没，不如务实一些，开始行动。你可以先尝试驾驭浪潮上的一朵小浪花，然后逐步改变，一定能够跟上时代的步伐。
实际上，在AI时代，AI赋予了我们成为任何人的可能。我是一个做程式员出身的人，当我看到AI能够在30秒内写出我两天都写不出来的代码时，我的内心五味杂陈。但反过来想，过去有很多事情是我这辈子一直想做却没机会做的，比如我很爱好设计，但从小没有学过美术。但现在借助AI，我却能做出非常惊艳的设计作品。我的内心突然就"和解"了。
所以，我建议大家不要想太多，而是去做。我给大家分享一个AI时代的"1万小时定律"。我们都知道1万小时定律，它说的是如果你想成为某个行业的翘楚专家，大概率需要在该领網域深耕1万个小时。但在AI时代，我发现很多事情可以用100个小时来掌握学习和运用AI的正确方法论，然后让AI帮你撬动剩下的9900小时。所以，不要观望、不要犹豫、不要焦虑，最重要的是开始行动。从那些免费的AI大模型、通用大模型产品开始用起。
王语霄：我今天第一次听到这三个词，但它们确实勾起了我对往事的回忆。2014 年前，我刚加入中国航天时，参与的第一个项目就是嫦娥一号，也就是中国的探月卫星。然而，直到我加入那一刻，我才了解到国家的规划远不止于此，我们真正的计划叫作"萤火一号计划"，它其实是一个火星探测计划。那时，我就在想，如果我们到了火星，我们算地球的移民吗？如果有一天地球发生像恐龙大灭绝一样的灾难性事件，我们是不是就变成了地球的难民？而我们这些在火星上的人，又会过着怎样的生活呢？
那时我二十多岁，心中更多的是恐惧，我并不想去火星。但如今回头来看，经过十几年人生的起起伏伏，包括创业的历练，我越来越觉得，我们每个人心中或许都有一个故乡，而我们一生的流浪、探险与漂泊，最终让我们眷恋的，依然是那个回不去的故乡。
AI 大模型或许能回答我们许多关于"怎么办""为什么""是什么"等问题，提供各种答案和信息，但它永远无法回答一个问题：我，这个人到底想要什么，想过怎样的人生？最终，无论你是原住民、移民还是难民，我们都需要问自己这样一个问题：吾心安处是何处？吾心安处是故乡。
现场同学提问
同学A："提示词被认为是AI应用的门槛，普通人如何快速提升编写优质提示词的技巧？有没有速成方法？"
张凯寓：首先，编写提示词这件事本身不应该追求速成。正如我刚才提到的，提示词本质上就是我们与AI对话的方式。我们每个人都会说话，所以每个人也都能写提示词。但与人对话不同，AI没有情商，也不会根据关系亲疏来理解你的意图。对于AI，你的表达力决定了AI的生产力。你把意思表达得越清晰，AI给出的回答质量就越高。这也解释了为什么同样的大模型，在不同人手中会给出截然不同的回答。
当然，我理解大家想要速成的心情。这里有一个小技巧：既然我们经常让通用大模型完成文本写作任务，而编写提示词本身也是一种文本写作任务，那么我们就可以利用AI来帮助我们优化和编写更好的提示词。甚至，你可以写一个提示词来让AI帮你生成更好的提示词。我自己也经常使用类似的工具和方法。但从长期来看，如果把提示词水平的满分设定为100分，现在大家可能在20分到30分的水平，有一些公开的优质提示词模板可以让你的水平一下子提升到70分甚至80分。但要从70分、80分再往上提升，就需要回归到人类语言表达力的本质问题。
有些人能够用几个字就把意思表达得非常清楚，字字珠玑，毫无废话，这体现了很强的表达力。而有些人可能说了一大堆话，却始终没有抓住重点。我们在编写提示词时，包括我和圈子里很多优秀的小伙伴，都有一个共识：我们往往会经历从写短到写长，再到写短的过程。一开始写短是因为不知道要写什么，中间写长是因为终于明确了要写什么，最后写短是因为意识到之前写的很多内容其实是废话，其实没必要对AI说那么多。
所以，我的两条建议是：如果想速成，可以找一些方法让AI帮你写提示词，互联网上有很多公开的资料，如果有兴趣，我也可以给大家分享一些。但真正有效的捷径是什么？以我多年的学习感受来看，学习这件事最好的捷径就是一开始就别想走捷径。我的经验告诉我，每一次偷的懒和试图走的捷径，将来总有一天会成倍地还回来。表达能力就像说话一样，需要日积月累的训练，需要刻意练习。
王语霄：我非常认同张老师刚才提到的"只走窄门"或"做正确的事情"，确实，很多事情并没有捷径可走。但在编写提示词这件事上，我有一些心得想和大家分享。
编写AI的提问或提示词时，大家不要过于评判自己，不要给自己太多负面的评价。比如，觉得"我写得不好，别人写得好，我就比别人差"。其实，编写提示词是一个渐进式的过程。你的第一个问题可能不够精准，但这没关系，因为现在的token调用成本越来越低，大家可以在这个过程中不断学习、适应每个模型对提示词的要求，以获得更好的输出结果。
如果你的第一个问题没有得到理想的回答，不要气馁。你可以思考一下，是否可以让模型搜索相关的知识库，或者给它提供一些背景信息。同时，明确告诉模型"我是谁""我要做什么""我在什么场景下需要做出什么样的决定"，将自己设想成一个角色，并与模型进行角色同步，给它足够的前提条件。这样，你得到的结果一定会比之前更好。
大家应该都了解，大模型可以回答很多关于"是什么""怎么办"的问题，但它唯一无法回答的问题是"你要什么"。有时候，答案不满意，可能是因为你并不清楚自己真正想要什么。所以，你要放下内心的恐惧、担忧，以及那些不愿意说出口的想法，把真正的问题抛出来。
最后，我想说的是，在模型的使用过程中，它会变得越来越智能。大家不要对提示词这件事过于纠结，我相信大模型一定会不断进化，提问的过程也会变得越来越简单。
我再分享一个小技巧，这是我自己的使用经验。有时候，我会把自己在会议上的讲话，或者与团队沟通交流的内容，比如晋升谈话或绩效谈话等录音转成文本记录下来，然后抛给大模型。我让大模型来评价我在这些对话中是否出现了负面情绪，或者是否在表达时没有真正看到对方，而是在心中预设了一个立场去评价对方。我很难把这件事交给某个助理或员工去做，但我每天晚上都会抽出时间来看一下大模型的反馈。它会告诉我，我的问题和提问方式似乎带有某种预判。在这个沟通过程中，大模型就像一面镜子，让我能够自我反思。因为我希望员工得到的是一个足够平等和尊重的对话，但我自己可能并没有做到。
潘杨：所以，一方面是沉浸式地使用AI，另一方面是用它来进行自我觉察。回到之前提到的问题，不要把AI仅仅当作工具，而要把它当作我们自身的基因，企业的基因。当年错过移动互联网的企业，花了十年时间去追赶。现在，AI的視窗期已经打开，有一波巨大的红利摆在面前，如果企业不抓住这个机会，就无法享受这个时代的红利。所以，也欢迎大家加入混沌·AI创新院，还可以参加25到26号善友教授的大课，让我们共同找到行业的红利和我们自己的AI基因。
现场同学
同学B：刚才提到降本增效，不知道两位老师能否介绍一些实用的工具，这样员工在使用后能够实实在在地看到降本增效的效果。否则，如果只是按照您说的，给员工介绍AI，员工可能会觉得这是在给他们增加工作量，而他们的收益并没有提升。其次，我想问一下张老师，AI能否抓取一些特别动态的数据，比如外汇市场的数据。因为贸易战之后，外汇市场非常复杂，涉及各国之间的经济关系。有进出口业务的企业在外汇方面非常难受。如果AI能够抓取这些数据，并在第二天早晨为管理层或外汇团队提供一个解决方案，帮助企业锁定风险，这将非常有价值。
王语霄：第一个问题，很多岗位都有很大的提升空间。如果你们有内容和品牌团队，或者市场团队，他们可能需要做一些内容生产的工作。在大模型时代，我们的实践表明，写作的工作量大幅下降，效率大幅提升。这个时代可能不再需要大量的写手，而是需要更多编辑。一个人可以完成过去5到6个人的工作量，无论是在科普文章、个人管理账号（如小红书、自媒体视频号等）的输出链上，原来可能需要一个5到6人的团队，现在可能只需要1.5个人就能完成，这本身就是巨大的提效。
张凯寓：首先澄清一下问题的前提，可能有一点小误解。这不是AI直接抓取，而是通过传统的技术手段（如网络爬虫或技术脚本）来抓取数据，然后由AI完成数据的清洗、分析和识别。我们可以使用RPA（机器人流程自动化）工具，比如国内常用的影刀，或者自己编写脚本，负责抓取数据，而AI则负责后续的处理，这可以节省大量的工作量。但最大的难点在于，你要抓取的站点或数据源是否有防护机制，比如验证码，或者是否需要付费登录。整个过程中，RPA工具能否编写一套自动化的流程来突破这些限制。
目前，大模型本身也在大量抓取全球各大网站的数据，这个过程实际上打破了过去搜索引擎时代形成的三足鼎立的局面：用户需要好的内容，内容生产者生产好的内容，搜索引擎帮助用户和内容生产者建立连接，让内容生产者获得流量和利润，同时让用户找到所需的数据。全球用户已经养成了不为搜索引擎付费的习惯。然而，当前的AI搜索引擎虽然很多是免费的，但其成本其实是过去搜索引擎的十倍。这使得内容生产者失去了动力。这件事不仅仅是技术问题，还涉及到整个商业模式的洗牌。
回到刚才的问题，关键在于数据源本身是否可以通过技术手段突破限制，比如跳过验证机制。目前，全球数据存在很多孤岛，如果数据能够完全互通互融（不考虑私有化问题），AI将大放异彩。但在当前阶段，你提到的问题的核心不是AI，而是RPA。
ps：
今天，我们站在旧时代和新时代的晨昏线上，
移动互联网的大船已开到了世界尽头。
今天，所有不用AI的企业都成了传统企业，
所有不用AI的人都成了传统从业者。
今天，混沌大课呼应AI时代蜕变重生，
我们要陪伴万分之一的先锋者，
一起提前半步，走入AI的黎明。
我讲大课已经10年，如果说过去我是在迭代，那么今年我可能会重构，因为时代变了，AI的黎明呼啸而来。
"第一批iPhone的使用者，最早在移动互联网创业成功"。没有人愿意错过AI，混沌已经All in。
今年大课，我想站在AI世界的基座上去讲述，这三年，我们亲身探索关于AI的一切，AI和创新将开启一个什么样的文明。
我想邀请地球上最硬核、最新锐、最有梦想的创造者们，一起来走入混沌，走出混沌。在时代混沌的转折期，你的一个想法，可能就是未来文明的火种。
——李善友 混沌创办人
4月25日-4月26日，在杭州大会展中心，善友教授会用2天时间，为混沌同学做闭门分享。如果你正好有时间，千万不要错过善友教授的年度分享，它会帮助你在AI时代找寻新的机会和方向。
现场没有直播，是与善友教授面对面地流淌。
现在，我们诚挚地邀请你来参加，这场面向未来的AI盛会。
点击下方购票链接，可以了解到更多票务信息。
