大数跨境

AI怎么提高生产力?先学会把完整任务交出去

AI怎么提高生产力?先学会把完整任务交出去 AI学习圈-阿文
2026-07-17
0
导读:AI提高生产力的关键,不是多问几句,而是把目标、材料、权限、交付物和验收标准组成一个完整任务。这张任务委托单可以直接复制使用。 #企业AI落地 #AI工作流 #企业数字化 #FDE #企业系统

今天下午,我把一篇已经走完自动流程、进入公众号草稿箱的文章退回重做。

它的事实没有问题,结构完整,图片也齐。可我看完后还是觉得不对:读者现在真正需要的,不是再知道一个AI功能,而是知道AI到底怎么接走手上的工作。

这次返工让我再次确认一件事:自动化可以很高效地完成错误目标。流程跑得再快,选题不是读者需要的,产出越多,浪费越大。

最近的产品变化,恰好把这个问题推到了台前。

7月9日,OpenAI发布ChatGPT Work,官方描述是:它可以跨应用和文件持续工作,在需要时留在一个项目里数小时,把目标拆成步骤,最后形成表格、演示、文档或网页等成品。6月公开的使用研究还显示,2026年5月,在其抽样个人用户中,70.2%至少提交过一个估计相当于人类一小时以上的Codex任务。

但“任务更长”不等于“生产力一定更高”。

一问一答,为什么很难变成生产力

很多人现在使用AI,仍然是这样的:问一句,复制一段;发现不对,再补一句;换个窗口,又把背景重新讲一遍。

这种方式能加快局部动作,却很难接走一项完整工作。因为AI知道你这句话要什么,却不知道这项工作的业务目标、材料在哪里、最后要交付什么、哪些动作不能做、谁来验收。

METR今年对349名技术工作者做了一项调查。参与者自报的工作速度增幅中位数是3倍,但工作价值增幅中位数只有1.4到2倍。研究者还特别提醒,自报生产力不等于现实;他们早期实验发现,参与者平均高估AI对任务时间的影响约40个百分点。

这组数据最值得记住的不是具体倍数,而是速度和价值不是一回事。AI很快做出十份没人使用的材料,价值可能不如它真正接走一项每周重复的工作。

我们把公众号生产改成了一个完整任务

我们最初也会直接对AI说:“写一篇公众号文章。”

它确实能写,而且很快。但这种指令没有告诉它:文瀚霆的真实经历是什么,哪些材料已经授权,文章服务谁,什么事实必须回源,什么图片可以使用,什么情况下必须停止,最后怎样才算真的进入草稿箱。

后来,我们把这项工作重新拆成一个完整任务:先读作者材料和真实反馈,再筛选一手来源;选题必须通过读者价值、证据和去名测试;文章要有可执行动作;图片、审核、草稿箱写入和后台回读都有明确边界;公开发布始终由人决定。

今天这次返工又补上了最重要的一条:流程通过不等于读者价值通过。文章必须帮助读者完成真实工作,否则就重新选题。

这才是我理解的AI生产力:不是让AI多输出一点,而是让它在清楚的目标、上下文、权限和验收之下,接走一段原本需要人反复搬运的工作。

这张任务委托单,可以直接复制

下次不要只发一句提示词。把下面这段复制给AI,再把空白处填完整:

任务目标:这次要解决什么业务问题?完成后谁会使用?

起始材料:可以读取哪些文件、数据、网页、聊天或历史样本?

最终交付:要形成报告、表格、方案、邮件、清单,还是已经写入某个系统的结果?

允许访问:AI可以使用哪些应用、文件夹和账号?

禁止动作:哪些信息不能公开?哪些修改、发送、删除和发布必须由人批准?

验收标准:事实能否回查?格式是否可用?有没有遗漏?谁负责最后签字?

失败处理:证据不足、权限缺失或结果不确定时,是停止、降级,还是交给人复核?

反馈沉淀:这次哪里返工了?哪些规则应该写回下一次任务?

例如,不要只说“帮我整理客户反馈”。可以改成:读取本周30条已脱敏反馈,按产品、服务和交付分类;每条保留原始出处;输出前三个重复问题、影响对象和建议负责人;不得自动回复客户;无法判断的内容单列,最后由运营负责人确认。

这样的任务,AI才知道从哪里开始、交到哪里结束,人也知道该验收什么。

适合先交给AI的,通常是重复发生、材料可获得、交付物明确、验收标准清楚的工作。涉及重大决策、敏感信息或不可逆动作时,仍然要保留人的批准和责任。

OpenAI的产品说明和使用数据来自厂商,METR的结果也是便利样本与自报调查,都不能证明每个人照着做就一定提效。真正的验证只有一个:AI接手以后,你是否少做了重复搬运,同时得到了一份可以使用、可以复核、可以继续改进的成品。

把这张任务委托单收藏下来。今晚就选一项至少要占用你30分钟的重复工作,别再一句句追问,试着把整个任务交出去。

#企业AI落地 #AI工作流 #企业数字化 #FDE #企业系统

【声明】内容源于网络
0
0
AI学习圈-阿文
1234
内容 164
粉丝 0
AI学习圈-阿文 1234
总阅读0
粉丝0
内容164