AI 改变工作之后，普通人应该先学什么？

【社区示例】 部门开始统一使用 AI 的时候，大家最担心的是岗位会不会减少。可最先发生的变化并不是裁员，而是交付节奏突然变快。过去新人要花一周熟悉项目资料，现在第一天就能拿到概念地图；运营同事以前半天整理的周报，十几分钟就有了初稿。主管因此把评审提前，客户也开始期待当天就能看到方案。表面上每个人都省了时间，实际却出现另一种压力：别人能在短时间内给出十个版本，你就必须更快解释为什么最终只选其中一个。 我最初也把学习重点放在提示词上，收藏了很多模板，遇到任务就套用。一次渠道数据异常，我让工具根据表格生成原因分析，它列出的五条解释都很合理，我几乎原样带进晨会。数据同事追问“哪个字段能支持第二条”时，我才发现自己一句也答不上来。进一步检查后，真正的问题是前一天埋点版本切换，某个渠道被重复计算。AI 没有看到版本记录，只能根据常见模式补出一个像答案的答案。那次会上没有人责怪我，但我清楚地意识到，复述工具的话正在削弱我的专业判断。 我给自己重新列了三项要补的能力。第一是把问题定义清楚，包括目标、边界、可用证据和不确定项；第二是验证答案，至少知道应该看哪张表、问哪个人、做什么反例测试；第三是把判断讲给别人听，让团队理解取舍而不是只看到结论。接下来我主动接手那次异常的完整复盘，从日志、版本发布时间到渠道口径逐一对照，并把每个猜测分成“已证实”“待验证”和“已排除”。工具仍然帮我写查询、整理时间线，但所有判断都要能指回证据。 改变并不轻松。因为自动生成内容越来越多，团队一度用文档页数衡量投入，能快速产出的人看起来更勤奋，而愿意删掉无依据结论的人反而显得慢。我和主管沟通后，在评审模板里增加了“依据”和“未决问题”两栏，并建议抽查错误率。两个月后，我们发现短文档的返工次数明显更少，客户也更愿意接受明确写出的限制条件。新人的训练方式随之调整：不再先考谁能写出最长的提示，而是让他们识别一份生成报告里有哪些事实、推断和需要求证的内容。 半年过去，原来的岗位名称大多还在，岗位里的工作却已经重新分配。单纯搜集和改写的比重下降，定义标准、连接上下游、解释例外和承担结果变得更重要。有人因此转去做流程自动化，也有人把更多时间放在客户沟通和行业研究。我没有找到一门“学完就安全”的课程，只建立了持续更新的方法：每周挑一个真实任务，记录 AI 能代替哪一步、引入了什么风险、我需要补哪项能力。普通人最该先学的，可能不是某个会迅速过时的工具按钮，而是把模糊问题变成可验证任务的能力。工具会继续变化，但知道为何做、如何证实、出了问题由谁负责，这些能力反而越来越值钱。