AI把活儿干完，人反而开始干“活”了

拿我们组最典型的例子。一个刚来半年的实习生，过去让她整理跨部门的需求文档，她只能逐字誊写、机械分类。现在她用一个我调好的工作流：大模型先做初步分类、提炼要点、标记冲突项，她只负责判断和补充上下文。产出质量直接对标干了三年的老员工。

我观察了一圈，AI在团队里真正起作用的点，不是替代，是把“能力上限”抬高了。具体有三个维度：

一、从“会做”到“会拆”
以前员工只负责自己那摊，现在得会写提示词、会设计Agent工作流，把模糊的需求拆成模型能理解的步骤。这其实是管理能力的下沉。

二、从“执行者”到“验收人”
AI跑的代码、写的文案、做的数据分析，都得有人判断“对不对、好不好”。团队里最累的活儿变成了审查和纠偏，这比亲手做更考验判断力。

三、从“专业门槛”到“通用能力”
我们UI同事现在能直接跑SQL查数，运营同学用自然语言就能让AI做基础的竞品分析。专业壁垒被磨平了不少，大家担心的不是失业，是别人跨界过来抢活儿。

当然阻力也有。最大的问题不是技术，是心态——35岁以上的同事普遍抗拒“让AI干活显得自己没价值”，反而年轻员工上手最快，他们觉得这是基本配置。

所以我的看法是：AI不会让工作消失，但会让“会调用AI的人”和“只会被安排的人”差距越来越大。现在面试新人，我已经把“能不能用AI把任务拆解出可执行的工作流”当成隐性加分项了。

你所在的公司是鼓励用还是禁止用？我这边的情况是，禁止的部门已经明显掉队了两个迭代周期，现在也在偷偷学。