《今朝AI每日一课 第009期》

《AI第一次给你的，通常只是初稿》

前几期我们已经逐步学会：

把任务说清楚；

给AI足够的信息；

区分事实、判断和待确认；

要求AI说明依据；

信息不够时让AI先提问；

把复杂工作拆成步骤，再判断哪些环节适合AI。

今天继续往前一步。

很多人使用ChatGPT时，还有一个很常见的习惯：

问一次，得到答案，然后直接复制使用。

但真正高质量的人机协作，通常不是一次完成的。

更好的方法是：

先让AI做第一版，再由人审核，再让AI继续修改。

---

一、今日学习

假设你让ChatGPT帮你写一份客户拜访方案。

AI很快生成了一版。

看起来：

结构完整；

语言通顺；

内容也比较专业。

这个时候最容易发生的事情是：

“感觉还可以，直接用了吧。”

但问题是：

AI的第一版，很多时候只能说明：

它已经开始理解你的任务。

并不代表：

它已经完全理解你的实际业务。

第一版里可能存在：

• 内容太通用；
• 对客户理解不够；
• 一些建议不符合实际；
• 部分信息来自AI推测；
• 重点和你的真实目标不一致。

所以，真正会使用AI的人，不是追求：

一次问出完美答案。

而是建立：

初稿 → 审核 → 反馈 → 修改 → 再确认

这样的协作过程。

---

二、一个AI知识点

AI有一个很大的优势：

修改成本很低。

如果让一个同事重新写一份方案，可能需要半小时甚至更久。

但AI可以在几秒钟内重新整理。

这意味着：

我们不需要把所有精力都花在“第一次提示词一定要写得完美”。

而可以采用另外一种方法：

先让AI做出来，再通过反馈让它逐渐接近真实需要。

例如AI完成第一版以后，可以继续告诉它：

先不要重新写。

请先检查你刚才的结果：

1. 哪些内容真正依据了我提供的信息？
2. 哪些内容比较通用？
3. 哪些地方可能不符合我的实际工作？
4. 哪些地方还缺信息？
5. 哪些内容需要我进一步确认？

先告诉我问题，等我确认以后再修改。

这样做有一个重要好处：

我们不是让AI盲目改，而是在让AI和人一起发现第一版的问题。

---

三、一个今朝业务案例

假设销售人员让AI准备一份客户拜访方案。

第一版AI可能写：

• 介绍今朝公司实力；
• 了解客户设备使用情况；
• 推荐新的复印机产品；
• 介绍租赁方案；
• 与客户讨论售后服务；
• 确认下一步合作机会。

这些内容看起来都没有错。

但销售人员根据真实客户情况发现：

这个客户已经合作多年；

对今朝非常熟悉；

本次真正的问题不是介绍公司；

而是客户过去半年采购下降。

这时候销售人员可以继续告诉AI：

第一版的问题是：

1. 不需要再介绍今朝，公司和客户已经合作多年；
2. 本次主要目标不是销售新设备，而是确认采购下降原因；
3. 客户以前主要采购复印机和耗材；
4. 我目前还不知道客户采购是否转向竞争对手。

请根据这些信息重新调整拜访重点。

第二版可能就会变成：

重点确认：

客户过去半年采购变化；

目前设备和耗材从哪里采购；

采购下降是否与预算有关；

是否有竞争对手进入；

未来半年是否还有采购计划。

这时候，第二版明显更接近真实工作。

为什么？

不是因为AI突然变聪明了。

而是：

人给出了更准确的反馈。

---

四、今日应用

以后AI完成一项工作以后，不要只问：

“好不好？”

可以具体告诉它：

• 哪些地方对；
• 哪些地方不对；
• 哪些地方太泛；
• 哪些地方缺信息；
• 哪些地方不符合公司实际；
• 哪些地方需要保留。

越具体的反馈，AI下一版越容易接近你的要求。

所以可以把AI理解成：

一个修改速度非常快的工作助手。

它最大的价值之一，不是第一次就做到100分。

而是：

可以非常快地从60分改到80分，再从80分改到90分。

---

五、今日练习

今天找一个你已经让ChatGPT完成过的真实工作。

不要重新开始。

直接针对它的第一版输入：

先不要重新写。

请检查刚才的结果：

1. 哪些内容真正依据了我提供的信息？

2. 哪些内容太通用？

3. 哪些地方可能不符合我的实际工作？

4. 哪些地方还缺信息？

5. 你最需要我补充哪三个信息？

先把问题告诉我，暂时不要修改。

然后：

AI指出问题；

你补充真实情况；

再让AI做第二版。

比较第一版和第二版的差别。

---

六、ChatGPT和Work怎么应用？

这种“不断讨论、不断修改”的工作方式，非常适合ChatGPT。

因为在任务还不稳定时：

很多事情需要边做边确认；

人的判断需要不断加入；

AI需要根据反馈调整。

所以ChatGPT非常适合：

探索、讨论、修改和迭代。

但当我们经过多次修改以后，发现一些标准已经比较稳定：

例如：

每次销售项目检查都必须看哪些内容；

每次成本核验都必须检查哪些字段；

每次课程归档都必须经过哪些步骤。

这些已经稳定下来的部分，就可以逐步交给Work按照固定规则执行。

可以简单理解：

ChatGPT帮助我们把方法磨出来。

Work帮助我们把已经磨好的方法稳定执行。

---

七、今朝智能体连接

这个方法和今朝未来建设智能体也有直接关系。

我们不应该期待：

“智能体第一次上线就什么都懂。”

真正可靠的智能体，也需要不断经历：

AI执行 → 人工审核 → 发现问题 → 修正规则 → 再执行

例如未来经营检查官第一次发现销售异常时：

它可能把一些正常情况也标成问题。

销售经理审核后告诉系统：

哪些是真问题；

哪些是假异常；

哪些情况应该增加例外规则。

经过不断反馈以后：

智能体的检查规则就会越来越接近今朝真实业务。

所以智能体建设不是一次开发完成。

而是：

不断使用、审核、反馈、修正。

---

八、今日思考

我们过去使用软件，通常希望：

“系统一次设计好，以后一直用。”

但AI系统更像一个需要不断训练和校正的工作伙伴。

如果我们只看AI第一版，然后说：

“不行，AI不好用。”

就很可能错过了AI真正的价值。

未来使用AI更重要的能力之一，就是：

会不会给AI高质量反馈。

因为：

AI输出质量，不仅取决于AI能力。

也取决于人能不能：

看出问题；

说清问题；

告诉AI怎样改。

---

九、给大家的一句话

以后AI第一次给你结果时，不要急着问：

“能不能直接用？”

先问：

“这一版哪里还不够好？”

再通过反馈让AI继续修改。

真正的人机协作，不是一次问答，而是不断迭代。