A1什么是 AI：接过“判断”的那一步

两个半小时的会议

2026 年 5 月，我跟大学老师和一位读博士的学妹开了两个半小时的腾讯会议，题目是“AI 如何辅助学术”。聊到一半我发现，我们这些天天泡在 AI 一线的人，和 AI 圈外的朋友之间隔着好几堵墙。第一堵，是对 AI 本身的想象。

大多数人刚开始用 AI，脑子里都是这样一张图：我、一个叫“AI”的东西、我的工作，连成一条线。AI 在这张图里是一种统一的、神秘的新能力，于是你开始逐项盘点：这件 AI 能干吗？那件呢？登录付费数据库这件呢？

这是绝大多数人撞上的第一道墙，也最容易被忽略。

教科书怎么说

“人工智能”这个词出自 1955 年的一份研讨会提案，提案人是麦卡锡、明斯基、罗切斯特和香农；第二年夏天，研讨会在达特茅斯学院举行。麦卡锡后来给过一个朴素的定义：制造智能机器、尤其是智能计算机程序的科学与工程。

大学里用得最广的教材之一《人工智能：一种现代方法》，把历史上的定义归成四类：像人一样思考、理性地思考、像人一样行动、理性地行动。作者 Russell 和 Norvig 选了最后一种，把 AI 看作研究“理性 Agent”的学问：在给定条件下，尽量做出最好的行动。Agent 这个词，A5 会细讲。

今天大家嘴里的 AI，多数时候指大语言模型和用它做成的产品，比如 ChatGPT、DeepSeek、Claude、豆包。它们读过海量文字，学会了根据上文预测下一个词，再经过人类反馈的调教，能对话、写作、写代码。它背后没有一个标准答案库，每一次回答都是现场生成的，所以它会出彩，也会一本正经地出错。

这些定义都没错，可它们帮不了你决定下周一那件事该不该交给 AI。

判断给 AI，执行给自动化

• —自动化：每一步都一样、能写死成脚本的事。批量改文件名、定时抓某个网页、把同一份模板填进十封邮件、在某个软件里点固定的几个按钮。
• —AI：需要判断的事。理解一句模糊的话、根据上下文选用不同的回应、把图里的内容描述成文字、把一段杂乱的笔记整理成提纲。
• —AI 驱动的自动化：把两者拼起来。AI 负责需要判断的那几步，自动化负责执行的那几步。

自动化其实是一个非常成熟的领域。二十年前就能“录制按钮、自动重放”；RPA（机器人流程自动化）在金融、保险、电信行业吃掉了大量后台流程；汽车流水线几十年前就在自己跑。

那为什么白领的桌面工作，大多还靠人点点点？因为流程一碰到“这里需要判断一下”，就推不下去了，只能配一个人。人会请假、会犯错、要培训、要审批，整条流程跟着被卡住。

想清楚这一层，再回头看开头那张图，就知道它错在哪：我和工作之间站着四个选项，人、自动化、AI、AI 驱动的自动化，AI 只是其中之一。

先猜，再翻

下面六件事，先在心里给个答案，再看我的判法。

什么时候别用 AI

跨过第一道墙，很多人马上撞上第二道：什么活都丢给 AI，结果更慢、更贵、更不准。我管这叫“AI 万能锤症候群”。

这一层，我最喜欢侯世达的破题。他在《哥德尔、艾舍尔、巴赫》里问过：一台会思考的计算机，加法会算得很快吗？他的推测是未必。在我看来，加法早就被算法压缩到了极致，计算器做得很好；智能该用在没法用机械算法解决的地方，比如跳出当前框架、识别隐藏的模式、判断哪一条规则在这里适用。

让 AI 算“3.7% 的复合年化 20 年是多少”，是浪费。把几千行 Excel 按既定规则分类，写个脚本更好。把一篇杂乱的访谈纪要整理成结构清晰的文档，这才是 AI 的活。这个反射练熟了，你也不会再被“AI 一晚上跑完所有活”这类自媒体标题骗到。

分诊之后，管好 Context

交给 AI 之后，决定它干得好不好的，是 Context。Context 中文常译作上下文，指 AI 在回答你之前能看到的全部东西：你的问题、你给的文件、它之前做过的事、你定下的规矩。

我把过去两年 199 篇公众号文章提炼成书的时候，白板上反复写的就是这句话。同一个模型，喂给它不同的 Context，得到的是完全不同的结果。所以结果不好的时候，先看你给了它什么，再看它是谁。

三个常见误区

• —把 AI 当搜索引擎。 只问本来就能查到的东西。试着把一件真实的、有上下文的工作交给它，哪怕只是整理一个文件夹。
• —把 AI 当万能锤。 精确计算、固定流程也丢给它，又慢又贵，结果还不稳定。
• —以为换个更强的模型就好了。 先查 Context，再怀疑模型。