“方案已经整理好了,大家看看,明天上午我们过一遍。”
紧接着,一份二十多页的文档被发了出来。
标题完整、目录清晰,里面还有行业趋势、用户分析、竞品对比和执行计划,乍一看,这是一份相当“专业”的方案。
但负责落地的你看了不到十分钟,就发现了问题。
方案中引用的市场数据找不到来源,竞品推出了一项实际上并不存在的功能,所谓的“用户痛点”,只是几句放在哪个行业都成立的套话,最重要的预算、周期和人员安排,则完全没有涉及。
第二天开会时,写方案的人说:“这只是初稿,具体细节还需要大家补充。”
那一刻,你才意识到,对方不是完成了一份方案,而是用AI制造了一项新的团队任务。
01
过去,我们判断一项工作是否完成,往往看有没有交付物。现在,这个标准变了。
有了AI,任何人都可以在十分钟内生成一份结构完整的报告、一套措辞专业的方案,或者一份看起来信息量很大的PPT。
问题是,“看起来完成”不等于“真的完成”。
国外有一个词叫“Workslop”,可以理解为“职场AI垃圾”,利用AI快速生成、表面完整,却缺乏事实核查、专业判断和实际价值的工作成果。
它最麻烦的地方,不只是质量差,而是会把工作成本转移给别人。
生成的人节省了两个小时,接收的人却要花四个小时核实信息、理解意图、修正错误。
一个人的效率提高了,整个团队的效率反而下降了。
02
一家公司开始鼓励员工使用AI,希望大家减少重复劳动,运营小林很快找到了“提效方法”。
每周五,他把后台数据复制给AI,让AI自动生成周报。报告写得相当漂亮:
“本周用户活跃度稳步提升,内容策略取得阶段性成果,建议后续继续聚焦核心用户需求,加强精细化运营。”
连续几周,领导都觉得没有问题。
直到有一次,公司准备根据周报增加投放预算,主管随手检查了一下原始数据,才发现所谓的“活跃度提升”,只是因为统计口径发生了变化。
AI并不知道口径调整,也不知道当周有一次临时活动。它只是根据表格中的数字,生成了一套听起来合理的解释。
主管不得不重新核对过去一个月的报表,逐项询问数据来源。
小林确实只花了十分钟写周报,但为了判断这份周报能不能相信,主管花了整整一个下午。
AI节省的是写作者的时间,消耗的却是阅读者的信任。
年中绩效沟通时,产品经理阿敏收到了一段很“正式”的评价:
“建议进一步强化全局思维,提升跨部门协同效率,在复杂项目中增强目标感与结果导向。”
每个词她都认识,合在一起却不知道该怎么改。
到底是哪次协作出了问题?什么叫“全局思维不足”?下半年做到什么程度,才算“增强了结果导向”?
后来阿敏才发现,领导只是向AI输入了几个关键词,让它润色成了一段绩效反馈。
领导省去了组织语言的时间,阿敏却要花一个星期猜测领导究竟在说什么。
真正有效的反馈,未必辞藻漂亮,但一定包含事实:
发生了什么?造成了什么影响?希望对方具体改变什么?
如果这些问题没有答案,再专业的表达也只是把思考责任转嫁给接收者。
还有一个团队,几乎把AI用到了每个环节。
策划人员用AI生成活动方案;项目经理用AI总结方案;开会时,助理用AI整理会议纪要;汇报前,负责人又让AI把纪要扩写成PPT。
整个流程非常顺畅,文档也越来越多,直到客户在会上问:“你们为什么认为年轻用户会喜欢这个功能?”
会议室突然安静了。
方案里写着“符合年轻用户追求个性表达的趋势”,PPT里写着“精准回应新生代用户需求”,但没有人访谈过用户,也没有人看过相关数据。
所有人都接触过项目,却没有人真正研究过问题。
最终,团队拥有几十页文档,却没有一个人能为其中的结论负责。
03
AI真正放大的,是一个人的工作习惯,同样使用AI,有些人会变得更强,有些人只会变得更会交差。
区别不在于提示词写得好不好,而在于他是否把AI当成“助手”,还是当成“替自己负责的人”。
认真工作的人会用AI整理资料、比较思路、检查表达,然后亲自核实事实、补充一手信息、判断方案是否可行。
习惯敷衍的人则会把AI生成的第一版直接提交,再留下一句:“这只是初稿,大家可以一起完善。”
判断一项工作有没有价值,不能只看它完成得有多快、格式有多漂亮、用了多少AI工具。
更应该看三个问题:
它提供了新的事实吗?它做出了明确的判断吗?它有人愿意为结果负责吗?
AI当然可以帮我们写周报、整理会议纪要、制作PPT、分析资料,甚至提出一个方案的初步框架。
但它无法替我们了解现场,无法替我们判断利弊,也无法替我们承担决策的后果。
本文来自微信公众号 “猎聘”(ID:liepinwang),作者:抹茶锅包肉
