ChatGPT爆红，Midjourney大火，阿里张勇高喊“所有产品都值得用AI再做一遍”。来势汹汹的AIGC潮流，确实给职场上的老板和打工人们，带来了很大影响，只不过影响的方向不太一样：开始有点飘的老板，琢磨的是“下一个我要裁谁？现在有AI撑腰，很快就能离谁都行”；被AI和老板搞得无所适从的打工人则是在想“我TM现在是谁？以前干的好好的活，现在咋就不会干了呢？”

我前几天在某个活动中，遇到一家游戏公司的设计师小L，闲聊的时候提到了AI对各行各业的影响。我问他“听说AI对你们原画师、设计师影响很大，还造成了不少人的失业，真是这样吗？”小L听后苦笑：“确实造成了一些人失业，但并不全是被AI的能力取代掉的，有不少是被迷信AI的老板给气跑的”，他解释道：“AI火了以后，不少老板开始谜之自信，认为AI可以随便取代人工，其实根本不是，比如用AI生成的图片，清晰度根本不能拿来商用，如果对它精细化修改，达到可以使用的标准，整个优化的过程要来回切换各种工具，花费很多时间。有时候要不是领导逼着用AI，我们宁愿自己来干，都比这省心。”

无独有偶，最近一位北京的读者朋友给我发私信，也提到了AI带来的困扰，他在私信中说，自从公司引入AI，老板就像找到了靠山，每次布置任务都是一再加码，要么收紧交付周期“以前你们一周完成，现在有了AI帮忙，2天应该就够了吧”；要么是在同样的时间疯狂加量“你们以前一天出5张图，现在有了AI，应该能出20张吧”，而且态度很坚定、强硬，偶尔还会透露出一丝“给你活你就珍惜吧，哪天AI把你替掉了，你想干活都没得干”的优越感。

从上面的案例不难看出，AI给老板们带来的“信心”，绝对是梁静茹比不了的。能主动体验、使用新的工具，本来是好事，但如果不顾新科技的客观局限性，和实际使用中存在的现实问题，只是自顾自想当然，甚至试图让新科技成为压榨员工的帮手和工具，那原来的好事就可能朝着相反的方向发展。

一.AIGC，从入门到放弃？
1、最该学习AI的人，是老板
抛开底层的创新和研发不谈，我们中国人在新技术应用的速度和开放性上，绝对是全球数一数二的。再加上如今不景气的经济环境，更让很多企业老板把引入新技术，当成了挽回颓势的救命稻草。于是老板们开始尝试在原有的工作流程中，寻找能够“塞进”AI技术的空间，对员工也拼命“AI化”要求，比如越来越多的企业在招聘启事中，会列出“会使用ChatGPT、Midjourney等各种AI工具”一类的要求。

有应用新科技的意识是很好的，但这些老板似乎忘了一个基本前提，就是他们应该站在比一般员工更高的高度，更深刻的理解和认知AI这一工具，而不是只知道一点皮毛，就过于乐观地认为，现在的AI、AIGC就是能帮自己降本增效的利刃和神器。我技术出身，很早就关注AI的发展动态，自己也有一家新媒体公司，对于在目前技术环境下，AI在实际工作中的应用情况，还是非常了解的。

举个例子，很都人都知道Chatgpt能帮我们写文案，但能“帮”到什么程度，相信很多人并一定真知道。作为自媒体老板，我曾经让同事们用ChatGPT为我们撰写文章标题，因为对自媒体来说，标题真是太关键了，我们所有输出的内容，都要花相当多的时间写标题、选标题、改标题上。如果Chatgpt能够帮我们生成更多吸引人的标题，供我们选择，那会给我们带来很大的帮助。

在尝试的时候，尽管我们会对文章的内容从各个角度进行提示，但收到的效果却并不理想。除了速度很快，可以瞬间生成几十条，上百条外，Chatgpt生成标题的品质，真是不敢恭维，几乎很少有可以直接使用的，即使偶尔可能带来一些新灵感，但最终还是要靠人工去重新构想、撰写和打磨。整个过程，无论是从输出质量，还是从节省时间的角度看，几乎没有任何大的帮助。

除了标题这种高度“精细”化的活外，想让AI帮忙写个大纲这种相对粗放、容错率高一点的活儿，质量也同样很难通过我们的验收（难道是我们的要求太高？）。总体来说，ChatGPT生成的内容，观点过于假大空，案例过于流于表面，结构过于简单僵硬，“首先…其次…再次….最后”这种平淡无奇的行文布局、这种浓郁的“AIGC”味，让观众隔着屏幕都能闻到。实话实说，这种品质的AIGC，我们是没有勇气“端上桌”呈现在读者面前的。

而这一切，也让我这个公司老板，更深刻的了解了AIGC的局限性：目前这个阶段，它并不能真正替代人，它只是一个在不断演进中的生产工具，有帮助，也有难以克服的短板。如果对它“谜之自信”，恰恰表明你对这个新工具的理解，还不够深入。尤其对老板来说，客观、深刻的认识AI科技和AIGC，会对他们做出的某些决策，起到非常重要的影响。这一课，对老板们来说，该补的一定要补。

2、目前的AI工具，是有学习成本的
在AI工具给工作带来帮助、提升效率的同时，不要忽略另一个现实问题，即目前的AI工具，不是手到擒来、拿来就用的，而是需要具备各种主客观条件才能“解锁”使用的，不论ChatGPT、Midjourney、stable diffuion，都是需要付出一定的学习成本的。

以ChatGPT为例。很多人都有一个基础认知，要想用好ChatGPT，必须学会用提示词（Prompt）来“调教”它。对它投喂不同提示词，产生的效果，会千差万别。而在目前这个阶段，要想熟练掌握驯化ChatGPT的提示词，各行各业的从业人员，都要持续付出很多时间加以琢磨总结。要了解一些底层的基本逻辑，比如，要懂得把人类语言的句式结构，拆解成主题、任务、形式、细节等一些关键的提示词，机器才会更容易get到你的真实意思；再比如，要了解机器不是抓取关键词，而是依照概率对使用者的指令进行预测，所以使用者要懂得按照“重要性”排出提示词的先后顺序。

这还只是一般情况，如果应用在生物医药、金融等容错率较低的垂直领域，输入的信息还要从一般语言转变成专业知识，对提示词技能的要求也会相应变得更高。

3、AI工具成熟度，良莠不齐
据Gartner绘制的“2022年人工智能技术成熟度曲线”显示，我们目前的生成式AI，仍处于技术萌芽期，预计还需要2-5年的时间才能实现规模化应用。对于萌芽阶段的新生事物来说，出现成熟度、适配度良莠不齐的情况是再正常不过的。

以AIGC出图为例，不管Midjourney，还是DreamStudio，再或者是Image Create，我们都做过测试，也和使用这些工具的相关领域的朋友交流过，总体感觉是，它们远远没有达到我们想要的“智能”程度。有时候调教了半天，不断修改提示词，不断刷新它生成的备选图像，仍然得不到我们想要的图像效果。整个流程下来，甚至要比自己去画都要耗时费工。

我曾听过一件有趣的事，某游戏公司老板要求下面的画师，全员学习AI技术，强迫大家使用Midjourney画图，其中一个画师确实觉得用Midjourney太费事，就模仿Midjourney画图的风格，自己来画，然后糊弄老板说是AI生成的。画师被逼无奈的“逆向工程”，这事听了让人觉得既有几分滑稽，又有几分心酸，太难了。

4、合法性，安全性问题凸显
合法性，是很多企业使用各种国外AI工具、感受“AIGC”真香的同时，不能回避的重要问题。以ChatGPT为例，OpenAI公司并未允许其对中国开放，国内用户要想体验它，首先要解决就是IP地址访问的问题，也就是网友常说的“梯子”问题。

但根据我国《计算机信息网络国际联网管理暂行规定》的相关规定，使用未经合法许可的国外网络服务，是不被允许的。如果只是个人，通过各种“手段”体验一把新科技，这可能还不是太大的问题；但如果是企业级的使用，对产品和服务的稳定性、持续性的要求就会非常高了，这个前置问题如果不能解决，就像在企业头上悬了一把达摩克利斯之剑，大家心里不会踏实，也不敢光明正大地全力铺开推行。

其次，还有网络数据安全的问题。目前成熟度更高一些的AI工具，大多是国外公司开发的，服务器和数据存储都在国外，这对很多国内企业来说，数字安全问题，就是另一个需要正视的问题。三星就曾曝出芯片机密代码遭ChatGPT泄露的严重事件，后来不得不自己下场研发供内部使用的AI工具。我们很多国企央企、上市公司，对AI工具的使用都有明确规定，也正是基于数据安全这一角度出发，做出的应对之策。

二.AIGC，正确打开姿势
“赛博朋克之父”威廉·吉布森有句名言：“未来尽在咫尺，只不过若隐若现”，ALGC就是如此，我们要提前做好准备，迎接它的到来，但什么才是打开它的正确姿势呢？

1、深入学习AI，结合实际业务找应用场景
对于AI的认知，不能停留在流行或娱乐式的体验上，而应该将其视为重要的、严肃的生产工具。因此，对AI还要不断拓展认知边界和学习深度；比如，提到AI，你不能只知道Chatgpt可以写文案，还要知道stable diffuion可以做装修效果图、Claude更擅长读论文写摘要…这些都是极其基础的应用场景认知。作为企业只了解这些还是不够的，还要进一步搞清楚why、how等深层问题，再结合自己的业务场景，进行整体性、系统性的深入思考。

举个例子，电商平台可以使用机器学习算法，以便更好地为客户进行商品推荐。在这个场景中，为什么要使用机器学习算法（why）？因为这个算法可以通过学习用户的历史购买行为，预测用户未来的购买意向，从而提升用户转化率和销售额。如何使用机器学习算法（how）？可以通过构建基于用户历史数据的协同过滤推荐系统来实现，然后根据自身用户数据、业务需求，设计具体的模型与指标。

2、优化生产链条上的某几个环节
根据目前AI的发展阶段和技术特点来看，它们在整个工作体系中的价值，还远没到坐C位的地步，而是更适合在某些生产链条中的某些环节，发挥优化和辅助的作用，实现人工智能和人类智慧更完美的结合，而不是人类当甩手掌柜，把活全交给AI工具。

比如，在使用ChatGPT辅助写作时，虽然AI工具可以提供论点和思路，但作者仍然需要对这些论点进行筛选、加工和整合，以确保文章的逻辑和连贯性。同样，在使用Midjourney激发创意灵感时，设计师仍然需要进行创意的提炼和加工，以确保设计的独特性和创新性。

3、与AI合作，避免过度依赖
虽然AI工具可以提高效率，但我们并不能全部依赖AI，而是要把AI当成合作伙伴，通过合理分配任务,发挥各自优势，实现人机协作。比如，一家企业让AI进行产品数据分析，实现人机协同的整个流程是：先由人工提出分析需求——AI进行大规模数据处理——人工检查结果,发现问题进行纠正——人工做出业务决策。

如果过度依赖AI工具，除了要面对AI因自身局限性带来的问题，还要注意因过度依赖AI，而导致的人员技能退化的问题。比如，在医疗领域中，AI可以帮助医生进行疾病诊断，但医生仍然需要对诊断结果进行确认和判断，一方面要避免AI诊断结果的错误，另一方面还要保持医生对业务的“手感”和熟稔程度。

4、数据质量、隐私与安全
AI的使用效果，取决于数据的质量，这是对AI技术的一个基本认知。众所周知，人工智能工具需要大量数据进行训练和预测，如果训练数据存在较多噪音、偏差与误差,模型将学习到这些误差,进而产生误判,影响AI的效果和适用场景。因此,训练数据的质量尤为重要。需要企业在数据采集与管理上，把工作做到位，要加强数据处理和质量控制,确保AI可以基于全面、准确、可代表的训练数据，进行学习和优化。

此外，数据的隐私和安全是另一个不容忽视的重要的问题。在企业应用上，前文提到了三星芯片机密代码遭泄露的事件，实际上这样的事情已经出现多例，都足以提醒企业，在使用各种AI工具时，一定要有防范意识，要对关键核心数据，做好加密保护措施，不然极可能得不偿失。

个人使用AI工具，同样要重视个人数据的安全。现在AI的技术，在经过简单训练后，不仅可以模拟生成一个人的图像，还可以生成逼真的合成视频和足以以假乱真的声音，给很多不法分子可乘之机，因此个人对自己的数据，要注意做好去标识化处理，避免直接暴露敏感个人信息，并在产品、系统授权上设置严格的数据访问权限等方面的措施，以确保个人的数据安全。

360创始人周鸿祎，曾在接受媒体采访时表示：从网络安全的角度考虑，企业在使用大模型时，一开始步子可以小一点，不要向它开放API，坚持“人在回路”，让人的意志在决策上起关键作用。

我非常认同周总的观点，在AI使用上，我们可以小步快走，不要怕试错，但不要犯大错；在人机协同上，不要偏废，更不要偏信。人在，心也会更安，至少这个阶段还是如此。最后，我想说，不论是企业还是个人，我们生逢其时，既然入了AI的“门”，就不要轻言“放弃”，在时代趋势面前，只有不断学习，摸索前行，哪有什么“后退”可言。共勉！