我最近一直在捣鼓AI的应用落地，以及在思考AI的应用落地，最大阻碍是什么。我发现，最大的阻碍，是要跳出重复的工作带来的舒适区。虽然都会厌烦日复一日，年复一年没什么新鲜的重复来重复去的工作内容。但是，你又不得不承认，每个人都实在享受着这种重复，带来的节约脑力和低风险带来的舒适，形成舒适区。除非这种重复已让你痛苦不堪，否则，一般人是不会去改变的。可能这样说谁都不服气，但是人脑的特性就是这样：喜欢待在熟悉区的安全感，害怕陌生带来的未知和想象的危险，会很不适。而AI，最擅长的就是处理重复的标准的动作的工作内容，可以想象，谁能跳出重复的带来的舒适圈，AI就是谁的好帮手。一是你接受的教育，如果教育没有激发你的创造力，一谈学习就痛苦，很难融入AI。没有持续的学习，很难激发身体的创造力，原力不经学习开发，要么无法用在正道，要么无法成为有用的生产力。二是你能不能保有好奇心跨界工作。好奇心本质是认知匮乏感驱动的探索欲，驱动你不断尝试探索事物的边界到底可以做到什么样子。但是并不是所有人都像饥饿匮乏感那样有知识匮乏感的。就像我遇到的大多数职场人，一旦很稳定年收入30W，工作稳定，行业稳定，就没有了探索自己身上很多可能性的好奇心和勇气了。所以，就又回到原来的舒适区。循环往复。直到被逼，火烧眉毛。才会做出一点新探索，马死落地行。三是圈层氛围是否支持。待在什么样圈子，就是什么样的人。是社交圈塑造了一个人的信息茧房，是这种信息茧房塑造了舒适区。如果圈层氛围不打破，没法用AI重组，重塑新的氛围，也很难让AI落地，直到被别的用AI工具打造出新先进性的圈层，碾压到痛苦，才会被改变。人类的社会性，从来都是先进圈层收割落后圈层，然后落后圈层痛苦不堪，要么在痛苦中重生，要么在痛苦中沉沦——适应痛苦，形成舒适区，放弃抵抗了。所以，AI要落地改变，并没有想象中的那么容易。到2024年底，全世界也只有17%的人使用过AI。所以DeepSeek在春节前后一个多月，全国沸腾热议，梁文锋的慷慨开源，对中文各大APP改造了一遍，这种普及是伟大的，因为营造了大氛围，谁有问题都有意识AI一下，提升认知。接下来，就看谁能持续学习，保持好奇心，选择能持续用AI进化的圈子，跳出旧的舒适圈，用AI重塑新的舒适圈，保持先进性。回到更具体企业公司场景里。我最近看了一份报告，麦肯锡的《超级智能体：赋能人们释放人工智能的全部潜力》。惊奇地发现，原来企业的高管，是停留在舒适区最多的人，高管成了AI落地应用的阻碍。这份报告对3,613名员工和238名C级高管（就是CEO，CFO，COO，CTO，CIO这类的）的全面调查得出，报告指出两个有意思的点：1，员工对AI的接受度和使用率是C级高管的3倍以上。领导层推进速度不足是主要瓶颈。核心障碍在领导层。我对这个观点的解读就是，其实在一个公司里，高管群体，是比普通员工群体最愿意呆在舒适区不出来的，最保守。也最没改变的动力。因为利用AI要投入，投入短期回报不明确，害怕伤筋动骨。很多伪高管，从一开始并不是伪高管的，而是在舒适区里养成的。2，47%员工认为一年内能用AI完成超30%任务，但只有20%的C级高管认同这这一预期。当前已有13%的员工实际使用AI，而高管层只有4%。员工和领导层存在认知的鸿沟。有66%的高管每周都会收到团队使用AI问题汇报，是这些问题在推动AI工具在企业内部应用普及。以为高管都是高知就错了，实际并不是，至少在AI应用这件事上，新生代的AI原住民，一定比老家伙熟悉。一线的员工更懂AI落地场景，更愿意用AI去改变，跳出舒适区。这就说明，AI能不能应用落地，谁要解决的问题越多，越有推动力。哪里有痛苦，哪里就有落地。意味着，在企业里，离开一线越长时间的人，越是呆在舒适区越久的人，这样的人对AI应用落地反应最迟钝的人。不知道大家发现没有，自动驾驶汽车本身就是一个大AI，中国的自动驾驶品牌公司，能够抢到传统BBA（奔驰宝马奥迪）的市场份额，实际上，就是因为像雷军，何小鹏，李想，余大嘴这些创始人和高层，都离用户很近，几乎都在一线。交车还给车主开车门。而且，这些企业架构都很扁平化，这样就很利于将大部分人亲临一线，造出车主更想要的车。而这点，BBA等传统燃油汽车厂家的C级领导层，是做不到的。在舒适区里对新技术，新的范式革命的认知反应迟钝。所以导致AI落地汽车这个巨大的场景里的应用差距，越拉越大。接下来，我们探讨最后一个问题：过去，我们大多数人都被重复的有标准工作坑位，磨灭了身上的原力，越过越平庸，越过越没有创造力。当AI替代了重复的工作，不再为基本的物质发愁，你会选择什么样的创造性的工作，获得精神自由，独立自主，自我实现？原力是人类未被系统异化的创造性能量，区别AI的底层生命力。AI能通过软件系统的设计，把标准化的，重复的工作给替代，这样就把人类原本的标准化工作的坑位填补，不再需要人力。像现在的大多数的标准化的新闻通稿，都不再是人力写，编辑只是做价值观的审核，以及措辞的调整。所以，未来，一切能标准化的工作，都会由AI来替代，那么，被挤压出来那么多人怎么办？我有限的想象力是未来会分三类人，一类是不被挤压出来，成为能驾驭AI的人。第二类是处于中间地带的一半人力一半与AI协作的人。第三类就成为AI劳动成果消费者，不需要劳动，过着基本的物质生活。像村里的五保户，这类人群可能会最多。能成为第一类人最好，如果不行，也要成为第二类人，一定不能成为第三类人。1.战略层能力
什么叫战略层能力？
从商业领域，就是将能通过商业的方式满足需求的问题，转换为AI可识别的指令框架的人能力。
这种能力，就好像在教育领域，能将能力转化成知识，再转化成按教育心理学，认知心理学，做成课程教学的教研能力。
也很像给他一堆原材料，他能根据应用场景，利用力学，工程学，电学，CAD软件制图后，机加工能力，设计出一台机器的能力。
这种战略能力，称之为问题解构的能力。
它需要锻炼"识别问题→定义问题→筛选信息→提炼洞见→提出可行方案"这一闭环，才能一点一点获得。
2，执行层的认知能力
最重要的是分解问题，像解数学题那样，分解出已知条件和未知条件，找到公式原理工具，求得答案的分解。
本质就是将大问题化解成认知范围和能力范围，符合执行条件的能力。
这种能力，也叫颗粒度管理。
有了这样的管理执行认知能力，就一定能针对业务节点定制AI工具，这就达到驾驭AI的目的。
3.数据层能力
储备公网没有的数据和知识，是驾驭AI产生优势的必要条件。将战略层能力必备，执行层认知所需的知识，都应该体现在知识库里。
综上，具备战略层的能力，有执行层认知，能区分人和机器分工边界，并且储备完善知识库的人。
这样的人，就是驾驭AI的人。
AI人机协作的能力体现为双向互补与协同增效，结合人类独特优势与AI的技术特性。AI没有人类的体验，所以需要训练AI的人，让AI执行的质量，能满足需求标准的人。比如，一个厂家生产出一批标准能力模型的人形机器人，如何将这些机器人的“大脑”AI大模型，训练成能个性化满足照顾有特殊起居生活的老人，使老人能安享晚年，这样的人，就是人机协作的人。AI终归是要使用数据资源和算力资源的，不可能做到完全没有稳定的模式，完全没有预期值，没有边界。如果没有这些，人类会觉得很危险，会产生恐惧。所以，当任何AI变成产品化后，一定需要有一批非常懂这个AI产品的人，教另一批不懂的人使用，识别风险，识别AI能力极限的人。在18年的时候，C罗来中国活动。当时高晓松的节目《晓说》，定了对C罗的采访。后来因为高晓松问了C罗退役后打算做什么，让C罗非常不快，不仅骂了脏话，还提前退场了。网上有很多人喷高晓松不会好好说话。但其实这个采访提纲是"我"写的。更好笑的是，"我"并不是高晓松团队的，也不是优酷平台团队的。只是因为平台找“我们”媒体做了传播资源的置换，这活儿就到了"我们"这边。
以后，这个"我"及"我们"，以后就会由AI和替代。如果没有专门的人，教会另一些人正确使用AI，哪些需要人，哪些不需要人，那就会踩雷，闹笑话。善用AI，就得有规范，什么时候能用AI，什么时候不能用，在什么范围适用，什么范围不适用。这样社会才会有良好秩序。这类人可以不懂AI，但一定得懂人，有人性，善良正直。AI能带来很多不确定性。顶尖的高手抓住不确定性洗牌破局，优秀的人利用AI进化成人机协作工作模式，不愿意跳出原有舒适圈的人将被AI挤压出圈。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
