现在打工人基本没法离开AI了，查点东西，做个PPT，润色英文啥的。
越依赖它，对它的期望就越高，一旦输出的东西不如意，肯定就大失所望；不知道各位读者老爷有没有过，反正胖猫很多时候被AI给气到想把电脑砸了！
AI的问题就是太讨好，太全面～你想要简洁版的方案，给你一个长篇大论的论文，你想要个确切的数据，它找不到就瞎编而且编的离了个大谱！
没法了，只能人工审核文献、删减内容，一顿操作猛如虎，结果真是250。
如果您也有类似体感，那恭喜您成功解锁了AI时代新的加班方式，给AI的弱智输出不停的擦屁股～
这两天看礼来CEO Dave Ricks的一个访谈，里面有段对话，非常真实。
这哥们不是科学家出身，曾经干的是BD和M&A。现在他每次开会就在旁边开着一两个AI实时问问题。
这样一个把AI用在实际工作的大佬，对AI能力的评价是不爱用ChatGPT回答这些，嫌它太啰嗦；反而更喜欢Claude和xAI，因为给出来的结论干脆、直接、不废话。
这个论点把很多人的误区戳穿了，所谓的行家们整天争论哪个模型算法世界第一，但是真正用AI干活的人只想快速准确的解决战斗！
胖猫研究了一下，不同的大模型虽然没有自己的灵魂，但调校他的团队是有性格的人，所以不同大模型还真有自己的人设偏好。
所以想要用好AI，先摸清楚不同大模型的脾气，别逮着同一个AI从头撸到底！分工搞对了就不会不停跟着擦屁股。
如果分析一个靶点的立项报告：
第一棒交Gemini，让它全网翻资料，把相关的数据搂全乎了～
第二棒换Claude，把找到的材料扔进去，进行复核，找出前后矛盾、数据不靠谱夸大其词等不合格的资料，剔除；
第三棒再让ChatGPT搭框架，梳理立项报告的整体轮廓，并丰富主干内容；
最后开一个Grok，抛给它一些挑战性的论点，让他给出论述，提炼整个立项报告的价值，直接就是画龙点睛，大功告成！
临床团队常踩的坑是把Protocol直接扔给AI，“帮我评估下这个临床方案好不好？”
对这样的提问，AI会立刻展现出废话文学十级功力，优点三条、风险五条、建议七条，看似面面俱到，实则全是长篇废话，看完除了血压升高，没任何实质改动的办法。
这个要先用Claude找茬，“对照第4章入排标准和第8章终点定义，检查所有实验室检查指标的采集时间点是否存在逻辑冲突。”，这种累眼睛的活儿，它一秒就能搞定。
再让ChatGPT， “把终点指标的设计，跟类似的试验方案一起比较，列出三点实质差异。”
最后让DeepSeek当做题家，推算样本量、Power值等工作是它的舒适区。
很快就把一个漂亮的方案完成了，看到这里临床CRO们是不是要付点钱感谢下胖猫，哈哈哈～
还有很多场景，我就不一一展开列举了～
总之如何科学使用AI这件事儿，能把医药人拉开断崖式的差距。
低水平的用AI，图省事把整个任务扔给它，那它回敬的就是一份看似工整，实则得花两倍时间去改的垃圾～
高水平的用AI，就让AI成了一个免费的，各司其职的团队！按照既定的SOP，漂亮的完成人工不能完成的任务！
不管AI怎么发展，人脑绝不能偷懒，更不能把思考外包给AI！！！要奴役AI，而不是成为它的奴隶！
各位读者老爷，对此有什么感想，欢迎评论区留言一起交流吐槽～
也欢迎读者老爷们加入胖猫的知识星球，深度研究如何在AI时代，把生物医药的生意重做一遍，把生物医药的岗位重新定义一遍！
热门跟贴