我用AI的时候,总是希望通过AI能够帮我梳理清楚业务逻辑,控制点,或者我会给它具体的业务规则和制作流程,然后让AI帮我写确定性更高的程序软件来实现办公需求。

但是我发现很多人对AI的使用方法是,直接把过去几年的工作底稿扔给AI,然后选择Opus,调成最大的思考强度,然后让它自己学。

这些工作底稿年久失修,里面有无数的断链,隐藏的sheet,hardcode的数字,各种公式后的plugin,甚至还有奇怪的循环引用。

但就是这么暴力,十几个文件丢给AI,然后跑出来的结果,也不去看,直接又让AI把跑出来的结果和历史的结果进行比对,做「血缘分析」,然后让AI给出一个「这个AI文档做出来正确概率是多少」的结果。

最后效果好了之后(比如正确率到达95%),就让AI写一篇10页的提示词,然后分发给同事用。

Prompt变成了一个用于分发的材料,一个非结构化的材料,却变成了一把奇怪的钥匙。制作的人跑一遍AI,用的人跑一遍AI,token来回浪费。

于是,整个工作循环就变成了,AI prepare,AI review。员工方面,preparer拿着一套提示词,Reviewer也拿着一套提示词。

荒谬的情况是,客户也拿着一套提示词。所以最后没有人打开过最终的deliverables,大家只不过是在比拼AI能力。

这种时候,就会出现,如果客户的模型比你强,就会被客户挑出各种各样的小问题。

「你用豆包工作,怪不得你没看出来啊」

但我始终不觉得AI应该这么用的,我理想的使用模式仍然是,AI是可以用在加速我们整理工作,建立工作流程,工程化不规范的工作等方面的。比如断链、隐藏 Sheet、hardcode、插件和循环引用,都是需要调查的业务线索。

一个hardcode的数字,背后可以是合同约定的上限、某次获批的特殊调整,也可以是一个延续多年的错误。

但是查不到原因,只能让AI去猜,然后混进10页的提示词中去。整个提示词word混入了业务规则、文件路径、操作步骤、临时补丁、特殊客户处理和历次纠错,本质上和Excel的hardcode差不多。比如之后每发现一个问题,就往里面补一句:

“遇到这种情况参考去年。”
“这个客户除外。”
“如果算不平,检查另一张表。”
“请再次仔细复核。”

时间一长,就会面临熟悉的问题:某句话为什么存在,适用于谁,什么时候失效,改掉会影响什么。

而我希望做的工程化,把已经确认的知识变成可以逐项维护的东西。费率和生效日期成为参数;适用条件成为明确规则;金额计算成为可重复执行的程序;已解决的错误成为验证案例;无法自动处理的情形进入异常清单。AI 可以帮助完成这些整理和开发工作。

但做到这个有多难呢,其实就是相当于要求人要「认真工作」这么难。

那要求人要「认真工作」有多难呢?

打开网易新闻 查看精彩图片

作者:坦桑尼亚老云 | 编辑:栗加

每个视角都是拼凑世界真相的碎片,听真诚的行业观察者讲述独特的故事。我们有深耕行业的资深顾问,连续跨界探索的未来创业者,专注细节的产品匠人,和许多志同道合的你们,如果你有想要分享的故事或者感想,可以留言或者邮件联系(AiysJY@outlook.com),也欢迎点分享给需要的朋友们,记得点一下在看和星标,期待共同在这个行业的宏大叙事中,留下一句诗。:)