先别急着做产品,普通打工人更该做的是把AI用进自己现有的工作流,并让自己靠近模型或付钱的用户,远离纯转述协调的中间层。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
先判断自己站在哪一边
材料里的观点AI改变的不是某个工具,而是执行成本。执行成本一降,靠“我来做这件事”获得的价值就会缩水,最危险的是中间层——负责转述、协调、包装、汇报、做细碎执行的人。这个判断放在工程师、数据科学家、产品经理、管理者身上都成立。所以对普通打工人来说,比“要不要学AI”更前置的问题是:我离模型近,还是离付钱的用户近?如果两头都不沾,只是把别人的话转手包装,那位置会越来越难受。做产品还是做自动化,是站好位置之后的选择,不是起点1。
自动化工作流通常比做产品更该先做
AI对工作的改变多是潜移默化的:不是突然出现一个从头到尾AI原生的东西,而是你现在做研究、写博客、做分析的方式,已经在经常用生成式AI。一开始它可能还不如你纸上优化好的流程快,但会逐步提速。所以对普通打工人,把AI接进自己反复做的任务里,是门槛更低、反馈更快的一步。做产品则要求另一层能力:会用AI写出一个网页,不等于会设计一个让AI在用户使用时承担理解、判断、行动、记忆的系统,后者涉及上下文架构、工具调用、评估、边界和长期维护。两者最后都可能产出一个App,但难度和所需条件不同2,3。
一个可以马上试的小动作
AI推演挑一件你每周都要重复做、且结果好坏你能自己判断的事,先让AI独立做一遍,而不是只让它给参考。做完后看两点:产出能不能直接进入你的工作流,还是每次都要你从头返工;以及你花在“遥控过程”上的时间,是不是比自己做还多。如果同类任务反复出现,就把你的偏好、验收标准、常用案例写成一份AI能读的文档,下次直接加载。这样做的意义是帮你判断:你缺的是把现有流程迁移给AI,还是缺一个真正值得做成产品的场景4,5。
材料没有针对“普通打工人”给出统一答案,做产品与做自动化哪条更适合,取决于你离模型或付钱用户有多近、以及手上有没有可验证的真实场景。
出处
- 1AI时代,大厂打工人的五条路
解释中间层为何危险、以及“离模型近或离付钱用户近”这个判断框架。
- 2AI时代,如何找到属于你的机会?
说明AI是潜移默化改变现有工作流,而非要求你从头做一个AI原生项目。
- 3AI产品的六个层次
区分“会用AI做出东西”和“会设计AI系统”,帮你判断做产品的真实门槛。
- 4AI 用得好的人与普通人的5个差距,和背后具体技术原因|非技术岗位版
提供任务光谱、Document-First等自检项,适合对照自己现在缺哪一步。
- 5高手用 AI,和你不在一个位面
可回到原文核对这部分判断
追问2026年10月16日
所有工作,都可以尝试让AI帮我们做,是吗?人作为审判官,验收结果是否可行
不是所有工作都该交给AI,也不该由人只做最后验收。更稳的分工是:确定性的交给程序,模糊的交给AI,最终判断和责任留给人。
AI不该替人拍板,人也不该只当验收员
把AI当最终裁判,问题在于它无法为结果负责,而责任必须有人承担。更合理的分工是:AI对它自己能验证的部分给出高置信判断,把不确定的部分暴露出来交给人看,人的任务不是逐条验收,而是处理最需要判断力的那部分。在数据筛查的例子中,程序先做确定性过滤,AI处理规则不够用的模糊判断,人负责最终判断和反馈,反馈再回去改进规则和评测,形成可迭代的闭环。这样人不是被AI替代,而是从低价值筛查里被解放出来1,2。
验收可行,但要先有标准和诊断能力
人当审判官可行,前提是能说清什么叫对。普通用户看结果常常是感觉差不多,出了问题只能换个提示再试一遍;有验收能力的人会先定标准——是否满足某条件、是否避免某类错误、是否覆盖关键边界——再让AI在输出前自检,出问题时定位根因而不是碰运气。所以验收不是看一眼点头,而是一项需要练的能力。如果验收标准本身模糊,人坐在审判席上也判不出对错3。
哪些交给AI,取决于任务性质
判断能不能交给AI,要看这件事靠规则还是靠判断。能用明确规则判断的,比如格式、字段、数值范围,就交给程序,把绝大多数明显没问题的筛掉;规则不够用、需要看上下文和历史案例的,才交给AI;涉及价值取舍和后果承担的,留给人。这个划分不是固定的,同一件事在不同条件下归属可能不同。所以“所有工作都让AI做”不成立,真正该问的是这件事属于哪一类1。
材料讨论的是把AI用于工作交付与协作分工,未涉及具体行业的合规或责任归属要求。
出处
- 1不要一上来就让 AI 判断一百万条数据|AI与人协作的任务光谱
数据筛查案例,说明程序、AI、人三者的分工与闭环,是回答分工问题的核心依据。
- 2职场不再奖励表演式工作,晋升要对结果负责
讲人不可替代的部分是定义问题、判断和承担责任,支撑“人不是只做验收”的判断。
- 3AI User 与 AI Builder 的 5 个差距,和背后具体技术原因 | 科技大厂打工人版
讲验收标准和诊断能力,说明人当审判官需要具备什么条件。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 我想了解工作那个比较有未来
没有哪个工作天然更有未来;更可靠的做法是趁现在还有选择,把工资和AI带来的效率换成职位之外的选择权。
- 数据分析、产品和管理岗, 在 AI 时代该如何适应和转型以保持更持久的职业上升
三个岗位的共同方向是从“执行一段任务”转向“对结果负责”:定义问题、设计系统、判断和收口,而不是只做分析、文档或流程。
- 我是一个程序员,有了AI之后所有人干活的效率都提高了,多出来的时间只能自己找活干,但我在目前的领域专业储备一般,找不到足够有价值的方向去投入。现在就是在被裁找新方向或者卷起来之间摇摆。如果失去稳定现金流,AI对此不太认同,它的建议是尽可能在寒冬中稳住现金流,我应该怎么做?稳住现有的工作,找新的可以做的事情?还是做好被裁打算,用业余时间积累新方向需要的专业知识?
立正的主张不是二选一,而是先保住现金流,同时把上班的视角从「完成任务」换成「积累能带走的东西」;被裁与否不是你能控制的,能控制的是这段时间在积累什么。
- AI engineer、AI architect、FDE 这几条路径分别适合什么背景的程序员?
FDE 适合工程底子扎实、又愿意直接面对客户和业务的人;AI engineer 偏把 AI 能力做进产品;AI architect 偏设计整个系统怎么可靠运行。
- 機械工程師在AI時代會被取代嗎?
机械工程师整体不会被AI取代,但工作内容里偏“信息搬砖”的部分会被压缩;越靠近真实物理结果和决策责任,越难被替代。
- 软件开发工程师还有前途吗?
有前途,但前途从“会写某种代码”转向“能对业务结果负责、能自己动手把事做成”。