想请教大家：在一家与 AI 相关的公司工作，我应该重点积累哪些经历和能力？ 我目前在一家做亚马逊广告工具的公司，从事客户成功相关工作。公司的产品方向与 AI 密切相关，其中一项核心功能是 AI 广告托管：客户设置投放目标后，AI 会在授权范围内持续执行广告优化。 我的工作主要有三个特点： 公司本身在做 AI 相关产品。我需要理解 AI 托管的能力、适用场景和边界，并帮助客户使用。 工作中能接触大量 AI 落地案例。我会结合客户的广告数据，观察 AI 托管的表现，分析客户遇到的问题，并协助他们调整目标和使用方式。 我自己也在尝试编排 AI 工作流和 Skill。例如让 AI 辅助完成广告复盘、问题排查和托管组检查，再把重复任务整理成可复用的流程。 这让我开始思考：我接触的不只是 AI 工具本身，还有 AI 如何进入客户的实际业务，以及人在其中如何判断和推动执行。 想请教大家：从长期发展来看，我目前的工作中哪些经历最有价值？在 AI 时代，我应该有意识地重点发展哪些能力？

AI 能完成大部分执行，但最后收口仍要人来做：判断两个结果哪个更好、错在哪里、由谁负责。没有领域深度就收不了口，AI 反而会放大盲区。你每天看广告数据、分析客户问题，正是在积累这种深度——它让你能判断 AI 托管给出的优化是否合理、客户目标设得对不对。Ethan 在对话里说，必须是专家才能 close loop；立正在那期对谈里也认同，全栈不只是技术全栈，懂业务、懂转化的人价值更高⁠1。所以别只停在“会用这个工具”，要把广告投放的判断标准说清楚。

用人单位招 AI Native 的人，看重的是能把脑子里的隐性知识转成技能、模板、上下文，让 AI 放大人的杠杆⁠2。你已经在做 AI 复盘、排查、托管组检查的编排，方向对；下一步是把“什么样的广告表现算异常、该调目标还是调出价”这类判断写成可复用的 Skill，并用成功和失败案例持续校准。立正讲数据筛查时给的分工是：确定性的交给程序，模糊的交给 AI，关键判断留给人，人的反馈再回去改进 Skill 和评测⁠3。广告托管正好是这个结构：规则能判的自动跑，AI 处理模糊情况，你负责最终判断并把结果反馈回去。

小团队做出效果后，推广常卡在别人不会用；立正的建议是先把现有能力用足，把替同事解决真实问题做成可追溯的记录——哪个组、原来卡在哪、省了什么、对方是否认可⁠4。放到你身上：把 AI 辅助复盘、排查的流程整理成别人能直接用的东西，并记录它帮客户或同事解决了什么具体问题。这比说“我提效很大”更能说明你的能力，也帮你判断哪些用法真有人需要。