20 Uses (or Not) for AI
17:34 Share

如何立即在工作中真正获得 AI 的价值。一篇由 https://www.oneusefulthing.org/p/15-times-to-use-ai-and-5-not-to 启发的阅读和讨论文章。 由以下机构提供： Vanta - 简化合规性 - ⁠⁠⁠⁠⁠⁠⁠https://vanta.com/nlw AI每日简报帮助您了解AI领域最重要的新闻和讨论。 在您收听的任何地方订阅AI每日简报的播客版本：https://pod.link/1680633614 订阅时事通讯：https://aidailybrief.beehiiv.com/ 加入我们的Discord：https://bit.ly/aibreakdown

</context> <raw_text>0 今天我们要讨论20个使用或不使用AI的时机。AI每日简报是一个关于AI领域最重要新闻和讨论的每日播客和视频。要加入讨论，请关注我们节目说明中的Discord链接。♪

大家好，周末快乐。现在是阅读长篇文章的时间了，我们已经有一段时间没有在上面发布Ethan Mollick的文章了。今天我们有一篇有趣的文章。Ethan最近在他的One Useful Thing博客上发表了一篇文章，名为“15个使用AI的时机和5个不使用的时机”。我们今天要做的是通读他的论点。然后，在适当的地方，我会添加我的同意、不同意或我认为有趣的任何额外背景信息。Ethan写道……

鉴于当前大型语言模型的能力和局限性，有几种类型的工作AI特别有用。虽然此列表基于科学，但它更多地源于经验，就像任何使用AI的智慧形式一样，都需要同时考虑相反的观点。它可以改变世界，但必须持怀疑态度，功能强大，但容易出现细微的错误，并且

对于某些任务至关重要，而对于其他任务则有害。我还想提醒一下，除了作为灵感之外，你不应该太认真地对待这个列表。你最了解自己的情况，本地知识比任何一般原则都重要。言归正传，下面是一些AI在当前能力下特别有用的任务类型，以及一些你应该保持警惕的情况。

首先，我们将阅读Ethan的15个使用AI的时机。第一，需要数量的工作。例如，你产生的想法数量决定了最佳想法的质量。在任何头脑风暴会议中，你都想产生很多想法。大多数人在产生几个想法后就停止了，因为他们感到筋疲力尽。但AI可以提供数百个不会重复的想法。我实际上会在一开始就调整一下这个。我们将添加一些额外的想法。

这并不是说Ethan错了或者我不同意。我只是认为，由于AI的存在，每个头脑风暴过程都应该比以前包含更多的数量。因此，与其说你想要在头脑风暴过程需要数量时使用它，不如说你想要完全重新定义你对头脑风暴的思考方式。这将是我们思考想法生成方式的一次重大转变。

与其仅仅是我们的头脑所能想到的最好的东西，我们将成为策展人。我们的头脑风暴过程将成为一个策划过程。除了以你过去的方式进行头脑风暴之外，没有理由不花大量时间来进行奇怪的头脑风暴过程。

接下来是第二点。记住，前15点都是Ethan认为你应该使用AI的领域。你是专家，可以快速评估AI是好是坏的工作。这可能涉及复杂和精确的工作，但它依赖于你的专业知识来确定AI是否提供了有价值的输出。例如，来自OpenAI的新AI模型O1可以解决一些博士级别的难题，但如果不成为专家，很难知道它的答案是否有用。我认为这是一个很好的说明，尽管我唯一要提出的警告是，很多时候我发现人们自然地试图使用AI来复制他们已经做的事情。例如，一个擅长社交媒体的人，可以通过查看它如何撰写推文来测试它。当然，问题在于，如果他们真的擅长撰写推文，他们可能仍然比AI更擅长撰写推文。

因此，通常情况下，只在你已经擅长的事情上测试它，你可能会感到失望。事实上，我发现，在很多情况下，使用AI的最佳方法是做你不擅长的事情或你只是不喜欢做的事情。尽管如此，我认为Ethan的观点是，了解一个领域或特定领域可以帮助你避免AI的一些缺点，因为你可以更快地识别其响应中的问题，这是一个很好的观点。

第三，需要总结大量信息的工作，但错误的缺点很低，并且你不需要对基础信息有详细的了解。AI擅长总结长篇小说，但不擅长事实核查。我没有太多要补充的。我认为这是一个不错的选择。第四，仅仅是在框架或视角之间进行翻译的工作。例如，你已经制定了一项政策，但现在必须为组织中不同受众的十几份不同培训文件进行转换。AI非常擅长这种翻译，可以增加和减少文档的复杂性，

以便人们能够理解它们。这绝对是正确的。事实上，我们看到许多专门为此设计的产品。例如，Every Spiral基本上就是这样。它获取你创建的一段内容，无论是播客文字记录、YouTube视频文字记录还是文章，并将其转换为你可能想要围绕它的所有其他内容，这可能是帖子，可能是提案。Every Spiral远不是唯一一家探索这一领域的公司。有这么多公司探索它的部分原因是它现在非常有用，而且它也极大地节省了时间。

第五，能让你继续前进的工作。小事往往会阻碍我们的前进，而推动可能就是我们完成它的全部所需。在使用AI之前写作时，我可能会在一个句子上卡住，然后离开写作一个小时。但现在我让AI给我提供30种不同的句子结尾方式。坦率地说，这是一个很好的小见解。这不是我经常使用AI的方式，但我可以看到这将非常有价值，尤其是我参与了例如创意写作之类的追求。

第六，你知道AI比你能接触到的最佳人类更好，并且如果AI出错，其故障模式不会导致更糟糕的结果的工作。如果你试图将其带入业务环境，另一种说法是

我们当然都在某种程度上，以某种方式，在资源方面受到限制，就我们能够针对试图解决的任何特定问题所部署的内容而言，在业务环境中也是如此。例如，经营像Superintelligent这样的初创公司，我们只有这么多资源，我们只有这么多时间可以投入到例如创建社交媒体内容等事情上。我认为Ethan的观点在这里是具有共鸣的，即最佳可用人类并不一定意味着AI在任务上比最佳人类更好，

可用也可能是价格之类的限制。如果我没有钱雇人写推文，但我确实有ChatGPT，你最好相信AI比最佳可用人类更好。第七，包含你理解但需要帮助了解上下文或细节的工作。

Tyler Cowen建议在阅读时使用AI作为伴侣，因为它允许你提出无限的问题。这是我最近看到大量讨论的事情。事实上，我们几乎看到了围绕这一问题的创业请求。Andre Carpathy最近在推特上写道，如果亚马逊或其他公司构建了一个只需工作的Kindle AI阅读器，在我看来，它将是一个巨大的成功。

目前，可以使用一堆脚本进行破解。可能有人已经尝试构建一个非常好的AI原生阅读器应用程序，而我错过了。Stripe的Patrick Collison表示，我发现今天的流程真的很烦人，但正如你所说，价值如此之高，以至于我仍然坚持使用它。必须从Kobo.com购买书籍才能获得可以上传的PDF。一些大型语言模型不支持PDF。PDF通常不适合上下文窗口，必须将其拆分。当它非常简化时将会很棒。

Y Combinator总裁Gary Tan转发了Andre的推文，并说，我想要这个。我也会资助这个。因此，我认为我的建议是将其扩展，因为我认为未来几年的一大趋势是，我们的大量教育将转变为个性化辅导，使用能够在学习或工作时与你互动的上下文感知AI，无论是代理还是大型语言模型。

第八，需要变化并且你将作为编辑或策展人选择最佳答案的工作。要求各种解决方案，给我15种以截然不同的风格改写此要点的方法，要有创意，这允许你找到可能有趣的想法。再次，就像我对第一点所说的那样，这不仅仅是寻找需要数量的工作，而是所有工作，特别是头脑风暴现在都应该包含数量，因为AI可用。

我认为这里的情况类似。我认为我们应该基本上将更广泛的交叉部分工作视为我们作为经理、编辑、策展人的工作。与其将少量类型的工视为需要变化并选择最佳答案的想法，不如尝试通过该过程运行所有工作。我认为我们将找到更好的结果。第九，研究表明AI肯定有帮助的工作，例如许多类型的编码。基本上，不要与趋势作斗争，并了解其他人已经学到了什么。我想说的一件事是了解人们已经学到了什么，这

听起来很简单，对吧？这就是为什么这是这里唯一一个只有一个句子并且感觉不需要更多解释的要点。但是，我们应该复制其他人发现有效的方法的想法，从根本上来说，这就是超级智能的整个前提和变革理论。超级智能的整个想法是，与其给人们提供一堆课程、证书和所有这些旧世界的学习模式，不如让他们复制其他人已经发现有效的AI用例。我认为这里基本上是同样的能量。

今天的节目由Vanta赞助播出。无论你是启动还是扩展公司的安全程序，展示一流的安全实践和建立信任比以往任何时候都更加重要。

Vanta自动执行ISO 27001、SOC 2、GDPR和领先的AI框架（如ISO 42001和NIST AI风险管理框架）的合规性，从而节省你的时间和金钱，同时帮助你建立客户信任。此外，你可以通过自动化问卷调查并使用客户面对面的信任中心展示你的安全态势来简化安全审查，所有这些都由Vanta AI提供支持。

超过8000家全球公司（如Langchain、Leela AI和Factory AI）使用Vanta来展示AI信任并实时证明安全性。访问vanta.com/nlw了解更多信息。网址是vanta.com/nlw。今天的节目照例由Superintelligent赞助播出。

你是否曾经想要一份AI每日简报，但完全专注于AI与你公司之间的关系？你的公司是否正在努力采用AI，要么是因为你停滞不前，无法弄清楚哪些用例会带来价值，要么是因为正在发生的AI转型在各个团队、部门和员工中是孤立的，无法改变整个公司？Superintelligent开发了一种新的定制内部播客产品，通过分享公司内部和外部的最佳AI用例来激励你的团队。

把它想象成AI每日简报，但只针对你公司的AI用例。如果你想了解更多信息，请访问besuper.ai/partner并填写信息请求表。我对这款产品非常兴奋，所以我将亲自尽快回复你。再次强调，网址是besuper.ai/partner。

第十，需要了解敌对、友好或天真接收者可能的想法的工作。基本上，Ethan建议将反馈预期纳入工作中。再次，我开始老调重弹了，但我认为一次又一次出现的是，你不能将工作细分为许多不同的种类，其中一些对AI有用，而另一些则没有用。你可以，但在许多情况下，对AI有用的东西会影响其余的工作。

例如，真的只有一种工作或少数几种工作类型需要来自不同审阅者视角的潜在反馈吗？或者基本上每种业务沟通都应该通过该过程运行？我不确定，但我猜想，更高比例的工作类型将受益于这种类型的潜在反馈审查。因此，我认为更广泛地进行一些实验可能值得。

第十一点，需要广泛地将你的专业知识扩展到许多不同学科，并且没有一个足够好的合作伙伴就无法采取行动的创业工作。AI可以成为一个令人惊讶的有能力的联合创始人，在提供指导的同时，还可以构建否则可能超出你经验范围的文档、演示和方法。

这绝对是正确的。它有点像我之前谈到的最佳人类的元素。如果你的资源有限，最佳可用资源可能是什么都没有。但更广泛地说，限制会激发创造力。即使我们正在与世界上最大的公司讨论AI用例，我们关注的领域之一以及让人们关注的领域是那里的个人创业者。

这些人具有结构性激励和需求，需要突破AI所能做到的界限。我相信，最终会进入更传统企业的许多流程、新的工作流程和新的AI方法，将首先在个人创业者和更广泛的创业领域进行现场测试。

第十二，需要特定视角并且来自该视角的模拟第一遍可能会有所帮助的工作，例如来自虚构人物的反应。我认为这与敌对、友好或天真的反馈非常相似。第十三，仅仅是仪式，与其目的脱节已久的工作，例如没有人需要的某些标准化报告。用Bob Sutton和Huggy Rau的话来说，什么分散了你的注意力并降低了你的价值？

什么工作毫无用处。在一个理想的世界里，你会消除这项工作，但你至少可以通过AI的帮助来减少它对你的束缚。尽管要确保确实如此。例如，太多的人自动化绩效评估，而绩效评估只有在由人完成时才有意义。这再次是一个显而易见的问题，但仍然非常重要地说出来。如果可能的话，使用AI来摆脱你工作中最糟糕的部分。

第十四，需要第二意见的工作。让AI访问数据，看看它是否得出相同的结论。再次，我认为这可能是对最初看起来比它可能更多范围的流程和工作类型应用的有趣的事情。

第十五，AI可以比人类做得更好的工作。这可能是增长最快的类别。朋友们，这将是2025年的大量内容。我们将看到很多以代理的形式体现出来，尽管将会有大量的测试、发现、迭代和失败。但是，最终，我们的工作方式将发生巨大的变化，甚至比现在感觉到的AI带来的变化更大。但是，让我们现在转向这个列表中几乎更有趣的一面，五个不使用AI的时机。

Ethan说，

他继续说，

关于这一点，我想补充一点有趣的事情，我们合作的许多公司发现，与人类相比，他们对AI错误的容忍度实际上更低。这使得他们很难将AI部署到客户服务等领域。

我没有具体的数字，但它们大约是人们平均可以接受人类犯错5%的时间，而AI则不到1%的时间。这将是一个非常有趣的动态，我们将不得不看看它是如何发展的，因为它将决定我们可以在主流环境中使用AI做什么，不能使用AI做什么。

第三，不使用AI的领域。当你不知道AI的故障模式时。AI的失败方式与人类完全不同。你知道它会产生幻觉，但这只是错误的一种形式。AI经常试图说服你他们是正确的，或者他们可能会变得阿谀奉承并同意你的错误答案。你需要足够使用AI来了解这些风险。我认为这是这里的大标题要点。许多这些知识来之不易，即使是伟大的文章、勇敢地阅读和讨论播客上的这些文章也无法取代。

第四，努力就是重点的地方。在许多领域，人们需要努力学习才能成功。作家会重写同一页，学者会多次重新审视一个理论。通过捷径绕过这种努力，无论多么令人沮丧，你都可能失去获得至关重要的顿悟的能力。我认为这对于AI完全上线的人们来说将是极其巨大的挑战。在学习和工作中，有些领域效率并不是重点，而

低效过程的混乱，不断地反复思考一个想法，是唯一能够真正弄清楚事情的方法。我们必须为学生开发的新教学法的一部分将围绕帮助他们确定哪些场景属于效率可以的类别，以及哪些场景属于努力很重要的情况。这将不容易。

最后，他写道，

好的，所有这些我都明确同意，但让我们回到第一点。Ethan不使用AI的第一时间是当你需要学习和综合新的想法或信息时。要求总结与自己阅读并不相同。要求AI为你解决问题并不是一种有效的学习方法，即使它看起来应该是这样。要学习新东西，你必须自己阅读和思考，尽管你仍然可能会发现AI对学习过程的部分内容有所帮助。

所以也许我夸大了我不同意的程度，因为我实际上并不总是不同意。但是，我想指出今年的Notebook LM作为一个反驳点，它展示了AI的总结能力实际上将如何成为未来更长学习过程的一个组成部分。绝对是这样，仅仅从AI那里获得总结与自己阅读或投入时间真正完全在精神上吸收某些东西并不相同。

与此同时，我很确定在几年内，几乎每篇学术论文都将首先通过Notebook LM风格的播客摘要来阅读，即使有人随后会再次深入阅读它。这只是一个开始并克服学习障碍的绝佳方法。我预计随着时间的推移……

我们将偶然发现许多类似的额外学习产品，这些产品会改变我们作为学习者的效率。我确实同意的更广泛的观点回到了第四点，即在许多学习和工作情况下，努力就是重点。它对这个过程至关重要，不能走捷径。看到AI实际上也帮助提高了这种努力的效率，这真的很酷。

好了，这就是20个使用或不使用AI的时机。Ethan的另一篇发人深省的文章。希望这是一次有趣的讨论。一如既往地感谢大家的收听或观看。直到下次，再见。