AI构建者如何使用AI？
大多数人认为，在全球领先的AI公司工作的人，其运作方式领先其他所有人数年——他们的日常工作完全自动化，他们的产出神奇地生成，他们的生产力发生了根本性的转变。
现实既更简单，也更有趣。
他们不仅仅是更多地使用AI。他们在以不同的方式使用AI。
更重要的是，以这种方式使用AI对这些员工来说已不再是差异化优势；如果他们想生存下去，这已是基本要求。
在这些公司内部，AI并没有取代工作。它重塑了工作如何开始、如何演进以及如何完成。真正的转变不在于工具——而在于行为。而这种转变让我们得以一窥"AI原生"工作的真实面貌。
1、从"使用AI"到"与AI协作"
在大多数组织中，AI仍然被当作一种需要时再拿起的工具——你为了效率而求助于它。更快地写一封邮件。总结一份文档。生成几个想法。
在AI优先的公司内部，这种心态已经反转。
AI不再是退路。它是默认的起点。
不再是问"AI能帮我做这个吗？"，问题变成了"我应该如何从一开始就与AI一起构建这个？"
这带来了三个微妙但强大的转变。
第一，工作从迭代开始，而非从创造开始。员工很少从空白页面开始——他们从一个提示词、一个粗略的框架或一个可以塑造的生成草稿开始。
第二，完美被提前降级。目标是快速达到"足够好"的起点，然后通过多轮交互进行优化。
第三，委派任务与掌控结果之间存在明确区分。AI处理繁重的工作，但人类仍然对判断、方向和质量负责。
结果不是更少的工作——而是一种完全不同的工作。这就是AI领导者内部劳动力的形态和构成发生如此迅速变化的根本原因。
2、日常 workflows 栈
要理解这一点如何展开，看看一个典型的工作日会有所帮助。朝九晚五不再被视为一系列会议和任务的序列，而是一系列认知活动：思考、创造、决策、沟通和学习。
AI已经以令人惊讶的一致方式嵌入到这些活动中的每一个。
2.1 思考与规划
AI通常是员工在早晨接触的第一个协作者。
在撰写战略文档或准备会议之前，他们使用AI探索问题空间。这可能意味着为某个挑战生成多个角度，对一个想法进行压力测试，或者要求模型反驳他们最初的思考。
产品经理可能会输入一个粗略的功能概念，询问潜在的用户反对意见、边缘情况或替代方案。几分钟内，他们就以原本需要更长时间的方式扩展了视野。
这不是外包思考。而是加速思考。
2.2 创建与执行
当涉及到将产出作为交付物本身时——无论是文档、代码、演示文稿还是财务模型——AI几乎总是参与初稿的生成。
工程师在优化之前先生成代码框架。营销人员在几秒钟内创建活动大纲。客户成功经理用AI生成的起点起草邮件、客户会议叙述和客户计划。
关键区别在于首个版本的速度。
不再需要花30-60分钟让某样东西"好到可以分享"，员工在几分钟内就能达到这个状态。节省的时间不仅仅是效率提升，它还使得比以往进行更多轮的改进成为可能。
2.3 决策支持
AI在帮助员工理解复杂性方面也扮演着越来越重要的角色。
冗长的会议记录被即时总结。大量的客户反馈被提炼为关键主题。诸如"如果我们优先考虑X而不是Y会怎么样？"之类的基于场景的问题被快速探索并获得答案，从而推动进展。
准备交易评审的销售负责人可能会使用AI来综合客户历史、识别风险，并根据过去的类似机会建议下一步行动。
模型不做决策，但它锐化了输入，并将这些呈现给始终至关重要的"人在回路中"。
2.4 沟通
无论什么岗位，日常工作的很大一部分是沟通，而这也是AI带来最直接价值的地方。
处于AI前沿公司的员工经常使用AI为不同的受众重写信息：将技术更新转化为高管摘要，或将内部笔记改编为客户可读的语言。过去是初稿通过AI增强，现在通常是AI起草，人类确认内容并点击发送。
个性化曾经耗时费力，如今变得可规模化。一条核心信息可以根据数十个具有不同优先级和语调的利益方进行调整。
结果不仅是更快的沟通，而且是更清晰、更一致的信息传递。
2.5 学习与技能提升
也许AI最被低估的用途是作为始终可用的学习伙伴。
员工用它快速了解不熟悉的主题、模拟专家视角或在没有正式培训的情况下探索新领域。
工程师可能会要求解释一个新框架。客户成功经理可能会模拟一次具有挑战性的客户对话。营销人员可能会探索一个新的行业领域。
学习变得持续、嵌入且按需。
3、不同角色的使用差异
虽然模式是一致的，但AI的使用方式因角色而异。
工程师倾向于在执行层面深度使用AI，用于生成和调试代码以及探索架构选项。它既是结对编程伙伴，也是快速原型引擎。
产品经理严重依赖AI来构建思维。他们用它起草规范、生成用户故事和探索优先级权衡。AI与其说是关于产出，不如说是帮助厘清思路。
销售和客户成功岗位——可以说是一些最大的受益者——使用AI来准备、个性化和扩展他们的工作。客户研究、邮件起草、会议准备和风险识别都变得更快、更数据驱动。
营销团队广泛使用AI进行内容创作和优化。从SEO驱动的博客大纲到活动创意，AI加速了数量和实验两方面。
在领导层，使用方式再次转变。高管们较少关注任务执行，而更多关注综合。AI帮助他们总结信息、模拟场景和对战略决策进行压力测试。
模式很清晰：职位越高，AI越用于思考，而不仅仅是执行。
5、他们做法的不同之处
AI时代的真正优势不在于拥有更好的工具。而在于获得一套随时间不断累积的行为。
AI领先公司的员工很少从零开始。他们从可以迭代的东西开始。
他们不依赖于一个完美的提示词。相反，他们进行来回交互，通过多轮循环优化输出。
他们构建可重用的系统。提示词库、结构化工作流和可重复的模式意味着他们不必每次都重新发明轮子。
他们批判性地验证输出。AI被视为强大但不完美的协作者，而非权威。
而且重要的是，他们将AI整合到整个工作流中。它不是单独的步骤，而是贯穿整个流程。
这些习惯很微妙，但它们创造了生产力和效率方面的显著差距。
5、局限与误解
尽管头条新闻不断，AI并没有消除人类判断的需求。
员工仍然需要审查、编辑和验证输出。错误会发生。上下文可能被遗漏。细微差别可能丢失。
在许多情况下，更多的AI使用实际上需要更多的批判性思维，而不是更少。
还有一种误解认为AI会导致完全自动化的工作流。实际上，大多数工作仍然是协作性的，只是人与机器努力的平衡发生了变化。
糟糕地使用AI可以更快地产生平庸的结果。而要好好使用它，需要用心。
6、这对其他人意味着什么
AI领先公司与其他所有人之间的差距主要不在于技术访问。而在于技术如何使用。
微小的转变会迅速累积：从AI开始而不是以它结束，迭代而不是追求完美，构建可重用的工作流。
你不需要一夜之间改变你的整个工作。事实上，最有效的方法是渐进式的。
选择一两个工作流。实验。优化。以此为基础逐步拓展。
随着时间的推移，你工作的性质开始改变，不是因为你的角色被取代，而是因为你处理任务的方式在进化。
新兴的技能不仅仅是执行。而是编排。
在构建AI的公司内部，这种工作方式已经变得隐形。
它不再被视为创新，而仅仅是工作完成的方式。
真正的变革不是工具本身，而是围绕工具悄然重构的工作流、习惯和期望。
工作的未来不会一蹴而就。
在很多地方，它已经在这里了，只是分布不均。
而构建AI的人不会等待那个未来。他们已经生活其中。
原文链接：How AI Builders Are Quietly Transforming Their Own Jobs
汇智网翻译整理，转载请标明出处