基本功 on Seunghoon Choi

AI 时代的 7 种工作能力：最后差别由 EQ、信任和声誉决定

Wed, 24 Jun 2026 00:00:00 +0000

人工智能对思维过程的帮助越多，人类就越必须展示出检查和完成指定任务的能力。

AI 已经能很快给出答案。找资料、写句子、整理想法、做草稿，都比以前容易得多。但答案变快，不代表工作会自动变好。恰恰相反，越多智能被 AI 外包出去，人身上剩下的角色反而越清楚。

AI 时代重要的人，不只是聪明的人。重要的是那种接到一件事之后，能从目标到结果负责到底的人。换句话说，就算把任务用 turnkey 的方式交给他，他也能读懂语境，自己理清楚，最后收得干净。那种“懂你要什么、自己会处理、收尾还漂亮”的能力，会变得更稀缺。

作为基础的能力有七种。

目标对齐能力
工作结构化能力
瓶颈解决能力
执行完结能力
效率与质量优化能力
学习与适应能力
关系与信任建立能力

少一项，工作就很容易出问题。但还有比这更重要的东西。最终把工作交出去的人，看的不只是结果物，也是在判断这个人值不值得托付。智能越能交给 AI，真正拉开差距的就越是 EQ、信任、声誉，以及“我还想和这个人一起工作”的记忆。

目标不对，AI 的答案也会跑偏

AI 能很快给出答案，但它不会自动保证答案要去的方向。要先弄清楚：到底要解决什么问题，给谁提供什么价值，这次工作的成功标准是什么。目标不清晰，再好的提示词也会产出散乱的结果；再强的执行力，也可能用在错误的方向上。

先把工作拆开，AI 的速度才会变成生产力

把复杂的事一股脑扔给 AI，答案很容易变得散乱。你要会拆问题、排顺序、准备资料、整理判断标准。结构化不是简单整理，而是为一件事设计出能完整做完的步骤。

先找出瓶颈，事情才会继续推进

AI 时代的瓶颈不只是技术不足。要看决策在哪里变慢，信息在哪里停止传递，责任在哪里不清晰，质量标准在哪里模糊。关键是尽快发现瓶颈位置，把原因缩小，再把它改写成下一步行动。

真正值钱的人，会把草稿改成能用的结果

找出哪些环节耗时较长的人，会先明确下一步该做什么，而不是只关注速度本身。

AI 能快速生成草稿、想法、代码和摘要。但把草稿变成结果物，再把结果物改到客户和同事真的能用的程度，仍然是人的事。好的开头很重要，但更重要的是完成到可以被使用。

做得越快，越要仔细检查

用了 AI，工作速度会上来。但如果没有检查，只把速度拉高，错误也会跟着加速。重复的事要自动化，重要的事要立标准检查，并持续改善结果质量。快做和做好必须同时做到，才是真正的生产力。

工具变了，工作方式也要一起变

AI 工具和工作方式一直在变。昨天的答案未必是今天的标准。要有学习新工具的态度、接受反馈的弹性、从失败里找模式的能力。工具再进步，如果学习速度停住，工作方式很快就会变旧。

最后，工作还是在人和人之间完成

AI 再聪明，工作最终还是在人和人之间完成。没有信任，好的提案也不会被接受；没有协作，好的想法也不会执行。能清楚沟通，守住承诺，让对方放心把事交给你，这种能力在 AI 时代反而更重要。

最后的差别落在 EQ 和声誉上

不过，只具备这七种能力还不够。这些是把工作做好的必要条件，是别人把事交给你时，从目标确认到结果完成都能负责的人必须有的基础。可当越来越多人都具备这些能力，最后的差别会落在 EQ 和声誉上。

EQ 不是单纯说性格好。它是读出对方的不安、调好期待、在冲突出现前看见信号的能力。对方担心什么，重视什么，用什么方式沟通才会安心，这些都要懂。AI 越能帮我们提供知识和句子，读懂这种情感语境的能力就越稀缺。

声誉管理也是一样。声誉不是包装，也不是形象工程。声誉是反复经验的累积。有没有守约？说过的事有没有做到最后？事情乱掉时有没有躲起来，还是出来解决？一起工作过的人会不会想再次合作？这些问题的答案一层层累积起来，就是声誉。

归根结底，AI 时代真正的竞争力，不在于显得聪明。它在于成为那种“交给他就会负责到底”的人，成为能读懂对方语境的人，成为让别人愿意一起工作的人。懂技术只是起点。把技术转成成果的工作基本功，读懂情绪和关系的 EQ，以及“这件事可以交给他”的信任，才是 AI 时代更大的竞争力。

比学习脑更重要的东西：AI 越强，越拉开差距的 4 个基本功

Sun, 21 Jun 2026 00:00:00 +0000

AI 越快，基本功越重要。人还是要检查 AI 的答案对不对、漏了什么、能不能直接用。

AI 已经能摘要、翻译、写报告初稿，甚至写代码。那么学习脑会不那么重要吗？恰恰相反。单纯记忆和重复计算可能会变得不那么重要。但阅读句子、理解工作流程、把多项信息整理成结构、处理看不见的概念，会变得更重要。AI 越快生成结果，判断这个结果对不对的人，其基本功越重要。看了 AI 写的报告，却解释不出为什么得出这个结论，那份报告就不是我的。看了 AI 写的代码，却不知道数据从哪里进、到哪里出，那段代码就不是我的工具。看了 AI 摘要的文档，却分不出核心主张和薄弱依据，我就不是理解了，只是在消费摘要。

我们常把这种差异简单叫做学习脑。但仔细看，所谓学习脑不是一种单一才华。

读写能力
画出工作流的能力
结构化信息的能力
处理抽象概念的能力

这四个基本功合在一起，别人才会觉得你脑子好。

1. 读写能力：不是读字，而是读语境的能力

读写能力不是只读懂字。重要的是读出这句话在主张什么、隐藏了什么、默认了什么前提。

读报告时，重要的不是理解每一句话。

这篇东西最终在主张什么
依据是什么
依据里强的是什么、弱的是什么
缺了什么条件
读者可能会追问哪里

读到这里，才算真正读了。AI 可以摘要长文。但摘要是否抓住核心、有没有漏掉重要前提、结论是否过度，必须由人判断。

读写能力弱，就会照单全收 AI 摘要。不是读文章，而是抄 AI 整理好的话。AI 时代的读写能力，不是读更多文字，而是读出文字背后的主张、前提、利害关系和空缺。

2. 工作流理解：画出事情实际如何运转的能力

很多人理解资料，却不理解工作。表格里的数字知道，会议纪要里的决定知道，谁说过什么也知道。但事情实际如何运转，脑子里没有图。必须能画出这件事从哪里开始，谁给输入，哪个部门判断，谁执行。哪里出现瓶颈，结果又反馈到哪里，也要看见。没有这张图，报告就站不住脚。句子看起来对，实际却不合流程。结论像样，却不知道执行时谁会遇到困难。解决方案看起来好，却不知道哪个部门要承担成本。AI 写的报告常出现这个问题。

文档逻辑很顺，却和真实公司的工作流不同。所以要会画工作流。输入、处理、输出、批准、瓶颈、反馈如何连接，必须在脑子里。即使 AI 给了初稿，这个初稿是否放在实际工作流程上，也要由人来看。

草稿只是一个起始材料，了解实际情况的人应该编辑结果直到最后。

3. 结构化能力：把多项信息整理成可用形态的能力

信息多，不等于理解。信息越多，越容易乱。十份资料、五份会议纪要、几十个数字一进来，脑子很快会复杂。这时需要的不是更多资料，而是结构。

结构化能力，是把多项信息整理成可用形态的能力。

分开原因和结果
分开核心和枝节
分开事实和解释
分开问题和解决方案
分开需要决定的事和仅供参考的事

这样捆起来，信息才有用。不会结构化的人，会把所有信息都用同样重量处理。于是报告变长，说明变模糊，结论变弱。会结构化的人，会先抓住主干。AI 可以提结构，但哪个结构适合当前问题，要由人选择。好结构不是把内容摆得漂亮，而是让思考能顺畅展开的框架。

4. 处理抽象概念的能力：把看不见的东西弄清楚的能力

初学者只看见可见的东西。销售额、成本、日程、人员、功能、句子、代码，这些比较容易处理。但越重要的问题，核心越常是看不见的东西。信任、风险、激励、权限、责任、语境、所有权、瓶颈、杠杆，都是这样的词。它们不能直接看见，却常常是推动真实工作的力量。处理抽象概念，就是给看不见的力量命名，并能把它应用到现实里。比如知道“语境债”这个词，就不会停在“报告很难”。可以分辨自己缺的是知识、流程、责任结构，还是决策者关心的点。

知道“信任资本”，就不会停在“为什么机会只给那个人”。你会看到，被验证的记录、推荐、声誉、接触权，本身就能换来机会，作用不亚于钱。概念不是为了背漂亮话，而是为了把复杂现实拆解开，让它重新变得可处理。 AI 可以解释概念定义。但这个概念是否适合我的情况、说明了现实的哪一部分，必须由人判断。不能处理抽象概念，就会每次被眼前案例牵着走。能处理抽象概念，就会在看起来不同的事件里看见同一种结构。