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。

为什么 AI 写的报告我却解释不了：什么是缺失的背景知识

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

如果作者无法解释人工智能创建的报告，那么作者只能充当信使，而不是文档的负责人。

把资料交给 AI，让它写报告。几秒后，一份看起来像样的文档出来了。有标题，有背景，有重点，也有结论。只看句子，确实不错。可一进会议，有人问： “为什么这个结论最重要？” “这个数字有多可信？” “为什么排除了其他选项？” “如果做这件事，哪个部门负担最大？” 那一刻，手停住了。报告用我的名字交了上去，但我解释不出里面的逻辑。这时很多人会误会。

是不是我脑子不好。是不是 AI 没用好。是不是资料读少了。都不是。问题不在句子。是在背景知识还空着的状态下，报告先生成了出来。

AI 会写文字，但不能替你负责

AI 很会写句子。它能整理背景、搭目录、分段，也能写出看着像结论的句子。资料越多，整理得越像样。但报告里重要的不只是句子。报告是为了说服某个人而提出的主张。为什么需要这个主张、要说服谁、哪个依据扎实、哪里薄弱、反对方会追问哪里，这些都要知道。AI 能给出像样的句子。但作者不知道这些句子背后的背景，报告就不是自己的。会议上被提问的那一刻，这个差别会显出来。AI 写的句子留在屏幕上，但要回答问题的人是我。

比报告写不出来更危险的，是写出了自己不懂的报告

过去报告写不出来，会马上露出来。手停住，句子出不来，不知道该从哪里开始。那种茫然很难受，但至少诚实，因为它让我不知道这件事显了出来。AI 时代出现了更危险的情况。明明不知道，报告却出来了。把资料放进去，AI 就写出句子。空白页被填满。出现了像样的结构。于是我会觉得自己好像理解了。

但实际上未必理解了。AI 不是消除了我的茫然，只是把茫然遮住了看不见而已。报告出来了，和我掌握了这份报告，是两回事。漏掉这个差别，会议上就会撑不住。

缺失的背景知识，文档里没有写

这种状态可以叫作背景知识的空白。意思是，要把报告变成自己的，还有没补上的背景知识。这件事为什么开始。以前哪种尝试失败过。哪些数字可以信，哪些数字要小心。谁会喜欢这个结论，谁会不舒服。审批者会最先追问哪里。这些信息，资料里不一定都写着。

表格里有数字。会议纪要里有决定。旧报告里有句子。但为什么那个数字重要、为什么做出那个决定、为什么某些句子被删掉，要另外去问才知道。 AI 擅长整理写下来的东西。但没写下来的背景，它无法凭空知道。所以即使给 AI 很多资料，背景知识的空白也可能照样留着。句子出现了，背景却空着。

知道碎片，和知道主张，是两回事

很多人读完资料会说：“内容大概知道，但要我解释就卡住了。”原因在于，知道碎片和知道主张是两回事。碎片是一个个事实。这个项目 3 月开始。成本增加了 20%。客户流失率上升了 5%。 A 案和 B 案被讨论过。

这些碎片，AI 也很会整理。但报告需要的不是碎片的罗列。要知道这些碎片指向哪个方向。为什么成本增加 20% 是问题。客户流失率 5% 是暂时的噪声，还是结构性的风险。 A 案和 B 案里放弃了哪一个，为什么放弃。这份报告最终要求谁做出什么决定。知道这些，才解释得了报告。AI 帮你整理了碎片，不等于作者理解了主张。报告不是一堆资料，而是有方向的主张。

工作能力 on Seunghoon Choi