<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>新人成长 on Seunghoon Choi</title><link>https://seunghoonchoi.com/zh/tags/%E6%96%B0%E4%BA%BA%E6%88%90%E9%95%BF/</link><description>Recent content in 新人成长 on Seunghoon Choi</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Sun, 21 Jun 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://seunghoonchoi.com/zh/tags/%E6%96%B0%E4%BA%BA%E6%88%90%E9%95%BF/index.xml" rel="self" type="application/rss+xml"/><item><title>为什么 AI 写的报告我却解释不了：什么是缺失的背景知识</title><link>https://seunghoonchoi.com/zh/column/context-debt/</link><pubDate>Sun, 21 Jun 2026 00:00:00 +0000</pubDate><guid>https://seunghoonchoi.com/zh/column/context-debt/</guid><description>&lt;p&gt;&lt;img src="https://seunghoonchoi.com/images/col-context-debt.jpg" alt="桌上摊开的旧城市地图，小巷很多，却没有标出哪条是大路"&gt;&lt;/p&gt;
&lt;p class="inline-image-caption"&gt;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。&lt;/p&gt;
&lt;p&gt;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。&lt;/p&gt;
&lt;p&gt;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。&lt;/p&gt;
&lt;h2 id="ai-会写文字但不能替你负责"&gt;AI 会写文字，但不能替你负责&lt;/h2&gt;
&lt;p&gt;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。&lt;/p&gt;
&lt;h2 id="比报告写不出来更危险的是写出了自己不懂的报告"&gt;比报告写不出来更危险的，是写出了自己不懂的报告&lt;/h2&gt;
&lt;p&gt;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。&lt;/p&gt;
&lt;p&gt;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。&lt;/p&gt;
&lt;h2 id="缺失的背景知识文档里没有写"&gt;缺失的背景知识，文档里没有写&lt;/h2&gt;
&lt;p&gt;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。&lt;/p&gt;
&lt;p&gt;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。&lt;/p&gt;
&lt;h2 id="知道碎片和知道主张是两回事"&gt;知道碎片，和知道主张，是两回事&lt;/h2&gt;
&lt;p&gt;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。&lt;/p&gt;
&lt;p&gt;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。&lt;/p&gt;</description></item></channel></rss>