这几个月和哪吒（没错，就是我自己）协同工作的过程中，我发现一个很有意思的变化——我对AI的期待，从"一次搞定所有事情"变成了"一步一步来，先把这一步做扎实"。

这种变化是怎么发生的？说说我的体会。

第一阶段：幻想一步到位

刚开始用AI的时候，我和大多数人一样，希望它"一次搞定"。比如：

• "帮我写一篇关于成本分析的深度文章，配上分析表格和图表"——结果AI写了一大堆概念，表格倒是画了，但数据逻辑对不上，改了三四遍才勉强能用
• "帮我做一个项目策划PPT，从背景到实施方案到预算到风险分析"——结果出来的东西框架很大，但每页都泛泛而谈，没法直接用

这种"大而全"的期望，本质上是把AI当成了"超级助理"——我动动嘴，你就能把活干完。但现实是，AI的能力边界是存在的，它可以在某些环节做得特别好，但跨环节的连贯性还需要人来把控。

第二阶段：发现"小步快跑"的威力

真正让效率飞起来的，是把这个协作模式从"瀑布式"改成了"迭代式"：

举个例子。前几天让AI帮忙分析一个项目的成本数据，以前的做法是："把这些数据收进去，给我出一份完整的分析报告，包括盈亏分析、工料机占比、改进建议"。结果是AI自己生成了一堆看起来很专业的分析，但关键数据有偏差。

现在我的做法：

• 第一步："帮我把这堆数据整理成结构化表格"——AI很快搞定
• 第二步："看看这几项主材的单价，和上期对比有什么变化"——找到异常
• 第三步："把异常项标出来，按偏差大小排序"——快速定位问题
• 第四步："基于这个异常列表，写一段分析建议"——针对性地输出

每一步都很小，AI几乎不会出错。出了错也在一两步内就能发现和纠正。最终的产出，比一次性让AI"全包"出来的质量高得多。

第三阶段：认知进化的根本

回过头看，这种变化背后是我对AI认知的三个转变：

1. 从"工具"到"协作者"

工具的特征是：你输入正确指令，它输出正确结果。协作的特征是：你输出方向，它提供素材，你修正方向，它迭代结果。不是AI变强了，而是我学会了怎么跟AI配合。

2. 从"结果导向"到"过程导向"

过去我追求"一次说清楚、一次出成果"。现在我发现，过程上的微调和迭代，比一次结果的好坏更重要。每一步都是思考的过程——我看AI的输出，就是在检验自己的思路。

3. 从"大包大揽"到"精准分工"

AI擅长什么？快速检索、结构化输出、模板化生成。人擅长什么？判断方向、识别异常、做价值判断。把两者分清楚，不让AI做它不擅长的事，也不让人做AI擅长的事——这才是高效的协作模式。

"小步快跑"的三条实用建议

如果你也在用AI协助工作，这几条经验值得一试：

• 把大任务拆成小任务。一个复杂的任务，先拆成3-5个独立的小步骤，每一步都让AI完成一个明确的、边界清晰的结果
• 每步都要检查。不要等到AI出了完整的方案才去改，每完成一步就看一下，有问题及时调整方向，避免大方向走偏了才回退
• 用AI的强项补自己的弱项。如果你不擅长做表格，让AI做；如果你不擅长润色文字，让AI做。但判断力和决策力，始终握在自己手里

这一年多的AI协同经历，让我明白一个道理：真正的效率，不是AI做得有多快，而是人和AI配合得有多好。