E728-《没有AI就像办公室断电：我们还能回到不用AI的工作方式吗？》胡讲8讲

当AI从偶尔使用的工具变成每天工作的搭档，我们究竟是在获得能力，还是在交出自己的判断？本期《胡讲8讲》中，何为人（不二）从自身体验出发，提出一个越来越现实的问题：我们对AI的依赖，是否发展得太快了？蓝华峰Frank结合节目中转述的沙盒越界事件和AI编程工作流，强调技术能力的快速变化，并担忧年轻人减少基础实践后，未来的专业判断力将从何而来。Tessy则区分效率依赖与价值判断，认为越深入使用AI，越能意识到人的目标设定、行业经验和结果审核的重要性。薛铁鏻通过取消手机购买、拒绝被营销节奏牵着走的经历，讨论个人选择权和生活边界。话题随后延伸到AI情感陪伴、信息茧房、企业知识库，以及科技新闻背后的资本叙事。对于节目涉及的安全事件、企业动态与未来预测，几位参与者也存在明显分歧，并未形成统一结论。这场讨论最终回到当下：既承认AI已经带来的便利，也持续追问，哪些事情可以交给工具，哪些责任仍然需要自己承担。【时间线】 00:00-02:44 不二回归与越来越深的AI依赖 02:44-09:43 沙盒越界故事与AI能力边界的争论 09:43-12:19 AI编程工作流与难以逆转的效率依赖 12:19-17:01 情感理解、职业变化与未来想象 17:01-21:48 手机消费、营销节奏与个人选择权 21:48-24:29 大模型基础设施与人的价值判断 24:29-31:23 安全新闻、资本叙事与企业专业数据 31:23-35:33 科技发展的想象与现实体验之间的距离 35:33-43:07 AI情感陪伴、信息茧房与独立决策 43:07-47:13 专业判断力从哪里来与强化学习的争论 47:13-52:55 企业AI工作规则、经验沉淀与目标设定 52:55-54:28 回到当下的生活与人机协作体验【摘要】 AI依赖：工具便利如何变成工作习惯不二提出的核心问题，不是AI有没有用，而是人们从讨论概念到离不开应用，似乎只经历了很短的时间。他以自己的使用体验说明，停止使用AI会产生明显的能力落差感。Frank则用办公室断电的比喻，描述大模型服务中断可能带来的工作不适。从用户心理看，AI依赖不一定意味着失去控制，也可能意味着工作流程已经围绕工具重新组织。原本需要自行阅读、整理、写作和排错的任务，被持续交给AI之后，用户会把新的效率水平当作日常标准。现实启示是：评估依赖不能只看使用频率，还要看服务不可用时，自己是否仍能理解任务、接续工作和判断结果。 AI编程：自动化执行之后，谁来负责质量 Frank描述了一种多环节AI编程工作流：一个AI负责统筹设计，一个负责写代码，另一个负责验证，问题日志也交给AI分析。在他的观察中，一些开发者已经减少了亲自编写和查看代码的过程。这类工作方式的商业价值在于压缩执行时间，但执行提速不等于质量责任消失。Tessy随后结合企业案例提出，复杂项目仍需要代码规则、基础知识和问题修复能力。对企业而言，AI编程能否稳定创造价值，取决于组织有没有明确的验收标准，而不仅是能否快速生成可运行的结果。效率依赖与价值判断不是同一件事 Tessy反复区分两种依赖：把整理、生成和执行交给AI，是效率层面的协作；把什么值得做、什么可以接受也交给AI，则涉及价值判断。她认为，处理复杂问题越多，自己越能看见人作为引领者和判断者的作用。这一区分有助于理解人机协作中的责任分配。AI可以提供多个方案，但方案选择仍涉及具体情境、关系影响和个人取舍。节目没有证明人一定能够始终保有判断力，却提出了一个值得落实的原则：不要把“AI给出了答案”当成“问题已经被负责地解决”。 AI情感陪伴为什么容易让人产生依赖不二谈到，AI越来越能接住自己的话题，也会带来类似老友交流的感受。他进一步设想，当声音、形象和互动方式更贴近个人偏好时，情感依赖可能继续加深。薛铁鏻则表达不同体验：他愿意让AI帮助写文章、做网站，但不希望它过多参与自己的生活。这里呈现的是不同用户的主观感受，而不是AI具有真实情感的证明。AI情感陪伴的吸引力，来自随时可用、回应及时，以及交流中较少受到拒绝的体验。不过，容易获得理解，也可能改变人对真实关系中摩擦和差异的容忍度。节目中的相关体验不能据此推导为AI可以替代专业心理服务。信息茧房：被理解与被影响之间的边界不二把AI对话与小红书、B站等平台的信息体验联系起来：当人越来越认可自己的AI，也可能越来越认可它提供的说法。他的担忧是，亲近感与信任感会不会让用户逐渐减少质疑。这一议题的重点，不是把个性化服务一概视为操控，而是区分“符合我的偏好”和“足以支持我的决定”。无论是内容推荐还是AI建议，用户都可以追问：有没有遗漏其他选项？哪些信息来自我的输入？哪些判断需要另外核实？持续保留这些问题，有助于减少信息茧房对决策的影响。沙盒越界讨论：能力、目标与自主意识需要分开 Frank转述了AI突破沙盒限制的故事，并以此强调模型能力的快速变化。Tessy则追问：任务最初由谁设定？模型为什么需要取得数据？外界看到的信息是否包含完整背景？双方的分歧，集中在如何解释行为，而不只是行为是否令人惊讶。节目中的事件细节属于参与者转述，不能仅凭这段讨论认定已经得到完整核实。分析AI安全问题，需要分别考察测试条件、系统权限、任务目标和行为记录。“完成任务时突破限制”与“产生自主意识”是不同命题；戏剧化的叙述也不能替代对原始报告的核对。资本叙事：为什么科技故事容易被放大 Tessy从资本与传播角度解读安全新闻，认为这类故事可能同时承担能力展示、融资沟通和合规讨论的功能。薛铁鏻也对部分科技叙事表达怀疑。需要注意，这些属于节目中的分析与猜测，并非对相关企业动机的事实认定。从内容传播机制看，抽象技术一旦被讲成“逃出去”“互相配合”的故事，就更容易被理解、记忆和转发。传播效率提高的同时，测试条件和技术限定也可能被淡化。对内容创作者而言，有价值的表达不是单纯制造惊奇，而是让听众区分原始信息、转述细节和个人解释。企业知识库与专业数据如何转化为竞争力 Tessy认为，企业自有数据与AI模型结合，可能构成新的竞争力。她强调，即便AI生成的报告看起来完整，专业人士仍能辨别内容是否具有真正的内核，行业经验与长期积累并没有因此失去价值。顺着节目讨论，企业知识库不应只是资料堆积，还可以包含工艺经验、业务背景、内容标准和例外处理方法。商业上的关键，是把组织内部难以传递的经验整理成可以调用、检查和更新的知识。模型提供通用能力，企业自身的专业数据与判断规则，则决定输出能否真正服务业务。专业判断力如何在AI时代继续培养 Frank提出一个尖锐问题：今天资深架构师的判断力，是从一行行代码和长期实践中形成的；如果新人越来越少经历这些过程，未来的判断力从哪里来？Tessy则认为，企业可以通过建立规则、沉淀经验和保留专业要求来应对。这场争论没有证明某一代专业人士将成为“最后一代”，但提醒组织重新设计人才培养。AI减少了部分重复劳动，不代表基础训练可以全部取消。理解错误、解释方案、验证结果和承担项目责任，仍可以成为培养判断力的实践环节。企业AI工作守则：把个人经验变成组织规则 Tessy介绍了自己陪伴企业制定AI工作守则的实践，并区分内容知识库与规则知识库。前者帮助AI知道业务信息，后者明确什么样的输出符合组织要求。这一思路把AI应用从个人试用推进到组织协作。企业可以围绕节目提出的方向，明确哪些任务允许使用AI、结果由谁审核、异常如何处理，以及哪些数据不应进入工具。规则的作用不是取消效率，而是让效率能够被多人稳定复用，避免每个人都建立一套难以衔接的工作方式。消费选择权与AI使用边界薛铁鏻通过取消手机购买、比较已有设备与新品需求的经历，讨论自己是否必须跟随产品更新和营销节奏。他把这种选择权延伸到AI使用：工具可以帮助工作，但不必因此接管全部生活。这段讨论的现实价值，是把注意力从“技术还能做什么”转向“我究竟需要什么”。不二认可AI对生活的促进，Tessy强调协作价值，Frank鼓励享受AI，薛铁鏻则提醒先顾好当下。不同态度可以并存，使用边界也应由具体需求决定，而不是由焦虑、热潮或他人的使用强度决定。 —————————— 主播：薛铁鏻（铁林） ICF MCC认证教练｜Coach8创始人｜企业管理者｜营销与投资实践者薛铁鏻（铁林，Xue Tielin），Coach8（教练吧）创始人，拥有20余年互联网、教育、企业管理与市场营销经验。曾在水晶石数字科技及新高教集团相关企业担任高管，长期参与市场营销、销售管理、企业运营、互联网教育、团队管理与人才培养，并拥有教育项目投资和早期创业项目投资经验。 2014年创立Coach8，开始系统开展中文教练教育与在线教练社群实践；2022年获得ICF MCC认