3 MINUTES

3分钟精简学习

今朝AI每日一课｜第027期

如何发现自己的AI应用场景？

前面我们已经看过销售、商务、技术、管理、财务、行政怎样使用GPT。

今天的问题变成：

我自己的工作，到底从哪里开始用AI？

不要先问：

“AI还能做什么？”

先回想今天或本周的工作，找这些事情：

经常重复整理；
信息很多、容易漏；
每次都要起草；
做之前总要准备；
经常需要找缺失信息。

然后不要选整项工作，只选一个小环节。

比如不是：

“AI帮我管理项目。”

而是：

“AI帮我把项目记录整理成已确认、待确认和下一步检查事项。”

再用5个问题检查：

目标清楚吗？
有信息可以提供吗？
希望AI给什么成果，说得清楚吗？
结果我能核对吗？
出错风险可控吗？

如果大体都能回答“可以”，就值得试一次。

今天的5—10分钟练习

找一项自己反复做的小工作，选其中一个环节，让GPT先帮你：

整理、检查、起草或准备。

然后检查：

AI有没有节省你的整理时间？
有没有帮你发现遗漏？
哪些事情仍必须由你自己确认？

涉及敏感信息，只能使用本人有权处理并经过必要脱敏的资料。

今天只记住一句话：

第一个AI应用场景，不要追求大而全，要找“小、清楚、可核实、风险可控”的工作。

找到一件你明天还愿意继续让AI帮忙的小事，就成功了。

想系统学习？查看完整课程

《今朝AI每日一课》第027期

如何发现自己的AI应用场景

别先问“AI还能做什么”，先从自己每天的工作里找一件值得让AI帮忙的小事

一、今日学习目标

前面我们已经学过GPT的基本方法，也看过销售、商务、技术、管理、财务、行政等岗位怎样使用GPT。

从今天开始，要解决一个更重要的问题：

回到我自己的工作，我到底可以先从哪里用起？

通过本期学习，员工能够：

从自己今天或本周的真实工作中，找到一个适合AI协助的小场景。
判断一个工作环节是否适合先交给AI协助，重点看：

工作目标是否比较清楚；
是否有必要的信息可以提供；
希望得到的成果能不能说清楚；
AI结果能不能由自己核对；
即使AI出错，风险是否可控。

能够区分：

AI比较适合先协助的工作，例如：

整理；
提炼；
检查；
起草；
比较；
准备；
发现信息缺口。

仍然必须由人负责的工作，例如：

核实真实事实；
与客户、同事沟通；
作正式承诺；
审批；
专业判断；
最终决策。

不追求一开始就让AI完成整项工作，而是先选择一个小环节试一次。
能够观察AI使用前后的变化：

有没有节省整理时间；
有没有减少遗漏；
有没有发现以前没注意的信息缺口；
工作准备是不是更清楚。

本期核心能力：

从自己的真实工作中，找到一个“小、清楚、可核实、风险可控”的AI应用场景，并真正试一次。

二、一个AI知识点

1. AI应用场景不是“AI有什么功能”，而是“我的工作哪里需要帮助”

很多员工学习AI时，很容易问：

GPT还能做什么？

然后看到：

写文章；
做方案；
总结资料；
分析数据；
做计划；
回答问题……

功能越看越多，反而不知道自己该从哪里开始。

更有效的问题其实是：

我每天的工作中，哪一件事情反复出现、比较耗时间、容易遗漏，而且结果又可以由我检查？

这才是在寻找自己的AI应用场景。

2. 先观察自己每天在做什么

可以特别留意几类工作。

例如：

每次都要整理类似资料；
经常把零散信息重新归纳；
每周都要整理相似的工作说明。

这种工作可以问：

AI能不能帮我先整理第一版？

例如：

一项工作涉及很多资料；
多个人提供不同信息；
经常需要检查还有什么没确认。

可以问：

AI能不能帮我先找信息缺口？

例如：

内部说明；
沟通准备；
简单方案；
工作清单。

可以问：

AI能不能根据我提供的真实信息先形成初稿？

例如：

客户沟通前；
会议前；
项目检查前；
跨部门协作前。

可以问：

AI能不能帮我把准备事项先整理出来？

这些都是发现AI应用场景的入口。

3. 不是每一件工作都适合直接交给AI

刚开始找AI应用场景时，可以用五个简单问题检查：

我知道自己到底要完成什么吗？

我手里有必要的、本人有权使用的信息吗？

我希望AI最后给我：

一份清单？

一个初稿？

一组待确认问题？

还是一份整理结果？

AI做完以后，我有没有办法判断对不对？

即使AI有错误，也不会直接造成：

客户承诺；
付款；
审批；
人员评价；
安全风险；
重大业务决策。

如果这五个问题大体都能回答清楚，

这个场景就比较适合作为第一次尝试。

4. 有些事情暂时不要直接交给AI

例如：

“帮我决定这个客户到底要不要继续投入。”

“帮我判断这个员工应该怎么处理。”

“帮我确认这笔款能不能付。”

“帮我判断这个设备到底是什么故障。”

这些工作涉及：

真实业务判断；
专业判断；
权限；
承诺；
决策。

AI可以帮助整理信息、提出问题、发现缺口，

但不能替有责任的人作最终决定。

5. 第一个AI场景，越小越容易成功

很多人刚开始用AI，容易想：

能不能把我的整个工作流程都交给AI？

结果往往是：

事情太复杂，资料太多，边界也说不清。

更好的起点是：

从整项工作里先找到一个小环节。

例如不是：

“AI帮我管理项目。”

而是：

“AI先帮我把今天的项目记录整理成：已确认信息、待确认问题和下一步准备事项。”

先把这一件小事做好。

如果真的有效，再逐步扩大。

三、一个今朝工作案例

假设教学场景：从“事情很多”中找到第一个AI应用场景

以下为假设教学场景，不对应今朝任何真实客户、员工、项目、金额、制度或经营数据。

假设一名员工每天都会收到一些零散工作信息。

可能来自：

客户沟通记录；
项目进展；
内部协作信息；
服务反馈；
会议后的补充事项。

员工一直觉得：

“每天事情很多，资料很散。”

于是他问GPT：

AI能不能帮我把工作做好？

这个问题太大了。

GPT很可能给出一堆建议：

帮你做计划；
帮你整理资料；
帮你分析问题；
帮你写报告；
帮你提高效率。

看完以后，员工还是不知道：

今天到底先干什么。

换一种方式：先找一个反复出现的小环节

员工回看自己的工作，发现：

每次准备下一步工作之前，都要先把几段零散记录重新看一遍，找出哪些事情已经确认、哪些还没有确认。

这就是一个具体场景。

它符合几个条件：

目标清楚：整理下一步工作准备；
有信息：手里已经有工作记录；
成果清楚：需要一份准备清单；
可以核对：可以回原记录检查；
风险可控：AI只负责整理，不直接作业务决定。

于是员工可以这样使用GPT：

我正在准备一项后续工作。

以下是本人有权处理、经过必要脱敏的已有工作信息。

请只根据我提供的内容，帮我整理成一份“下一步工作准备清单”。

请包括：

已确认的信息；

当前还缺少的信息；

下一步需要进一步确认的问题；

AI可以协助我继续整理或准备的事项；

必须由我或相关人员核实、沟通、确认和决定的事项。

不要补充资料中没有的事实。没有依据的内容请标记“待确认”。

这时候，AI场景就找到了

它不是：

“AI帮我完成全部工作。”

而是：

“AI先帮我把零散记录整理成下一步工作准备清单。”

员工拿到结果以后，再做两件事：

第一，回原资料核对至少一条事实。

第二，检查：

哪些事情仍然必须由自己沟通、核实和决定。

如果这次使用真的：

减少了整理时间；
少漏了问题；
下一步更清楚；

那这就是一个：

已经初步验证有价值的AI应用场景。

然后怎么办？

不用马上把场景扩大十倍。

可以继续使用几次。

看看：

哪些输入最重要；
哪种输出最有用；
AI经常在哪里出错；
哪些检查必须由人完成。

经过几次验证以后，

这个小场景才有可能逐步变成：

一套可复用的AI工作方法。

四、今日实践任务

5—10分钟：找到自己的第一个AI应用场景

今天不要求你学习新的GPT技巧。

只做一件事：

从自己的工作里找一个值得AI先帮忙的小环节。

第一步：回想今天或本周的一项真实工作

问自己：

哪件事我最近反复在做？

特别留意：

重复整理；
信息很多；
容易遗漏；
经常起草；
每次开始前都要准备。

第二步：不要选整项工作，只选一个小环节

例如不要写：

“管理客户。”

可以缩小成：

“把客户沟通记录整理成下一次需要确认的问题。”

不要写：

“做好项目管理。”

可以缩小成：

“把项目记录整理成已确认、待确认和下一步检查事项。”

第三步：用五个问题检查

问自己：

目标清楚吗？
有必要的信息可以提供吗？
希望AI交付什么成果，说得清楚吗？
AI结果我能核对吗？
如果AI出错，风险是否可控？

如果答案大体是“可以”，就值得试一次。

第四步：可以这样问GPT

我正在处理一项真实工作，希望先找出其中适合AI协助的一个小环节。

我的目标是先提高整理、准备或检查效率，而不是把整项工作交给AI。

请根据我接下来提供的、本人有权处理且经过必要脱敏的信息，帮助我判断：

哪一部分适合AI先协助整理、检查、起草或准备；

希望AI形成什么具体成果比较合适；

哪些内容仍必须由我核实、沟通、确认或决定；

哪些信息如果不足，应先补充而不是让AI猜。

不要建议AI替我作正式承诺、审批、专业判断或最终决策。

然后只提供完成这次尝试所需的最少必要信息。

今天怎么判断练习成功？

不看AI给了多少建议。

只看你有没有找到：

一件明天还愿意继续让AI帮忙的小事。

如果找到了，

第027期的目标就达到了。

五、今朝智能体连接

今天这一课其实和未来今朝智能体建设有直接关系。

智能体不是从：

“我们要做一个很强大的AI”

开始的。

更现实的起点，是员工不断发现：

哪些真实工作值得让AI参与。

例如员工发现：

某类资料经常需要整理；
某类工作经常缺信息；
某类检查每次都有固定步骤；
某类准备工作有稳定结构。

经过多次使用以后，

如果这些方法被证明有效，就可以逐步沉淀：

常见工作任务；
所需资料；
工作标准；
检查方法；
输出结构；
人工确认边界。

未来在授权范围内，再与：

企业知识；
岗位职责；
工作标准；
业务流程；
经授权的业务资料；

连接，

就可能逐步形成岗位智能体的一项辅助能力。

所以：

发现AI应用场景，是未来建设岗位智能体的起点之一。

但智能体也不是把员工所有工作自动化。

无论普通GPT还是未来智能体：

真实业务事实仍由人核实；
敏感信息不能越权处理；
正式承诺不能由AI自行作出；
审批流程不能绕过；
最终决策责任仍然由人承担。

六、今日思考

前面六期，我们分别看了：

销售；
商务；
技术；
管理；
财务；
行政；

怎样从自己的岗位找到AI可以帮忙的地方。

今天轮到你自己。

不要先想：

“AI能不能把我的岗位全部改变？”

先问一个更简单的问题：

我明天还会重复做哪件小事？其中哪一个环节，可以先让AI帮我整理、检查或准备？

找到这一件事，

真正试一次。

这就是从：

“我知道AI有用”

走向：

“AI开始进入我的工作”

的关键一步。