AI重塑工作的三个层次：从夺回注意力到重新定义价值

pplx-at-work.pdf

TL;DR： AI 的真正价值不在于完成任务，而在于恢复我们的好奇心。它通过三个递进层次改变工作方式：

• 阻挡干扰（Block Distractions）让我们重获专注力，
• 扩展自我（Scale Yourself）放大个人能力，
• 取得成就（Get Results）重新定义职业价值。

多数人还在用"搜索引擎思维"使用 AI，就像用计算器来砸核桃。

• [[#一、好奇心是如何被杀死的|一、好奇心是如何被杀死的]]
• [[#二、从任务执行者到可能性探索者|二、从任务执行者到可能性探索者]]
• [[#三、我们使用技术的方式错了吗？|三、我们使用技术的方式错了吗？]]
• [[#五、想象一个标准的办公室|五、想象一个标准的办公室]]
• [[#六，工作流整合的实战案例|六，工作流整合的实战案例]]
• [[#七、5个关键问题|七、5个关键问题]]
  • [[#七、5个关键问题#问题一：我今天做的工作，有多少是"管理复杂性"，有多少是"创造可能性"？|问题一：我今天做的工作，有多少是"管理复杂性"，有多少是"创造可能性"？]]
  • [[#七、5个关键问题#问题二：我上次连续思考一个问题超过 30 分钟，是什么时候？|问题二：我上次连续思考一个问题超过 30 分钟，是什么时候？]]
  • [[#七、5个关键问题#问题三：我现在做的工作，有精进嘛？|问题三：我现在做的工作，有精进嘛？]]
  • [[#七、5个关键问题#问题四：我用 AI 的方式，是"搜索"还是"协作"？|问题四：我用 AI 的方式，是"搜索"还是"协作"？]]
  • [[#七、5个关键问题#问题五：我上次因为 AI 节省了时间，我用那些时间做了什么？|问题五：我上次因为 AI 节省了时间，我用那些时间做了什么？]]

一、好奇心是如何被杀死的

你有多久没有完整地思考过一个问题了？

不是那种"查资料-复制-粘贴"的思考，而是真正沉浸在一个想法里，顺着它延伸，看它能把你带到哪里。

大多数人会说：没时间。但这不是真的。真正的问题是，你的好奇心已经被侵蚀了。

每 12 分钟检查一次邮箱。在三个会议软件、五个聊天工具、十几个浏览器标签之间切换。你以为这只是损失了时间，其实损失的是持续思考的能力（sustained curiosity）。

这就是为什么 AI 的第一个价值层次不是"帮你完成任务"，而是阻挡干扰。

Perplexity 的报告提出了一个反直觉的观点：AI 最基础的用途，目标不是为了挤出时间，而是为了恢复你对工作的持续好奇心。

听起来很虚。但想想看：

当你让 AI 分析过去三天所有未回复的邮件并起草回复，你节省的不只是 30 分钟。你节省的是那 30 分钟里，你的大脑不停地在"我是不是该回那封邮件"和"我现在该想什么"之间切换的认知成本。

当你让 AI 将复杂的多步骤任务（比如安排跨时区团队会议）压缩成一个快捷方式，你消除的不只是操作步骤。你消除的是那种"为了完成一件小事，要在脑子里维护一个待办清单"的心智负担。

这才是真正的价值。专注力不是挤出来的，是守护出来的。

二、从任务执行者到可能性探索者

当干扰被阻挡后，会发生什么？

你的提问会变得更雄心勃勃。

以前你会问：“量子计算是什么？“现在你会问：“量子计算在金融服务中的应用现状如何？主要参与者是谁？技术成熟度如何？商业化时间表是什么？监管风险在哪里？”

以前这种问题需要一个研究团队花几周时间。现在你可以在一个下午内得到专业级的答案。

这就是 AI 的第二个价值层次：扩展自我（Scale Yourself）。

但多数人没有意识到这个转变。他们还在用"搜索引擎思维"使用 AI——输入关键词，等待答案。

真正的用法是：把 AI 当成你的研究团队。

不是问"什么是免费增值模式”，而是问：“研究 B2B 软件中成功的免费增值实施案例，包括转换策略、定价层次设计、常见陷阱，以及失败案例的原因分析。”

不是问"竞争对手有哪些”，而是问：“分析企业 AI 自动化市场，识别关键参与者、市场规模预测、技术路线差异、监管考量，并创建一个比较矩阵。”

注意到区别了吗？前者是查询（query），后者是工作流程（workflow）。

你的角色从管理任务的人，转变为探索可能性的人。

这就是为什么 Perplexity 强调 Spaces 的价值——它不只是一个知识库，而是一个带有上下文和一致性的工作环境（Context + Consistency）。

你可以上传你的技术文档、编码规范、写作风格样本，让 AI 生成的所有内容都符合你的专业标准。这意味着 AI 不仅能帮你写，还能写得像你，并符合你的专业水平。

这才是真正的力量倍增。

三、我们使用技术的方式错了吗？

让我问一个更深的问题：我们过去使用技术的习惯，有多少是错的？

想想你是怎么用电脑的：

• 打开 20 个浏览器标签，因为"可能会用到"
• 在三个聊天软件之间切换，因为"不同的人在不同的平台"
• 把文件保存在桌面，因为"这样容易找到"

这些习惯的底层逻辑是什么？管理复杂性（managing complexity）。

但 AI 改变了这个前提。当 AI 可以帮你按主题分组标签页、自动分类邮件、跨平台整合信息时，你不再需要"管理"复杂性，而是"委派"复杂性。

这听起来只是工具的升级，但实际上是工作方式的革命。

举个例子：

以前你需要"记住"一个客户的偏好、历史对话、项目进度，因为下次沟通时要用到。所以你会在 CRM 里记笔记，在日历里打标签，在脑子里维护一个"关于这个客户的上下文"。

现在 AI 可以自动分析你的邮件、日历、项目管理工具，识别每个客户的模式，并在需要时提供完整的上下文。

你不再需要"记住"，你只需要"提问"。

这意味着什么？意味着你的大脑可以从"存储和检索"的工作中解放出来，专注于"判断和创造"。

这才是 AI 时代工作方式的核心转变。

五、想象一个标准的办公室

让我们具体一点。想象一个标准的办公室成员——市场经理、产品经理、销售——在 AI 普及后会发生什么？

市场经理 以前花 80% 时间在"收集数据、制作报告、协调会议"，现在这些工作 AI 可以完成。她的时间会被释放出来做什么？

如果她还是用这些时间去"检查 AI 的输出、修改格式、发送邮件"，那她的价值没有变化，只是工具升级了。

但如果她用这些时间去"思考市场趋势、设计实验、建立关系"，那她的价值会指数级增长。

产品经理 以前需要花大量时间"和工程师沟通需求、追踪进度、写文档"。现在 AI 可以帮他分析用户反馈、生成技术规格、追踪项目状态。

他省出的时间用来做什么？如果还是用来"开更多会、写更多文档"，那只是工具的升级。

但如果用来"深入理解用户、探索技术可能性、设计产品愿景"，那是角色的升级。

这就是关键：AI 不会自动让你的工作更有价值。它只会放大你选择做的事情的价值。

如果你选择做的还是"管理复杂性"，AI 只会让你管理得更快。

如果你选择做的是"创造可能性"，AI 会让你创造得更远。

六，工作流整合的实战案例

理论说够了。让我们看看具体的工作流是如何被重构的。

案例二：产品经理的市场研究

传统流程：

1. Google 搜索竞品，打开 20 个标签页（20 分钟）
2. 阅读每个竞品的介绍，记笔记（2 小时）
3. 查找市场报告、行业分析（1 小时）
4. 在 PPT 里整理成比较矩阵（1 小时）
5. 写分析报告（2 小时）

一天时间，得到一份市场分析。

AI 整合后的流程：

1. 对 AI 说：“分析企业 AI 自动化市场，识别前 10 名参与者、各自的技术路线、目标客户、定价策略、融资状况、市场定位，并创建一个多维度比较矩阵”（5 分钟）
2. AI 生成初步分析（10 分钟处理）
3. 你提出深度问题：“这些公司中，哪些采用了开源策略？效果如何？与闭源竞品的差异在哪里？"（5 分钟）
4. AI 补充深度分析（10 分钟处理）
5. 你用 Spaces 设定的专业模板，让 AI 生成符合公司标准的报告（5 分钟）
6. 你审阅、调整战略建议部分（30 分钟）

一个上午，得到一份更深入的市场分析，还有时间探索 3 个相关领域。

关键洞察： 你的时间从"收集和整理"转移到了"提出更好的问题”——什么趋势被忽略了？什么假设需要验证？

案例三：技术写作者的文档生产

传统流程：

1. 阅读 API 文档和技术规格（1 小时）
2. 查找相关的开源项目和实现案例（1 小时）
3. 测试 API，记录步骤（2 小时）
4. 编写教程，包括代码示例（3 小时）
5. 校对、优化格式（1 小时）

一天时间，完成一篇技术教程。

AI 整合后的流程：

1. 上传 API 文档到 Space，设定技术写作风格和代码规范
2. 对 AI 说：“分析这个 API 的核心功能，查找 3 个使用此 API 的优秀开源项目，创建一个比较表，突出它们的实现差异和最佳实践”（5 分钟）
3. AI 生成分析报告（15 分钟处理）
4. 基于分析，你设计教程结构：“生成一个从入门到进阶的教程大纲，包含 5 个递进的实战案例”（5 分钟）
5. AI 生成包含代码示例的完整教程草稿（20 分钟处理）
6. 你测试代码、调整解释、优化案例设计（2 小时）

半天时间，完成一篇更深入的教程，还能探索 2 个相关技术栈。

关键洞察： 你的时间从"编写和格式化"转移到了"设计学习路径"——什么样的案例最能说明问题？读者的认知卡点在哪里？

注意到这三个案例的共同模式了吗？

工作流整合的本质，不是"让 AI 帮你做事"，而是"重新分配你的认知资源"。

以前你 80% 的时间花在"收集、整理、格式化"，20% 的时间花在"判断、创造、优化"。

AI 颠倒了这个比例。

但这个颠倒不会自动发生。它需要你主动重构工作流程——不是问"AI 能帮我做什么"，而是问"我的时间应该花在哪里"。

七、5个关键问题

读到这里，你可能会问：具体该怎么做？让我给你五个问题。不是让你马上回答，而是让你在接下来的一周里，每天问自己一遍。

问题一：今天的工作，有多少是"管理复杂性"，有多少是"创造可能性"？

为什么重要： 这个问题帮你识别时间分配。如果你发现 80% 的时间在"管理"——整理邮件、协调会议、查找资料、格式化文档——那你就知道问题在哪了。

具体实践： 每天结束时，在日历上标注：绿色代表"创造性工作"（思考、设计、判断），黄色代表"管理性工作"（整理、协调、执行）。一周后看看比例。

行动信号： 如果黄色超过 60%，你需要开始委派给 AI 了。

问题二：我上次连续思考一个问题超过 30 分钟，是什么时候？

为什么重要： 这个问题测量你的专注力被侵蚀的程度。如果你想不起来，说明你的工作方式已经被"反应模式"（reactive mode）主导了——不断回应邮件、通知、请求，而不是主动思考。

具体实践： 在日历上预留"思考时间"（Thinking Time），就像预留会议一样。关闭所有通知，用 AI 处理干扰源。

行动信号： 如果你发现自己"没法关掉通知，因为会错过重要信息"，那正是你最需要 Email Assistant 的时候——让 AI 帮你筛选真正需要立即响应的内容。

问题三：我现在做的工作，本质会变化嘛？

为什么重要： 这个问题强迫你面对真相。如果你现在的工作内容——“整理报告、协调流程、标准化创作”——在 5 年后可以被 AI 做得更好，那你现在就应该开始转型。

具体实践： 列出你的核心工作内容，逐一问：“这个工作，AI 能做到什么程度？“然后问：“如果 AI 能做到 80%，剩下 20% 是什么？我擅长这 20% 吗？”

行动信号： 如果你发现剩下的 20% 是"判断、创意、关系”，那很好，开始用 AI 处理那 80%。如果剩下的 20% 你也不擅长，那你需要重新定位自己的价值。

问题四：我用 AI 的方式，是"搜索"还是"协作”？

为什么重要： 这个问题暴露你的思维模式。如果你还在把 AI 当搜索引擎——输入关键词，等待答案——那你只用了 10% 的能力。真正的用法是协作——描述目标，设定工作流程，让 AI 成为你的研究团队。

具体实践： 下次用 AI 之前，先写下你的目标：“我想要什么结果？“然后写下工作流程：“达到这个结果需要哪些步骤？“再把这个完整的流程给 AI。

行动信号： 如果你的提示词（prompt）只有一句话，那你还在"搜索”。如果你的提示词包含了"首先…然后…最后…“的多步骤流程，那你开始"协作"了。

问题五：我上次因为 AI 节省了时间，我用那些时间做了什么？

为什么重要： 这是最关键的问题。因为 AI 的价值不在于"节省时间”，而在于"你用节省的时间做什么”。

如果你用节省的时间去刷手机、开更多会、做更多重复工作，那 AI 只是让你的忙碌变得更高效了。

但如果你用节省的时间去深度思考、学习新领域、建立新关系，那 AI 才真正放大了你的价值。

具体实践： 每次用 AI 完成一个任务后，问自己：“我现在节省了 X 分钟，我要用这 X 分钟做什么？“然后真的去做那件事。

行动信号： 如果你发现自己总是说"我没时间思考”，但又在用 AI 节省时间后去做更多执行性工作，那你需要改变的不是工具，而是优先级

后记：

写这篇文章时，我一直在想一个问题：为什么大多数人用 AI 的方式，还停留在"搜索引擎"的层面？

可能是因为我们还没有意识到，真正的变化不是工具的升级，而是工作方式的重构。

就像从纸笔到电脑，不只是"写字"变成了"打字”，而是整个文档的创作、编辑、协作方式都变了。

AI 也是一样。不只是"查资料"变成了"问 AI”，而是整个工作流程——从专注力管理、到能力扩展、到价值创造——都在重构。

但这个重构不会自动发生。它需要我们主动去思考：

在 AI 时代，我的价值是什么？