让有局限的 AI 稳定工作，可能才是真正的 AI 协作能力

引言

在前段时间完成一个企业系统集成项目之后，我开始自己探索 AI 在工作流自动化方面的应用。起因很简单：我注意到企业级工作流平台正在被越来越多地引入到实际的业务场景当中，于是就想在项目之外，自己动手用它的 AI 搭建一些流程，看看它实际能做到什么。

在这个过程当中，我有了一些观察，它们触发了我对一个更大问题的思考：在 AI 逐渐渗透进实际工作的今天，真正有价值的能力是什么？这篇文章就是我目前阶段的一些想法。

用自然语言驱动 AI，是一种真实的专业技能

在用这个平台的 AI 搭建项目和 workflow 的过程中，我最直接的感受是：和它沟通，其实和用 Claude 或 ChatGPT 写代码、做分析没有本质区别。你都需要用自然语言，把你想要做的事情描述清楚。

这件事听起来简单，但实际上相当考验人。你的描述是否准确，直接决定了 AI 给出的结果质量。而”描述准确”这件事，依赖的不是表达能力，而是两件更底层的东西：

第一，你对业务的熟悉程度。 你得知道你在做什么，才能说清楚你要 AI 做什么。在之前已经完成过一个系统集成项目的基础上，再去用这个平台搭流程，明显顺手很多。不是因为 AI 变强了，而是我对这套业务逻辑已经有了基本的理解，知道哪些节点重要，哪些地方容易出问题。

第二，你对所用 AI 模型特性的了解。 不同的 AI 模型，推理能力、上下文处理长度、工作风格都不一样。知道它擅长什么、在哪里容易出错，才能更有针对性地设计 prompt，也才能更快判断它给出的结果是否可信。

这两点加在一起，构成了一种我觉得在未来会越来越重要的能力：不是”会用 AI”，而是”能用自然语言精确地驱动 AI 完成有意义的工作”。

当然，有人可能会说，现在有各种 AI 插件和工具链，可以对 AI 的输出进行约束和规范，从而提高整体的工作效率。这没错。但问题在于，在很多实际的工作环境里，你未必能用这些插件。而当这些辅助工具都不可用的时候，驱动 AI 完成有意义工作的能力，就完全落回到人身上了。

真正的管理，不依赖”梦之队”

这个观察触发了我一段时间以来一直没有机会系统化的想法，来自更早之前带团队的经历。

那时我需要带领能力参差不齐的人一起完成项目。慢慢地，我意识到一件事：管理真正发挥价值的地方，不是带着一帮高手把一个高难度的事情搞定，而是带着一批能力各异、甚至参差不齐的人，还能保持交付的一致性，让每个人都能在自己的能力范围内稳定地贡献价值，不出大偏差，对每个人来说也不产生很大压力。

用一个很接地气的例子来说：Tim Hortons 的运作逻辑不依赖于某个特别优秀的员工，而是依赖于一套完整的、任何人按照流程操作都不会出大错的 SOP。新人来了，照着步骤走，出品的质量不会有太大的波动。这才是管理真正创造的价值，降低对个体能力的依赖，通过流程和标准化来保证系统层面的稳定输出。

在受约束的环境里，你永远用不了最好的 AI

把这个管理逻辑放到 AI 的语境里，有一个现实问题必须先说清楚：在很多实际的工作场景当中，你根本用不了最强的 AI。

这不是选择问题，而是约束问题。很多组织，尤其是对数据安全有严格要求的领域，不可能把内部数据喂给公开的通用模型。他们只能使用私有部署的模型，或者经过行业监管认证的特定工具。这些模型的能力，往往远不如我们平时用的 Claude 或 ChatGPT。

我在用 Jira 的过程中就有这个感受。Jira 内嵌的 AI 工具 Rovo 和直接用 Claude 相比，能力差距是相当明显的。但在实际的项目环境里，你不能随意把 Jira 里的数据丢给外部 AI 处理，你只能用 Rovo。

所以”用最强的 AI”，并不是实际工作中真实存在的命题。真实的命题是：在你能用的那个 AI 的边界和限制之内，怎么让它最大程度地发挥价值。

AI Agent 管理能力：一种值得认真对待的新技能

把上面两个思路放在一起，我觉得可以得出一个还算清晰的框架。

在 AI 时代，不同的 AI agent 就像能力各异的员工。有的擅长推理，有的擅长生成，有的上下文很长，有的工作风格很保守。它们都有各自的长处，也都有各自的局限。作为使用者，对它们的了解程度，直接影响你能从它们身上得到什么。

而在实际工作环境里，这种”了解”还有另一层含义：你不是在选你最喜欢的 AI，你是在用你被允许使用的 AI，并且要想办法让它在限定的范围内交付出稳定、可预期的结果。这和管理一支能力参差不齐的团队，逻辑上是同构的。

所以我目前的想法是：将来真正有价值的 AI 使用能力，可能更接近于一种”AI agent 管理能力”，包括：熟悉你手头每个 AI agent 的能力边界，针对它的局限设计 prompt 和工作流，并且在这个约束下实现稳定的交付一致性。这不是 AI 专家才需要的能力，而是任何想在实际工作中认真用好 AI 的人，都需要慢慢建立的东西。

结语

回到我自己的经历：探索这个工作流平台的 AI，也在计划完成相关课程、考取认证。这些动作本身，其实就是在建立上面说的那种能力，熟悉一个新的 AI agent，理解它的边界，然后想办法在这个边界里做出有价值的事情。

不是为了成为 AI 专家，而是为了建立一种让有局限的工具稳定工作、并在约束中维持交付一致性的能力。衡量一个人真正的 AI 协作能力，可能不是他用最强的工具做出了什么，而是在约束条件下，他仍然能够保持服务与交付的一致性。