开场白不搞铺垫直接说事。前几天参加了一场线下技术聚会主题是“AI在日常工作里的真实落地”。其中一个演示环节台上的开发者用一套AI工作流现场处理一份模拟项目X的运营数据——从一堆乱七八糟的Excel报名表里提取信息、清洗格式、跟用户表匹配、生成统计报表、再输出一份带图表的汇总PPT整个过程不到三分钟。要放在以前这类活我大概要安排一个人蹲三天一天导数据一天写公式做透视表一天做PPT对数字。那阵子全场安静了几秒然后就是掌声。但说实话我坐下面鼓完掌之后心里一直是凉的。因为只有长期干过这种活的人才知道那三分钟意味着什么。这篇内容就是聊聊那场聚会带给我的震荡以及震荡之后我做的事。适合正在跟表格、跟重复性数据打交道的人也适合做开发但还没真正把AI接进自己工作流的人。我不会给结论说“AI要取代我们”这种空话而是把现场拆开、把技术拆开、把“三天”这个时间拆开最后说说我现在怎么重新安排自己的工作方式。1. 现场实况十分钟演示戳穿了三年来的“舒适区”1.1 那台笔记本上到底发生了什么演示的场景不算复杂但足够真实。某公司一个线下活动的报名渠道有好几个有问卷链接填的、有现场二维码扫的、还有表格文档手填的最后统一汇成一份一千多行的Excel里面既有多余表头、也有合并单元格、还有各种日期格式和手机号格式混在一起。过去我们处理这种数据流程基本是固定的先把Excel打开看结构然后写几个Excel公式拆列、清洗中间还得手工处理那些空格、换行符、全角半角混用的问题再用vlookup或者写个小脚本去匹配用户信息最后做透视表统计、调格式、截图贴进PPT。整个流程对熟练的人来说也能跑通但极其消耗精力因为真正的“技术含量”大概只有20%剩下80%都是耐心活。演示者做了几步把原始Excel上传到AI工作台用文字描述“把这批报名记录清洗成标准格式按状态字段过滤掉无效报名跟用户资料表匹配补齐渠道来源和城市然后按城市、渠道两个维度统计转化率并生成一份带结论摘要的分析报告”。AI自动拆解成若干子任务逐个执行。中间有一轮让人印象深刻的交互AI读出来“发现有37行手机号位数异常已标注待确认”的时候演示者追加了一句“自动按最后四位补全规则处理并在结果里留下标记列”。然后AI继续跑完输出了一份带图表的汇总PPT。现场花了大概十分钟拆解这个Demo但AI实际执行的时间只有三分钟不到。1.2 这不是“自动化脚本”这是“听懂人话的实习生”我们以前也会写自动化脚本来干这种事Python配Pandas从读取、清洗到统计、导出几个小时能把流程固化下来。但问题是写脚本本身需要时间遇到新格式就得改代码遇到没见过的字段又得加规则。很多人不是不会写是不想为一次性的活投入开发成本最后又回到手工复制粘贴。这次演示的差异在于交互方式变了。你不需要提前知道“数据里有哪些坑”因为AI会在执行过程中自己发现然后报给你确认或者按照你给的原则顺手处理掉。它像一个听懂需求、能独立操作工具、还会问你问题的高级实习生而不是一台只能按指令运行的机器。这个“用自然语言指挥AI干活”的能力背后是大模型加上了工具使用能力。大模型负责理解意图和拆解任务工具集负责真实执行。这跟以前单纯让AI“生成一段代码给你”不一样现在是AI自己调用运行环境、自己跑代码、自己读取结果、自己修正错误人类在中间做决策和验收。1.3 为什么见惯了技术Demo这次还是被击中技术聚会上的演示我见过不少大多数都是“我有好的想法给你们看看”观众看完感叹一下“挺酷的”就完了。但这次不一样它演示的不是一个炫技产品而是一个已经有沉淀的、常见的、低技术门槛的工作场景——而我也确实经常做这种场景下的活。在场好几个同行都在做数据岗位。散场后大家围在一起聊说得最多的不是“AI真厉害”而是“这个活我们组现在就是这么干的”。有一瞬间我觉得自己的工作内容被射线照了一遍每一处都清清楚楚摆在别人面前。那个演示之所以造成震荡是因为它替我把“工作本身可以被拆解”这件事揭示得太残酷了凡是你花大量时间练成的重复性技能都排在要被替代的前列。这不是技术悲观主义而是看完之后的直接反应。2. 技术拆解AI到底凭什么把三天压缩成三分钟2.1 “三天”这块时间的真实构成先说清楚“三天”到底在干嘛。很多人听到“AI三分钟做完三天工作”会觉得夸张但只要拆开时间的粒度就会发现一点都不夸张。以处理一批线下活动报名数据为例我按工时拆过一次第一天上午从三个渠道导出原始表发现格式不统一手工把字段对齐处理合并单元格、重复表头、日期格式。第一天下午发现手机号、邮箱字段有大量脏数据开始肉眼排查、删空格、补缺失。第二天上午拿清洗后的表和另一个用户归属表做匹配都是Excel vlookup但经常出现格式不一样匹配不上还得手动拆列转格式跑一次match半天。第二天下午做透视表按几个维度切统计切完发现口径不对要重来再另开一张表验证数字。第三天把统计结果贴进PPT调格式写“数据说明”和“异常提示”给领导汇报前还要自己再对一遍数字。这些环节拆出来没有一个是需要“创造力”的全都是熟练工种。但为什么还要花三天因为人在操作时每一步都受到物理限制眼睛要看格子手要复制粘贴大脑要在多个表格之间来回切换。人的短期记忆容量有限不可能同时处理一千行数据里所有的异常情况。AI不一样。它能同时读取一千行能在一瞬间跑完一百次匹配能自动把“数字对不上”的地方列成清单。它花的时间不是在“执行”上而是在“理解意图”那几秒钟上。2.2 让AI自动干活的核心链路大模型工具反馈循环现在很多AI应用能直接“干活”而不是“聊天”关键是把几个能力合在一起用任务理解大模型读取用户输入把模糊的需求拆成可执行的步骤清单。比如“清洗数据”会被拆成去除空行、统一日期、检查手机号、过滤无效状态等多个子任务。工具调用AI不只是输出文本它还能调用代码解释器执行Python调用数据处理库做分析调用文档生成器输出文件。这就是所谓的Agent能力智能体会根据目标选工具而不仅仅是“给建议”。结果读取与纠错每一步执行完AI会检查输出是否符合预期。发现异常就修正错误就重新跑这也是它敢直接给你交付文件的原因。反馈闭环演示者追加“按最后四位补全”的时候AI不重跑整个任务而是在原有流程里插入一条处理规则继续往下走。这很像真实工作里一个成熟员工在拿到补充信息后重新调整流程的样子。用生活类比来说以前的AI工具是一本功能强大的手册你查完还得自己去操作。现在的AI智能体更像一个年轻的执行助理你给它目标、资源、原则它自己拆活、干活、发现问题再回来问你。这个转变才是“三分钟”能成立的关键。2.3 重新算一笔效率账为什么能快出两个数量级很多人以为AI快是因为机器运算速度惊人。这句话只说对一半。真正的速度差来自两个地方。第一它不用“读屏”。人干数据活时绝大多数时间消耗在“看表格-判断-选择位置-执行操作”这条链路上。AI直接对着数据对象操作没有视觉寻路成本。你让一个熟练的人连续复制粘贴一小时手会酸注意力会下降AI不会它每一次操作都跟第一次一样稳定。第二它能并行。人处理数据几乎是串行的一行一行过或者一个sheet一个sheet地看。AI在批量处理任务时是并行的一条规则同时作用于所有行。拿那个演示来说校验手机号格式这一环节一千多行是一次完成的而不是一行一行扫。我曾经用Python写过类似脚本逻辑不复杂但光写规则就花了几小时还要反复调试。现在AI最大的价值是“执行代码的门槛降到了零”你不用手写Pandas脚本你说一句“把日期统一格式”代码它就帮你生成、执行、验证。那个演示最核心的不是“能做”而是“你做这件事时已经不需要有编程能力”。技术普惠到这一步才真正影响到了每一个做数据的普通职场人。3. 震荡本身被打开的是“工作可替代性”这个盒子3.1 它不是取代创意而是接管“苦力层”过去几年我看过不少关于“AI取代人类”的讨论大多集中在创意领域比如画画、写文案。坦白说作为技术工作者我对这类话题一直有距离感总觉得“AI替代的只是下游执行上游想法还得靠人”。但这次聚会演示让我意识到自己很可能一直在逃避一个更直接的事实大量岗位的核心工作根本不在“上游创意”而是在中游的整理、匹配、校验、汇总上。数据清洗、报表生成、信息匹配、文档校对、跨系统搬运信息、按时按点地盯进度——这些工作占了很多岗位一半以上的时间。它们不需要创造力但需要耐心和细心恰恰是AI最擅长的事。AI三分钟做完三天工作量这件事最刺眼的地方就在这里它不是替代了一个需要辩论的“艺术家”而是替代了无数人每天赖以完成KPI的“体力活”。我身边做运营、做项目助理、做财务、做HR的人工作日常里可能有80%都是这类活。一旦AI把这些活全部接管那么靠这些活建立起的“工作熟练度”优势瞬间就没了。3.2 为什么“看起来简单的事”反而是最危险的有一个认知误区是“我的工作很复杂不是简单录入。”但真实情况是复杂工作大多可以拆成简单任务的排列组合。开会要定时间地点的流程、立项要填的模板、周报要写的格式、数据要出的口径全都是规则化的。AI对这类任务的最大优势是它不需要“重新学习岗位说明书”只需要你告诉它一次规则它就能举一反三。更让人不安的是那些做起来觉得“很有人情味”“需要经验”的环节——比如判断字段是否重要、决定异常是删掉还是标出来——本质上也只是一些if-then决策完全可以固化成规则。在过去这些规则藏在人脑里岗位就安全。现在任何能说清楚的规则都可以快速沉淀成提示词模板或者自动化流程。也就是说岗位的安全边界不在于“你会不会做”而在于“你的活儿能不能被明确描述”。能被明确描述的就能被替代。我在那个聚会的讨论环节讲了一句自动化的可怕之处不是机器学会了什么而是它逼我们重新回答一个问题——如果所有人都知道我每天都干了什么他们还需要我去干吗这个问题没有标准答案但它值得每个还在埋头做重复劳动的人想一遍。3.3 震荡之后真正难熬的是“重新定位自己”散会后我和几个同行坐在外面的台阶上聊了很久。有个做数据分析的同学说得比较直白他说自己平时跟同事比的核心优势就是Excel技能更强数据透视表、Power Query都用得飞起AI这么一搞他引以为傲的技能贬值速度让他一时半会儿缓不过劲来。这种感受我特别理解。因为过去几年我们积累的经验很多都是建立在“工具笨、流程旧、数据脏”的前提上。我们会处理脏数据是因为数据真的脏我们会写复杂的匹配公式是因为两套表确实对不上。可AI一出来这些前提全部消失了让以前花几年练成的功夫变成了不必要的步骤。这不是“技能过时”那么简单而是我们整个人对工作的认知都需要修整。我自己的情绪也是从“兴奋”到“恐慌”最后落到“冷静”的。兴奋是因为工具确实好用恐慌是因为发现自己有一大半技能是会贬值的技术冷静是因为我意识到至少现在的AI还得有人给它定义目标、设定原则、验收结果。震荡的核心不是“AI能做我的工作”而是“如果我只做AI能做的事那我存在的价值就不再由自己定义”。4. 出路把“三天”拆到底是为了找到不可替代的那部分4.1 按这个框架给自己的工作做一次“体检”如果只停留在焦虑层面那震荡就白震了。那场聚会之后我做的第一件事是拿自己最近三个月做过的事列了一张清单按三个标签分类R类Rule-based规则型重复流程、固定格式、明确规则的任务。J类Judgment-based判断型需要业务理解、优先级判断、口径选择的任务。C类Collaboration-based协作型要跟人沟通、对齐预期、说服协调的任务。列完之后真实情况是R类占了大概55%J类占了25%C类占20%。这还只是一个粗略的划分但已经足够说明问题我之前有超过一半的工作时间是在做可以被明确描述、规则化、自动化的任务。这个动作本身很快大家今晚就能做。但做完之后要追问几个问题R类里哪些能做成标准流程J类里的判断依据能不能变成算法规则C类里哪些涉及真正的语境理解和信任构建回答完这些问题才算对自己到底哪里不可替代有了点感觉。4.2 一个“最小自动化”的落地路径如果你现在面对一堆重复任务不知道怎么下手我的建议是从“最小闭环”开始挑一个每周都要做的、比较痛的、规则清晰的活儿做成一个固定的AI处理流程。举个例子。我过去每周都要汇总各渠道的周报五花八门的格式还得统一模板再发给负责人。现在我把这个流程做成了一套东西一个固定的提示词模板、一份标准的输入格式说明、一个输出模板。每周收到大家填写的周报后我直接丢进AI工作流它会自动按模板提取信息、汇总要点、标出异常项我只做最后的检查和润色。具体怎么搭不一定要用多复杂的工具。你只需要一个支持代码解释器的AI助手加一个清晰的任务提示。提示词不用很长但要把几个元素写清楚你给AI的角色或背景目标是输入数据是怎么给的输出格式长什么样遇到异常要怎么处理。我现在的模板大概是这样的你是周报汇总助理。我会提供多个来源的周报原始文本它们格式可能不一致。 请帮我按以下模板做汇总 1. 按项目名分组 2. 每组列出本周完成、下周计划、风险点 3. 风险点如果涉及“阻塞”“延期”“人手不足”单独放到“重点提醒”部分 输出用简洁中文不要丢失具体数据。如果没有对应信息写“无”不要编造。就这么一小段提示词配合工具的文件上传我的周报汇总时间从四十分钟降到了五分钟其中三分钟还是因为我自己想顺便改改文案。关键是这个流程不需要懂代码不需要买额外的东西普通打工人就能搭。4.3 边界意识哪些东西别急着交给AI有了工具不等于所有工作都该扔给它。我在处理的时候给自己划了三条线第一条线涉及跨部门背书的对外数据AI可以算但人必须验。口径、边界、异常去向都要留有记录。AI最擅长的是给你一个“看起来都对”的结果但它不知道这个数字发出之后要承担什么责任。第二条线涉及情绪和判断的沟通场景先别自动化。给合作方写一封措辞委婉的解释邮件、跟供应商周旋一个延期的理由这些事需要语境理解也需要关系维护现阶段让AI代笔容易显得僵硬。第三条线学习性的重复任务不要全自动。比如新人刚入职时做大量重复工作本身就是熟悉业务的过程。如果直接用AI全部代劳反而是放弃了一次理解业务逻辑的机会。等你自己能干了再考虑怎么把它智能化。4.4 心态上的重构从“怕被替代”到“重新定义工作”我后来想明白一件事那场演示带给我震荡不是因为我马上要被淘汰而是我过去对“自己工作的本质”想象得过于理想化。我以为自己在做技术分析其实有大量的时间在做数据搬运和格式整理。AI只是用一个直白的方式提醒我你实际上的产出有多少是真的不可替代的所以我现在做事的方式变了。拿到一个任务不再问自己“我要怎么把它做出来”而是先问“这个任务里有多少环节是需要我来判断的有多少只是执行”。那些纯执行的环节我尽量用AI工具做掉省下的时间不再用来多接活而是用来理解业务的上下文、补足自己缺失的判断经验、跟人建立合作关系。这才是震荡之后真正的出路不是跟AI比谁更会“干活”而是比谁更能定义“该干什么”。AI是那双手我们的脑子才是决策的源头。5. 写在最后的体验那场技术聚会没有给我任何具体的工具教程但它给了我一个价值极高的副产品一连串深入自己工作方法的思考。回家之后我花了大概两个晚上把自己手头堆积的“三天类”任务一个个过了一遍在笔记本上标出哪些可以自动化、哪些可以简化、哪些需要重新跟协作方对齐。这个过程本身就很像给自己的工位做了一次大扫除扔掉了不少不该长期占着时间的东西。如果大家也想试试的话我不建议上来就搞什么全家桶。第一周只选一个任务做把它拆到能用AI跑通为止。不要被“全自动”这个目标吓到先做一条能走通的路哪怕中途还是需要你手动点几下按钮。等流程通了再慢慢把人的环节减少。区别不在工具在于你愿不愿意拿一件事开刀把“三天”磨成“三分钟”这件事认真对待。