AI时代最稀缺的能力：指挥AI而非使用AI
今天在开发 data agent 的过程中，有同事提出了一个很现实的问题：面对 900 个指标，已经有些力不从心了。 这句话让我深有同感。 过去我们常说，一个人能力强，是因为他能处理很多事情。但现在越来越明显：真正难的已经不是单点处理事务，而是在复杂系统里，懂得如何拆解问题、如何调度 AI、如何验证结果、如何持续优化。 换句话说，AI 时代最重要的能力，可能不是“会不会用 AI”，而是“能不能明智地指挥 AI”。 一、900 个指标背后，不只是数据问题 900 个指标摆在面前，表面看是数据治理问题，实际上是复杂度管理问题。 指标多到一定程度，人会自然进入失控状态：不清楚哪些指标真正关键；不知道指标之间是否存在重复、冲突、派生关系；不清楚异常应该先看哪一层；更不知道 AI 分析出来的结果，到底能不能采纳。 这时，如果只是继续靠人工梳理，很容易陷入低水平勤奋：开会、对表、补文档、拉群确认，看起来很忙，但系统并没有变得更清晰。 我当时给同事的建议是：先让 AI 介入。 不是让 AI 直接给答案，而是让 AI 帮你做几件具体的事：对指标做分层、聚类和去重；找出核心指标、过程指标、结果指标之间的关联；设计 benchmark testing 的样本、维度和判定标准；对异常案例做归因分析；输出一版实践方案，再由人来评审。 这里的关键不在于 AI 一次能不能做对，而在于人能不能把一个混沌问题，改写成 AI 可以连续执行、连续校验的任务链。 二、AI 不会自动带来秩序，人要先有秩序感 很多人对 AI 有一个误解：觉得只要把问题丢给 AI，它就能自动把事情做好。 但真实情况往往相反。 问题越复杂，AI 越依赖人的输入质量。你问得模糊，它就答得漂亮但飘；你目标不清，它就会帮你绕远路；你没有验收标准，它就可能生成一堆看似完整、实际不可落地的内容。 所以 AI 时代，人的基础能力反而更重要。 这个基础能力包括业务抽象能力、技术理解能力、验证能力和系统重构能力。 你要知道 900 个指标背后，到底服务哪个业务目标；你要知道数据从哪里来，口径怎么形成，链路哪里可能出错；你要会设计 benchmark testing，会判断稳定性，会知道什么时候该换模型，什么时候该回到传统工程方案。 这些能力，本质上都不是“提示词技巧”，而是人的底座。 三、技术底座正在重新变贵 最近阿里的一些人事变化，也释放了类似信号。 公开报道里，阿里集团 CTO 吴泽明进入合伙人委员会后，合伙人委员会五人中，有多位被外界视为技术背景较强的管理者。钉钉也在 2026 年 6 月完成换帅，由 1992 年出生、技术创业背景很强的陈宇森接任 CEO。 单个公司的人事调整，当然不能简单外推成行业规律。 但它至少说明一件事：在 AI 时代，大公司也越来越需要真正懂技术、懂产品、懂组织协同的人站到更核心的位置。 因为 AI 不是一个单独的工具，而是会深入业务流程、产品形态、组织结构和成本模型的底层变量。 真正有价值的，是能把 AI 放进生产系统的人。 他既知道业务要什么，也知道技术能做什么；既能大胆使用 AI，也能冷静判断边界；既能追求效率，也能守住稳定性和长期可维护性。 四、以后拼的不是谁用 AI 多，而是谁指挥得好 我越来越觉得，未来很多岗位都会被重新定义。 以前一个人强，是因为他自己执行快。 以后一个人强，是因为他能带着 AI 组成一个小型作战系统：会拆任务，会分角色，会设标准，会做验证，会复盘沉淀。 比如面对 900 个指标，一个普通用法是问 AI：“帮我分析这些指标。” 更好的用法是：先让 AI 做指标分类；再识别重复指标、弱口径指标、无人使用指标和高风险指标；再生成 benchmark testing 方案；再输出治理优先级；最后由人评审关键结论，把评审结果反向喂给 AI，形成下一轮迭代。 这才叫指挥 AI。 不是把问题外包给 AI，而是把 AI 纳入自己的思考链路和执行系统。 五、普通人该怎么建立自己的底座 我的判断是，接下来真正应该补的不是某一个工具，而是三类底座。 第一，补业务底座。 多问几个朴素问题：这个指标服务什么决策？这个需求解决什么问题？这个功能上线后谁受益？如果没有它，业务会损失什么？ 第二，补技术底座。 至少要理解数据链路、系统边界、接口约束、测试方法、成本结构和稳定性要求。不会写所有代码没关系，但不能完全不懂工程现实。 第三，补认知底座。 要有系统思维，知道复杂问题不能靠单点动作解决；要有风险意识，知道效率提升不等于质量提升；要有复盘能力，知道每一次 AI 实践都应该沉淀成方法论。 AI 会降低很多执行门槛，但它不会自动补齐人的判断力。 恰恰相反，当执行越来越便宜，判断会越来越贵。 结尾 今天这件事给我的提醒是：AI 时代，最难的不是处理事务本身，而是成为一个更好的“指挥者”。 你要能看懂战场，拆开问题，调度工具，验证结果，建立闭环。 AI 越强，人的底座越不能弱。 未来真正有竞争力的人，不一定是最会写提示词的人，而是能把业务、技术、认知和 AI 组织在一起，把复杂问题一步步变清楚的人。 不要只学会使用 AI。 要努力成为那个能指挥 AI、驾驭复杂度、并对结果负责的人。 参考