收益：
- 可以列出人工智能较强的任务类型
- 认识到人工智能在结构上薄弱的领域
- 可以决定是否适合将工作外包给人工智能
有效使用生成式人工智能的秘诀在于，不要将其视为“无所不知的魔盒”，而是将其视为在某些任务上非常强大而在某些任务上结构上较弱的助手。将错误的工作分配给错误的工具会浪费时间并带来危险的后果。在本单元中，我们将通过具体示例概述人工智能的优点和缺点，以便您在将工作外包给人工智能之前做出正确的决定。关键的一句话是：AI的弱点不是随机的；它直接源于它的工作原理。请记住第二个单元——模型进行概率预测，而不是现实检查。
人工智能强的工作
Language models shine on language-related tasks that have "no one clear cut answer":
- 转换文本：总结长报告、简化正式文本、将电子邮件更改为更温和的语气。
- Producing drafts: First draft email, blog post, job posting, presentation plan. It solves the "blank page" problem.
- Idea generation: 20 slogans for a campaign, possible solution titles for a problem, agenda suggestions for a meeting.
- Reorganizing and formatting: Turning scattered notes into bullet points, turning a text into a table.
- Language work: Translation, grammar correction, tone adjustment.
- 解释和教学：通过简化和举例来解释复杂的概念。
提示：人工智能最安全、最强大的用途是执行您所执行的任务：“总结文本”、“编辑这些注释”。这里的模型并不适合信息，它只是改变你所提供的信息。这是风险最低、效益最高的地区。
人工智能薄弱的工作
- 精确的计算和数学：复杂的算术可能会出错； Because it doesn't calculate, it guesses. （有些工具通过计算器附加组件来弥补这一点，但这就是基本模型的本质。）
- 当前和实时信息：模型的信息是训练时的最新信息。今天的汇率、昨天的新闻或贵公司的内部数据本身并不可靠。
- 需要确定性的事实：可以伪造（幻觉）可验证的信息，例如日期、名称、编号、来源、引用。
- 真实的判断和判断：无法对道德、法律或战略决策拥有最终决定权； People carry the context and responsibility.
- 物质世界：体力劳动和实地观察已经超出了它的范围。
注意：人工智能最危险的一点是，即使在它不擅长的科目上，它也会自信地回答，就好像它很强大一样。能够流畅地编造故事，而不是说“我不知道”。因此，有必要对薄弱环节的输出进行验证。
Decision Guide: Should I Give This Job to AI?
问题
如果“是”
如果“否”
Is the work mostly language/text work?
人工智能可能适合
小心点
Is there more than one acceptable answer?
人工智能很强大
Risky if precision is required
Am I providing the source/data?
安全
The risk of fabrication increases
Will a human control the output?
安全的
无人监督的使用
这个错误的代价是否高昂（金钱、健康、法律）？
需要额外验证
可以舒适地使用
三个迷你箱
Case 1 — Contract summary (strong use).一位经理让人工智能总结了一份 42 页的服务协议；他收到了一份清晰的8项清单，他的阅读时间从40分钟减少到6分钟。但是“我们应该签这份合同吗？”他将决定权留给了他的法律团队。正确的边界：人工智能准备摘要，人类做出决定。
案例 2 — 虚构帐户（使用不当）。有员工问道：“12款产品每款37.50里拉，加18%增值税总共多少钱？”他询问并将结果数字直接输入报价中。号码错误；该模型不是计算，而是预测。结果：向客户提供了错误的价格。教训：使用电子表格来提高数值精度，而不是人工智能。
案例 3 — 过时的信息。助理向AI询问申请政府补助金的截止日期；该模型很旧并且给出了错误的日期。由于该员工没有在机构官方网站上证实这一点，因此他在会议上分享了不正确的信息。经验教训：当前/官方信息始终经过主要来源的验证。
弱提示/强提示
弱提示：给出 2024 年通胀数据及其来源。
结论：该模型可以拟合最新且可验证的数值数据——高风险。
强力提示：根据我在下面粘贴的官方报告，仅使用本文中的数据创建摘要。请勿添加文本中没有的任何数字。<report>[在此处粘贴官方文本]</report>
结果：由于您提供了来源，因此大大降低了制造风险。
可复制模板
考虑一下我是否应该给AI分配以下任务：任务：[写任务]回答这些问题：（1）语言任务？ (2)真理只有一个吗？ (3) 我是否提供了来源？ (4) 错误的成本高吗？最后决定“适合/谨慎/不适合AI”。
概括本文。规则：- 仅使用文本中的信息，不要添加任何外部内容。- 如果您不确定某些内容，请写“文本中未指定”。文本：[粘贴到此处]
Generate (brainstorm) 10 ideas on this topic.重要的是多样性，而不是准确性。主题：[主题]。在短标题下列出想法。
在下面的草稿中，标记所有需要验证的点（数字、日期、名称、来源），然后将出现“待验证”列表。草稿：[粘贴到此处]
常见错误
常见错误
- Using AI for calculation and exact number. Arithmetic and financial precision are AI's weak area; Use a spreadsheet or official source.
- Receiving current information without verification. The model's information is old; Confirm current data such as date, price, legislation from the primary source.
- Delegating the decision to AI. AI generates options and drafts; The responsibility for decisions such as recruitment, signing and investment lies with people.
- Trusting when you see the "sure" tone in the weak area. The confident language of the model is not evidence of accuracy.
Correct Mindset: Partner, Not Authority
The healthiest approach is to view AI as a smart but inexperienced intern. He works fast, knows a lot, does not get tired; But important work should not be undertaken without being checked, because even if it seems sure, it can be mistaken.当您将他/她定位为加速您业务发展的“合作伙伴”而不是“权威”时，您将获得效率并免受风险。
综上所述
- 人工智能；擅长总结、起草、提出想法、翻译和重新格式化等语言任务。
- 人工智能;它在需要精确计算、最新信息、可验证事实和最终判断的任务上本质上很弱。
- 最大的风险是，即使在他不擅长的科目上，他也显得很自信。
- 在分配工作之前，问一下：这是一项语言工作吗？是否只有一种正确的方法？我是否提供了来源，人们会检查它吗？错误的成本高吗？
- 将人工智能定位为受监管的合作伙伴，而不是权威。
应用任务
Choose 3 of your jobs this week.对于上述每一个“我应该把它交给人工智能吗？”应用模板并分类为“适当/小心/不适合”。使用人工智能尝试至少一项“合适”的任务，并亲自验证输出。
清单
- [ ] 我能想到至少有 4 种 AI 较强的任务。
- [ ] 我知道人工智能在结构上薄弱的领域。
- [ ] 我可以在委派任务之前遵循决策指南。
- [ ] 我知道不要依赖人工智能来进行准确的计算和最新的信息。
- [ ] I position AI as a “controlled partner.”