以后人只做四件事，定义问题、做判断、定标准、高风险决策。剩下的事情交给AI去做，这是我今天学到的。
01 定义问题：你要解决什么
所谓定义问题，就是我们要做什么，问题即需求。
比如你要做个产品，你要写篇内容。那你是要解决什么问题？你的选题切入点、你的目标人群等等，这些需要你自己确定。
02 做判断：最终得你自己拍板
做判断，判断这个要不要写，这个要不要做，先做哪个再做哪个，什么时候做，这些最终需要你自己拍板，AI只能给你建议，只能帮你做分析。
03 定标准：让 AI 有章可循
定标准、验收标准、产品边界、内容边界、什么做什么不做、什么说什么不说、用什么方式说、工作流的边界、用什么做、标准是什么。这些东西也要定出来，让AI去参考、去执行。
以前我们都是靠经验、靠感觉去做，其实并没有那么规范、那么好的标准去履行。哪怕有标准，其实我们执行的力度并不大。
这也是我在以前工作中的一个体会，因为人总想偷点懒，总想走点捷径，总觉得反正自己知道，就随便搞一搞。一开始可能会遵守很多规则，但时间一长就懒散了。
04 高风险决策：流量怎么投，人来决定
高风险决策，这个和判断是类似的，决策肯定是人来做，肯定是人来判断。比如做免费流量还是付费流量？要不要投放？投放多少钱？
05 剩下的交给 AI，但"做得好"不等于"做得很好"
其他事情交给AI，怎么交给AI？怎么让AI做？怎么做得更好？这就是需要去尝试的、去验证的。它不是一个简单对话框就能解决的。
做得好、做得很好，是完全不同的概念。
就像是写文章，所有人都可以写，打开一个写作平台，我们都可以写写文字，但每个人写的内容不一样，深度不一样，方向不一样，最终结果也不一样。
有人擅长写自媒体文章，写情绪的、写情感的。有人擅长写技术的、写深度的。有人擅长写测评的。有人擅长写新闻。有人擅长写小说。有人擅长出镜做视频、剪视频或者是直播。
但不同的人去做，效果会有很大的差别。
AI也是这样，都是AI，每个人用的AI不一样，每个人用AI的效果，对AI的掌控力不一样，投入度不一样，最终的结果也就不一样。
有的人只能做一些玩具，有的人能做一些生产级的产品应用。
06 修炼和 AI 协作的能力，最好的学习是输出
现在一定要去修炼和AI的协作能力、控制能力。就像以前，你想赚钱，互联网行业、计算机行业，或者懂计算机、懂互联网、懂自媒体、懂流量，就能赚钱。你要去研究这些东西。
以后你想赚钱，就要去研究AI，就要去结合AI做其他事情。当然，通用的商业逻辑还是要遵循，比如需求、人性等等，这个是通用的，AI只是技术层面的东西，它无法直接赚钱。
最好的学习方式就是输出，这里的输出不只是内容，还可以输出产品、输出结果。
学习AI也是，不要去看各种资料，直接去用，用AI去做各种东西，用AI去写文章也好，去做工具、做小程序、做网站、做APP，做短视频、做一个自媒体账号，都可以。
在这过程中，你才能够真切地体会到，AI在什么地方可以用，在什么地方有些瓶颈，目前AI能力能够达到什么样的一个程度，哪些还有一些缺陷，哪些还有不足。
就不只是停留在一些自媒体博主的测评里面了，而是你有了自己的判断能力。判断能力的基础是来自于真实的数据源，而你自己的实践是一手的，很重要。
小路每日读书写作 2026.07.17【day1045】