AI时代，每个专业都需要新的基础素养
图解导读：先把"AI素养"看成一个行动闭环
这一章不想把AI素养讲成一组抽象名词。更实用的理解是：每一次使用AI，你都在经历一个闭环——先定义任务，再组织信息，然后判断结果，最后承担责任。AI可以参与其中很多环节，但方向盘始终在人手里。
换到不同专业，这个闭环的外观会变：法学学生核查判例，商科学生分析年报，历史学学生比对史料，设计学学生筛选方案，工程学学生调试代码。但真正决定质量的，不是"用了哪个AI"，而是你能不能把专业判断放回流程中央。
情境案例
2024年秋天，一位法学院的大三学生用ChatGPT帮自己检索了一批劳动争议的相关案例，写进了课程论文里。论文读起来条理清晰，论证严密，老师给了高分。三周后，对方律师在模拟法庭上逐条反驳了她引用的判例，其中有两个案例根本不存在，是AI凭空捏造的。
同一年冬天，一位商学院的同学用Claude完成了一份竞品分析报告。导师翻了两页就放下了，评价只有四个字：正确的废话。每一句话都没有事实错误，但也没有任何一句话是你自己的洞察。
这两个场景指向同一个问题：我们学会了使用AI，但我们真的学会了和AI一起工作吗？
AI不只是聊天工具，而是新的学习与工作基础设施
2025年到2026年之间，AI领域发生了三件改变格局的事：
第一，AI学会了使用工具。 主流AI系统已经能够读取文件、浏览网页、操作表格、执行代码、调用外部服务。AI不再只是"说话"的系统，它变成了能"做事"的系统。中国互联网络信息中心在《生成式人工智能应用发展报告（2024）》中也把智能体视为连接用户与各类服务的新桥梁[1]。
第二，AI变得无处不在。 微软把Copilot嵌入了Office全家桶，Adobe把AI嵌入了创意工具，Notion、飞书、钉钉等知识管理工具全部接入了AI能力。AI正在从一个"你去找它"的独立产品，变成一个"它在你身边"的基础设施。CNNIC报告显示，截至2024年7月，我国完成备案并上线、能为公众提供服务的生成式人工智能服务大模型已达190多个；国家网信办也持续公开发布生成式人工智能服务备案信息[1:1][2]。
第三，AI开始拥有记忆和上下文。 现在的AI系统可以记住之前的对话、你的偏好、你正在做的项目，从一个临时的问答机器进化成了持续陪伴的工作伙伴。
把这三件事放在一起看，AI正在从一个"工具"变成一种"环境"。这个变化的速度之快令人措手不及 -- 2022年底ChatGPT刚发布时，大多数人还在用它写笑话和情诗；两年后，它已经在帮医生分析影像、帮律师审查合同、帮工程师调试代码。
注意
但在每一个应用场景中，人的角色都没有消失。你不再需要从零开始做所有事情，但你需要具备一种新的能力：在AI生成的海量信息中判断什么是可靠的，什么需要修正，什么应该丢弃。这就是AI素养。
清醒使用者：不是熟练，而是清醒
你不需要成为AI工程师，但你必须成为一个清醒的使用者。
这个词的灵感来自日常生活中的一个类比：酒可以让人放松、助兴，但我们从不鼓励"喝得越多越好"。我们鼓励的是清醒地喝 -- 知道自己在喝什么、喝了多少、什么时候该停。AI也是如此。"用得多"不等于"用得好"。真正有价值的能力不是对AI工具的操作熟练度，而是在使用过程中保持清醒。
定义：清醒使用者
清醒的AI使用者，是指能够在使用AI的过程中持续保持目标意识、质量判断、边界认知和责任担当的人。他不追求对AI工具的全面精通，而追求对AI能力和局限的准确认知，以及对自身学科专业标准的坚守。
- 目标意识：你在使用AI之前就应该清楚自己到底要什么。目标不清晰，AI只会给你"正确的废话"
- 质量判断：你有能力识别AI输出中什么是高质量的、什么是错误的。这需要你自己在学科领域有足够的积累
- 边界认知：你知道AI能做什么、不能做什么、不应该做什么。过度信任和过度恐惧一样有害
- 责任担当：不管AI帮了你多少忙，最终的作品、决策和后果都由你来承担
CNNIC报告显示，截至2024年6月，我国生成式人工智能产品用户规模已达2.3亿人，占整体人口的16.4%[1:2]。国家层面的《新一代人工智能发展规划》也早已把"人机协同"列为人工智能发展的重要特征[3]。这种快速普及与能力跃迁带来的矛盾在于 -- 大多数人还没有建立起"清醒使用"的框架。
AI素养的四大支柱
| 支柱 | 核心问题 |
|---|---|
| 定义任务 | 你能把模糊的想法转化为清晰的、可执行的任务描述吗？ |
| 组织信息 | 你能按照AI能理解的方式来准备和组织输入材料吗？ |
| 判断结果 | 你能识别AI输出中的错误、遗漏、偏见和过度简化吗？ |
| 承担责任 | 你愿意为最终采纳的每一个AI输出结果负责吗？ |
这四根支柱构成一个闭环：定义任务 -> 组织信息 -> 判断结果 -> 承担责任。这个循环在你每一次使用AI的过程中都会发生。
注意这四根支柱的排列顺序不是随意的。"定义任务"排在第一位，因为这是整个流程的起点，也是大多数人最容易跳过的步骤。很多人打开ChatGPT的第一反应是"让我想想怎么写Prompt"，而正确的第一反应应该是"让我想想我到底要解决什么问题"。
辨析：AI素养、数字素养与信息素养
三个概念经常被混淆，但侧重点不同。信息素养关注查找、评估和使用信息的能力，核心问题是"这条信息可信吗"。数字素养关注使用数字工具和理解数字环境的能力，核心问题是"这个工具怎么用"。AI素养在两者基础上增加了一个独特维度：与生成式系统协作时的判断力和责任意识，核心问题是"AI生成的这个结果，我该如何判断、使用和负责"。简单来说：信息素养让你成为好的信息消费者，数字素养让你成为好的工具使用者，AI素养让你成为好的人机协作者。
跨学科视角
AI素养不是计算机科学的专属。语言学家需要它来判断机器翻译的质量，历史学家需要它来识别AI"编造"的史料，设计师需要它来在大量AI方案中筛选最优解，法学生需要它来核实AI给出的判例是否真实存在。你的专业背景不同，但底层的素养框架是相同的。
AI时代人的价值
AI确实在快速接管一些"可以被清晰定义规则和步骤"的工作。但另一类工作，AI做不了。真正的问题不是"谁更强"，而是"如何配合"：
| AI擅长的工作 | 人类不可替代的能力 | 协作方式 |
|---|---|---|
| 信息检索与筛选 | 判断信息的可靠性与相关性 | AI初筛，人终审 |
| 文本生成与格式转换 | 提出原创观点与核心论证 | AI起草，人立论 |
| 数据整理与模式识别 | 解读数据背后的因果关系 | AI整理，人解读 |
| 多语言翻译与转写 | 理解文化语境与弦外之音 | AI直译，人润色 |
| 方案罗列与选项对比 | 在不确定性中做出判断与取舍 | AI列选项，人做决策 |
| 按照模板生成标准化内容 | 打破模板、创造新的范式 | AI执行，人创新 |
| 高速重复执行确定性任务 | 承担责任、面对后果、做出修正 | AI加速，人负责 |
《新一代人工智能发展规划》提出，人工智能将与经济社会各领域深度融合，形成数据驱动、人机协同、跨界融合的智能经济形态[3:1]。过去只有医生才能看的检查报告，现在AI可以做初步分析；过去只有律师才能做的合同审查，现在AI可以标记风险条款。这意味着专家的价值不再仅仅在于掌握信息，而在于在信息充分时做出判断。
你的大学四年，与其把时间花在训练那些AI已经做得比你好的技能上，不如把更多精力投入到培养AI做不了的能力上：问出好问题，做出好判断，把碎片整合成有意义的整体，并且为你的每一个决定负责。
以下哪项最能概括'AI素养'的核心含义？
AI素养四大支柱中，排在第一位的是哪一项？为什么？
回忆一次你使用AI的经历。你当时是否在使用前就明确了自己的目标？使用后是否验证过AI的输出？如果再来一次，你会怎样做得更好？
在你的专业领域中，哪些能力属于'AI擅长的'，哪些属于'人类不可替代的'？试着列出各三项，并思考你目前的学习重心是否需要调整。
参考文献
中国互联网络信息中心. (2024).《生成式人工智能应用发展报告（2024）》. https://www.cnnic.cn/n4/2024/1216/c88-11196.html ↩︎ ↩︎ ↩︎
国家互联网信息办公室. (2024). 国家互联网信息办公室关于发布生成式人工智能服务已备案信息的公告. https://www.cac.gov.cn/2024-04/02/c_1713729983803145.htm ↩︎
国务院. (2017).《新一代人工智能发展规划》（国发〔2017〕35号）. https://www.gov.cn/zhengce/zhengceku/2017-07/20/content_5211996.htm ↩︎ ↩︎