短短几年间，人工智能已从一个专业话题变成人人都有看法的事物。它被赞为奇迹，被斥为危险，从董事会到餐桌，处处都在争论。但在狂喜与恐惧这两个极端之间，存在着我们大多数人如今面对的现实：一项强大到足以重塑工作方式的技术，却仍然深深依赖人的判断。

太多时候，头条聚焦于极端情况，但实际问题要务实得多。我们该如何管理这项技术？我们和我们的团队该如何与它高效协作？我们该如何在不损害自身价值观或目标的前提下获取它的益处？要找到有用的答案，我们必须首先理解我们身处何处、什么真正发生了改变，以及什么没有改变。

毕竟，人工智能并不是什么新鲜事物。至少从1956年起，它就一直伴随着我们。当时，一小群计算机科学家聚集在达特茅斯学院，探讨一个看似简单的问题：“机器能思考吗？”自那以后，这项技术经历了数十年的进步与挫折，也就是所谓的人工智能之夏与人工智能之冬。

人工智能并非在21世纪20年代才突然出现在世界上。但强大的通用型人工智能系统以早先的突破从未有过的方式，将这项技术推向了主流视野。

反应出现两极分化是很自然的；快速变化常常让人们不确定接下来会发生什么。如今的系统很强大，也带来了新的挑战，我们将在本书中认真对待这些挑战。但它们并不像有时被描述的那样陌生或难以驾驭。我们早已从早几代人工智能以及从航空、汽车到发电厂等其他复杂技术中，积累了数十年的经验和框架，所有这些都可以为当下所用。

理解人工智能与工作当下这一时刻中哪些方面相同、哪些方面不同，以及我们如何能够在已有认知的基础上继续推进，至关重要。如果你刚接触人工智能，我会为你提供一张核心概念地图，助你自信探索。如果你已经有所了解，我会重新界定这一挑战，将讨论引向领导力与协作，而非仅仅聚焦于技术精通。

毕竟，我们选择如何与人工智能协作，以及在这一过程中我们将成为什么样的人，仍然由我们自己决定。当今的人工智能有何不同？

多种因素共同推动当今的人工智能从数据科学实验室走向日常商业对话的中心。这项技术不仅变得更加强大，也变得更加难以忽视。

几十年来，人工智能一直在幕后使用，嵌入到预测客户流失或标记欺诈等模型中。这些系统是专家，通常只针对一项狭窄的任务进行训练，并局限于此。如今的人工智能模型是通才。这些“基础模型”是在海量数据上训练出来的庞大神经网络，能够适应不同的场景。同一个帮助开发者编写代码的模型，也可以用来帮助营销人员撰写文案，或帮助人力资源负责人编写职位描述。

正是这种多功能性，让人工智能从后台办公室走出来，进入知识工作的几乎每一个角落。

人工智能如今能像我们一样说话，这可以说是第二个转变。我们不再需要编写代码或点击死板的菜单来与人工智能互动。我们只需使用日常语言，就能得到文笔优美、类似人类的回复，这使得这项技术广泛普及。这些系统还能生成新内容，包括文本、图像等——这就是为什么这一波浪潮常被称为“生成式人工智能”。但这种易用性带来了一种新的商业责任。我们现在必须学会何时信任人工智能的输出，何时对其提出质疑或加以塑造。

AI迈出的下一步，第三个变化，或许也是最深刻的变化，是能动性。AI不再只是分析或预测。现在它能采取行动。“代理型AI”可以规划实现目标的步骤，调用合适的工具，检查自己的工作，并在此基础上继续推进。单个AI代理可以起草电子邮件、创建工单、安排配送并记录交易，全程无需人工点击“发送”。这能带来巨大的生产力潜力，但也提出了新的问题。我们应该给AI多少自主权？当决策分散在人类和机器之间时，问责制又该如何体现？

Put these shifts together, and it makes for potentially confusing implications for how work gets done. If AI can “reason” through tasks and carry out steps without a human at every turn (and if its outputs look and sound like a colleague’s message rather than robotic communication) the line can start to blur between using AI as a tool and AI being part of the team. But just like previous waves of AI, generative AI (which creates new content like text, images, or code) and agentic AI (which can take actions independently to complete multistep tasks) are good at some things and bad at others.一个 AI 代理可以起草一份精密的legal memo? Wait need Chinese. Let's produce.一个 AI 代理可以起草一份精密的legal memo。但它也可能自信地误读合同中的赔偿条款。它可以写出能运行的代码，却会在一个初级工程师能捕捉到的小小未言明要求上栽跟头。哈佛大学的法布里齐奥·德尔阿夸（及其同事）将此描述为 AI 的“锯齿状技术前沿”。

AI 能以其完成某些任务的能力让我们惊叹，也同样能因其在另一些任务上缺乏常识而让我们瞠目结舌。我们现在的任务是学会判断：何时该依赖 AI，何时该监督它，何时该以人类独有的判断力介入。但要做好这一点，我们需要更清晰地描绘这项技术的实际能力与局限。