我自己最有感的有两块：内容生产和信息搜集。
内容生产这块，以前一篇有质感的分析文章，从构思到成稿可能要大半天。现在我通常给 AI 一个选题方向和几个关键数据，10 分钟内能出可用的初稿，我再做判断和打磨。效率变化是量级的，不是倍数。
信息搜集这块更明显。以前研究一个行业或一家公司，要翻很多报告、新闻、财报。现在直接让 AI 帮我整理，10 分钟能拿到结构清晰的摘要，还能追问细节。信息获取的门槛几乎被抹平了。
这个趋势在全球都有体现。微软、甲骨文、Salesforce 等大厂这两年都在削减文字工作岗位——微软 2025 年裁员近万人，部分岗位直接由 AI 工具替代。这不是预言，已经是现实。
我觉得有两个坑特别典型。
一是只用手机接触 AI。手机的使用场景更偏娱乐和消费，很难进入深度工作状态。AI 真正的生产力价值，在用电脑、带着具体任务去用的时候才能显现。
二是给 AI 的问题太模糊。大多数人用 AI 像发微信，问题三句话，答案当然也泛。AI 的输出质量高度依赖你的输入质量——背景信息、目标、约束条件越清晰，答案越精准。这个能力本身就需要练习。
我觉得这个问题可以用历史来回答。蒸汽时代、电气时代、互联网时代，每次技术革命都让一批人失业，同时让另一批人迎来了新机会。最终人类被解放了吗？从统计意义上说，是的——总体生活水平提升了。但分配是不均匀的。
AI 这次也是一样。它不会消灭需求，但会替代角色。被替代的是那些可以被流程化、标准化的工作；留下来甚至升值的，是判断力、创造力和关系。
所以与其问"AI 替代还是解放"，不如问：你站在哪一侧？掌握工具的人，和只会被工具使用的人，命运会越来越分化。
一句话：让 AI 进入你的真实场景，而不是"试用"它。
我很认同"干中学，学中干"这个说法。AI 的门槛其实很低，难的是找到使用它的动机。你工作中的痛点、你生活里觉得麻烦的事，才是最好的切入点。带着真实问题去用，才能真正理解它的边界在哪。
哪怕只是每天把一件事交给 AI 处理，积累下来半年就会有明显差距。
在我的领域，写文章这件事已经没有门槛了。任何人都能让 AI 生成一篇看起来不错的文章。
但这反而让判断力变得更值钱。你得知道：这篇文章的标准是什么？适合哪个用户群？在这个场景下会不会引发误解？和业务目标有没有偏差？这些问题 AI 答不了，只有人能答。
我认为有三个层面：审美、判断力和关系。
审美和判断力——AI 来自人类已有的数据，它能做的是综合，不是突破。真正的创造力是反直觉的、有风险的，这是 AI 目前做不到的。
关系这块容易被忽略。人更愿意被人说服，而不是被机器说服。信任、情感连接、共情——这些东西在商业和社会中的价值不会因为 AI 的出现而下降，反而可能上升。
还有一个更深层的逻辑：AI 的训练数据来自人类。如果人类因为过度依赖 AI 而停止思考和创造，AI 也会失去进化的来源。某种意义上，保持人类的独立思考，也是在维护 AI 的质量。
我在金融领域工作，这块感受最深。以前普通投资者了解一家上市公司，要翻财报、看研报、追新闻，信息壁垒非常高。现在任何人都可以跟 AI 对话，快速了解一家公司的基本面、主要风险、行业地位。
信息的民主化是真实发生的。市场上也已经出现了用大模型做投资决策的案例——AI 读财报、追公告、实时分析资金流向，某些维度上确实超过了普通分析师的处理速度。
未来最想实现的是：AI 成为真正的个人投资顾问，能理解我的风险偏好、财务状况、投资目标，给出个性化的建议，甚至辅助执行。不是喊口号的那种，是能帮我实实在在赚钱的那种。
我觉得最应该做的事，是让自己真正闲下来。
现代人大脑的带宽其实严重不足，信息太多、事情太多，根本没有时间思考"我真正想要什么"。
当我走到人生的十字路口，我决心要成为一个富人，并不是因为我爱钱，而是喜欢自由的感觉。 — 查理·芒格
AI 帮我们做的是把时间还回来。怎么用这些时间，才是真正值得想清楚的问题。可以陪家人，可以做运动，可以思考自己的人生方向。效率本身不是终点，自由才是。
带着一个真实的问题去用，别空手进去。
很多人入门 AI 的方式是：先看博主、先比较模型、先搞清楚原理。这条路很慢。我建议反过来——今天你工作里有什么卡壳的地方，就直接去问 AI。哪怕第一次的答案不好用，你也会知道接下来该怎么问得更准。
如果非要给两个具体动作：
一是用电脑打开 DeepSeek 或豆包，把你当下最头疼的一件工作事情发给它；二是把你对答案不满意的地方直接告诉它，让它改。来回几轮，你就入门了。