01
AI世界的三个变化
过去一年，我有三个伸向一线的观察窗口：每天在得到AI学习圈更新的《快刀广播站》、每周上线的实操课，以及我们团队自己在做的AI产品Get笔记。
透过这三个窗口，我非常清晰地看到了AI世界已经发生的三个变化。
从“观望”到“实干”
2024年这个时候，AI学习圈里很多人还在问“AI到底能干什么”。今年，这些问题几乎消失了，取而代之的是一个个具体的实践故事。
学习圈的卢无为同学做工业制造，用AI帮工厂做钢球质检；曾辉云同学做人力资源，用AI解决蓝领招聘效率低的问题；郑易军医生，用AI编程快速做数据分析，辅助调整诊疗方案。
我看到还有同学用AI做央国企求职辅导、改造泳装产业带、处理农产品订单、预警暴雨水情……
他们并非AI技术专家，但代表了咱们AI学习圈同学的核心气质，那就是：有好奇心，愿意动手，更重要的是，他们知道自己的业务痛点在哪里，知道AI可以用在哪里。
从“学技术”到“解决问题”
今年我在AI学习圈里，邀请了很多高手老师，每周至少更新一堂教程课。我审课的标准只有一个：学员跟着学、照着做，能不能真的解决自己的问题。
我印象最深的是一堂关于如何用扣子和飞书多维表格辅助教学的课。主讲人郝宇刚自己就是一名一线教师，他把AI用在了学生作业批改、错题整理、个性化辅导上。
很多学完的老师和家长反馈，有些每天要花2小时的工作，现在半小时就能搞定，而且自己做出AI智能体的成就感爆棚。
还有一堂课是设计师刘佳欢教零基础用户用即梦AI设计卡通IP形象。课程上线后，很多小店主真的用AI设计出了自己的吉祥物、包装图案，有人甚至因此多接了好几单生意。
这个变化让我意识到：AI教育的本质，不是教大家怎么训练模型、怎么调参数，而是教大家怎么用AI解决自己工作和生活中的真问题。
从“技术突破”到“用户价值”
作为一名产品经理，过去一年我带着团队做了不少AI产品和功能，比如Get笔记的语音输入、智能拍书。但最让我满足的，不是技术上的突破，而是用户的反馈。
让我最受触动的是一位74岁的用户，她因为手抖打不了字，一直没法记录自己的故事。但在女儿把Get笔记介绍给她之后，她每天都在通过“语音输入”的功能，讲述自己年轻时的经历。她说“感觉得到了重生”。
做产品这么多年，我越来越明白一件事：技术突破很重要，但解决用户的真实需求更重要。一个74岁老人的一句“得到了重生”，比任何一个数据指标的提升，都更让人感到满足。
02
三个被低估的真相
看到这三个变化，我开始思考：为什么有些人能用好AI，有些人用不好？为什么有些企业能借AI起飞，有些企业还在原地打转？
这一年的观察，让我意识到三个被低估的真相。
人才比算力更稀缺
2024年聊起AI，大家都在说算法、算力、数据。但今年我发现，比这些更稀缺的，是人才。
2025年AI圈最让我震撼的新闻之一，是Meta开出天价挖人。它挖来了苹果公司前基础模型团队负责人庞若鸣，综合薪酬超过2亿美元，接近库克年薪的三倍。
不过，这里有个对比：Meta挖的是顶尖AI科学家，年薪上亿；但对于我们这种做AI产品的中小团队，我们需要的，是那些既懂业务又懂AI、愿意动手学新东西的人。
数据显示，中国AI人才缺口已经超过500万。但更关键的是，59%的企业认为，他们最缺的不是会训练模型的人，而是懂场景、能把AI用到业务里的复合型人才。
会用AI和用好AI，差距千倍
2024年，大家常说“会用AI的人会取代不会用AI的人”。但到了2025年我发现，这句话已经过时了。因为现在大家都会用AI了，最起码，豆包已经是国民级应用了。
新的分水岭在于：用得好的人会取代用得一般的人。
我看到一组数据：在软件研发领域，4%的企业用AI提效超过80%，但34%的企业提效不到20%，还有31%的企业觉得提效不明显。同样是用AI，结果天差地别。
为什么会有这么大的差距？我观察下来，发现核心不在于工具本身，而在于使用者的问题定义能力。
同样是用AI做数据分析，有两种用法：一种是把数据扔给AI，说帮我分析一下这些数据，AI给出一堆泛泛的结论，你看完还是不知道该怎么办。另一种是先明确分析目标、清洗数据、告诉AI要关注哪些维度，AI就能给出精准结果，你可以直接拿来做决策。
前者可能提效10%，后者可能提效1000%，差距就在这里。所以，AI不是让人变懒了，反而是对人的要求更高了。
给你一个简单的自测方法：下次用AI之前，可以先问自己三个问题：
1.我要解决的核心问题是什么？
2.我希望AI给我什么样的结果？
3.我怎么判断这个结果是否靠谱？
如果这三个问题你都能回答清楚，那你已经超过了大部分人。
AI对企业的考验，在组织
在2025年，我还看到一个很有意思的现象：很多企业都在上AI，但真正用好的不多。
咨询公司贝恩做过一个研究，他们发现，经过两年探索，只有不到20%的企业，能实现AI的规模化部署并获得实质性回报。超过80%的企业，还是难以将AI转化为实质性的业务价值。
为什么大部分企业做不到？我观察下来，发现核心问题不在技术，而在组织。
我遇到过一个真实案例。有个用户来问我业务问题，我推荐了一个对症的AI工具。结果他无奈地告诉我：“刀哥，这工具很好，但我们公司把所有后缀是.ai的网站都屏蔽了，内网根本打不开。”
虽然我不知道什么样的企业能在AI时代活下来，但至少这些公司，我觉得会很难。差距就在于整个企业文化还停留在要对员工强控制的阶段，而不是把“员工+AI”当组织能力的一部分。
所以，AI转型不是技术问题，是组织变革问题。
那些能够重新设计工作流程、重新定义岗位职责、重新塑造企业文化的公司，才能真正用好AI。而那些只是简单装工具、不改组织的公司，注定会在AI时代被淘汰。
03
关于2026年的三个判断
基于这三个观察，我对2026年有三个判断。这些判断，从技术到企业，最后落到个人层面，希望能给你一些启发。
多模态深入企业更多场景
2025年，大家都在关注大模型的文字能力：谁的推理更强，谁的成本更低，谁的速度更快。但我觉得，2026年真正的突破，不会在文字层面，而是在多模态上。
什么是多模态？简单说，就是AI不只能读和写，还能看、听、说，生成图像、视频、音频。
举个例子。我们Get笔记在测试豆包的多模态语音识别模型时，如果用户语音输入“我喜欢流星（音）”，系统会识别为“我喜欢流星”，这确实是概率最高的选择。
但如果用户同时上传了一张图片，图片上是情景喜剧《家有儿女》里的角色刘星时，AI就能自动识别并修改刚才语音输入的内容。
你看，这就是多模态的威力：它能同时理解多种信息，做出更准确的判断。那么，这种能力会如何改变不同岗位的工作方式？
举个例子，AI客服不仅能回答文字问题，还能看懂用户上传的图片，听懂用户的语音（包括情绪和语气），然后用语音回复。培训不只能生成文字教材，还能生成视频课程，甚至能根据学员的学习进度，自动调整课程内容。设计不仅能写文案，还能直接生成海报、视频、动画。
如果你在客服、培训、设计、营销这些领域工作，2026年你的工作方式可能会被重新定义。那些能够把“看、听、说”结合起来的AI工具，会成为你的新武器。
现在，你就可以开始关注这些工具，提前做好准备。
数据会成为第二曲线起点
很多企业可能还没意识到，当通用大模型的能力越来越接近天花板，企业手里那些独家的业务数据，才是真正的护城河。
麦肯锡的调查显示，2025年，70%的AI潜在价值集中在研发、销售、制造、供应链这几个领域。为什么？
因为这些领域积累了大量的业务数据，非常垂直而且优质，是那些大模型厂商所无法获取的，这就是护城河。
一家工厂积累了十年的设备运行参数，一家零售店积攒了百万级的用户行为日志——这些以前被忽视的数据，一旦用来训练AI，就能开发出只有你能用的专属系统。
但是，AI对数据的质量极度挑剔。如果你的数据是碎片化的、非结构化的，甚至是一团乱麻的，那训练出来的AI效果会很差。
所以，那些过去几年默默做数据治理、干脏活累活的企业，即将会迎来巨大的红利期。
这对你意味着什么？如果你在企业里负责数据相关的工作，现在是最好的时机：去梳理公司的数据资产，去做数据治理，去思考这些数据可以用AI解决什么问题。
这可能会成为你职业生涯的一个转折点，也可能会成为公司第二曲线的起点。
2-3人特战小分队会跑出来
我的第三个判断：比起一人公司，2-3人的小团队更有可能杀出重围。
2025年一人公司的概念特别火。但我观察下来发现，虽然AI赋予了个人超级生产力，但一个人单干依然不是最优解。
我看到过一组数据：有一批年营收超过500万美元的小型AI公司，他们的平均团队规模大概在20人左右，人均创收是传统SaaS行业的10倍。
请注意，他们是小团队，但绝不是一个人。为什么？
想象一个场景：你是一个懂AI的产品经理，你用AI写代码、做开发，两天就搓出了一个超级好用的工具。但在那之后呢？你不擅长做增长，发的小红书没人看；你不擅长做客服，用户的吐槽你接不住。哪怕产品再好，发出去也没人知道。
AI降低了做产品的门槛，但反而提高了推广的难度。
所以在AI时代，最理想的团队配置，反而是2-3人的组合：一个人负责产品技术，把东西做出来；一个人负责增长营销，把东西卖出去；再加一个人负责运营服务，把用户留下来。
对于创业者来说，不要迷信一个人就是一支队伍，去找两个能跟你背靠背的战友。如果你在大公司，也不妨试试在内部拉起一支这样的特战小分队，像创业公司一样去敏捷作战。
04
写在最后
未来AI还会继续狂飙，每天都有新概念冒出来。但真正的高手，从来不把AI当替代品，而是把AI当能力的放大器。
<原文链接：https://mp.weixin.qq.com/s/ItPME4_5lJV6EgVVkF0dKA
暂无评论内容