免费开始

Co-Intelligence

中文书名:工作者的 AI 共智模式:讓 AI 成為第二專長,加速專業升級,重塑競爭優勢(台版,天下雜誌 2026)
作者:
2024 · Portfolio
跨领域精选

这本书讲什么

你今天用的 AI,可能是你这辈子用过的最差的 AI——这句话应该如何改变你的策略?

Mollick 把当下的生成式 AI 描述为一种奇特的“外星智能”:在一些任务上表现惊人,在另一些看似简单的任务上却会出错。他把这种能力边界称为“锯齿状前沿”(Jagged Frontier)——你无法凭直觉判断 AI 在哪些任务上可靠,只能通过亲自实验来摸清。

书中提出与 AI 协作的四条原则:总是邀请 AI 参与;做“回路中的人”;把 AI 当作一个人来对待(但要告诉它扮演什么角色);假设现在的 AI 是你用过的最差的。随后分章讨论 AI 作为同事、创意伙伴、导师、教练的角色,以及“半人马”(人与 AI 分工明确)和“赛博格”(深度融合)两种协作模式。

全书写于 2023–2024 年,部分例子已显时效,但其中的协作原则和对工作、教育的思考仍很有参考价值。

分章脉络

  1. 锯齿状前沿

    AI 能力边界不规则:难事可能做得很好,简单事可能出错。唯有在自己的具体任务上反复实验,才能摸清边界。

  2. 总是邀请 AI 参与

    在法律和伦理允许的前提下,把 AI 带进各类任务中试用,以积累对其能力的第一手认识。

  3. 做回路中的人

    人需要保持判断、核查和最终负责的角色,避免盲目信任 AI 输出,也防止自身技能退化。

  4. 给 AI 设定角色

    把 AI 当作一个人来对待,并明确告诉它扮演谁(如挑剔的编辑、目标客户),往往能获得更有用的输出。

  5. 半人马与赛博格

    半人马模式是人和 AI 按任务明确分工;赛博格模式是人与 AI 在同一任务中深度交织协作。两者各有适用场景。

批判性提醒

本书成书于 2023–2024 年,部分工具和案例已经过时;书中引用的生产力提升研究多为特定场景的早期实验,不应简单外推到所有工作。作者整体态度偏乐观,对数据隐私、版权、模型偏见与错误信息等风险的讨论相对概括。“把 AI 当人”是实用技巧而非对 AI 本质的判断,读者应避免因此过度信任或拟人化 AI 输出。

完整导读、行动清单和读后小测都在 BookMaster 里。

在 BookMaster 里读完整内容

同一期的另外几本(11月09日)