北美发布图文报道
4月18日，亚裔服务中心举办一年一度的职业培训，今年以AI为主题。在关于“如何学好、用好AI”的专题分享中，Iris Yim 与 Hao Dinh 从不同角度给出了一个高度一致的结论：AI并不是一项可以选择是否学习的技能，而是一种正在重塑职业路径的基础能力。
Iris从认知与方法出发，强调人与AI的协作逻辑；Hao则从职业发展与实践路径入手，拆解不同阶段的人应如何利用AI建立优势。两人的分享共同勾勒出一个清晰框架：AI的价值不在于工具本身，而在于使用者如何思考、如何应用。
“不要问AI会不会取代你，要问你如何用它变强”
Iris在开场中指出，围绕AI的讨论充满焦虑——技术更迭、工具爆炸、裁员消息不断。但她认为，这些问题本身并不关键。
她将问题重新定义为：“我们如何与AI协作，让自己变得更有能力、更有创造力、更有价值。”
在她看来，AI可以承担大量执行性工作，例如内容生成、数据整理、初步分析，但真正决定价值的，仍然是人类对问题的理解与判断。
“AI可以做很多事，但前提是你必须带着自己的思考”
Iris明确指出，AI并不会自动带来高质量输出。它可以是头脑风暴伙伴、分析助手或写作工具，但前提是使用者本身具备清晰的思考框架。
她特别强调一个常见误区：很多人将AI当作搜索工具，一次提问后就接受结果，而忽略了持续对话与修正的重要性。她认为，更有效的方式是将AI视为“协作对象”，通过不断追问、补充和纠偏，逐步获得更接近真实需求的结果 。
“真正决定AI效果的，不是问题本身，而是你提供的上下文”
在具体方法上，Iris强调“上下文（context）”的重要性远高于单次提问。
她用一个直观的比喻解释这一点：使用AI就像带一个新入职的员工参与项目。只有在充分解释背景、目标和限制条件后，这位“新人”才能做出有价值的工作。
因此，她建议在使用AI时，应主动提供：
- 项目背景
- 历史信息
- 目标与限制
她认为，这一能力本质上属于“思考能力”，而非技术能力 。
“AI负责速度与规模，人类负责判断与方向”
在总结人与AI的关系时，Iris给出了一个清晰分工：
- AI擅长：执行、扩展、提速
- 人类负责：判断、洞察、决策
她以自身工作为例说明，在市场研究中，AI可以快速生成分析初稿，但真正有价值的部分，仍然来自她基于经验得出的洞察与结论。
她的判断是：AI并不会取代专业能力，而是放大已有能力。
“AI不会取代你，但会用AI的人会取代你”
与Iris从思维层面切入不同，Hao Dinh从职业竞争的角度给出了更直接的判断。
他引用行业数据指出，大量岗位将被技术替代，但同时也会产生更多新岗位。问题不在于岗位数量，而在于人才是否完成技能转型 。
因此，他将核心问题简化为一句话：
“AI不会直接取代你，但会用AI的人，会走在你前面。”
“AI带来的差距，本质上是效率差距”
Hao用一个具体案例说明这种差距的来源。
在传统流程中，一个完整的数据分析与报告制作过程，往往需要两到三周时间；而在AI辅助下，同样的工作可以在一天内完成 。
他认为，这种效率差距会迅速转化为竞争优势：
- 在企业内部，意味着更高产出
- 在求职过程中，意味着更强竞争力
因此，掌握AI的关键，不只是“会用”，而是能否用它重构工作流程。
“最有效的学习方式，是从生活走向工作，再走向系统化”
针对“如何入门AI”，Hao提供了一条循序渐进的路径。
他建议从日常生活开始，例如用AI总结信息、对比产品，以建立基本熟悉度；随后逐步过渡到工作场景，用AI处理邮件、文档和任务；最终，将AI整合进完整工作流程，实现自动化与系统化应用 。
这一过程的核心，不是学习某一个工具，而是形成一种新的工作方式。
“真正的长期优势，是把经验变成你的‘AI资产’”
在分享的最后，Iris与Hao不约而同地提到一个更深层的问题：AI不仅是工具，也是知识的载体。
Iris提出，“你训练出来的AI，其实是你的知识与思维方式的延伸”，可以看作一种个人知识资产。Hao则进一步指出，经验丰富的从业者可以通过构建“AI知识库”，将自己的经验转化为可复用的系统，从而持续产生价值 。
这一观点意味着，AI不仅改变“如何做事”，也在改变“如何积累与传承能力”。
结语：真正的差距，是谁更早开始与AI协作
两位讲者的分享虽然路径不同，但指向同一个结论：
AI并没有降低竞争门槛，反而提高了标准。
未来的差距，不在于是否拥有AI工具，而在于：
- 是否具备清晰的思考能力
- 是否能够将AI融入工作
- 是否持续用AI放大自身能力
在这个意义上，AI并不是外部变量，而正在成为每个人能力结构的一部分。