今年WAIC最值得普通人关注的，不是机器人，而是“AI同事”

前几天，我去上海逛了世界人工智能大会，也就是很多人口中的 WAIC。

现场最抢镜的，当然还是机器人。它们会走路、会打球、会和人互动，旁边永远围着最多的观众。

但我停留最久的地方，反而是几块看起来不那么热闹的屏幕。

一块屏幕上，列着合同助手、知识库、计划任务等不同“数字岗位”；另一块屏幕里，AI 正一步步引导用户完成一项复杂操作；还有一个展台，普通人只要说出自己的需求，就能生成一个可以点击和使用的小应用。

它们没有炫酷的机械手臂，却让我感受到一个更现实的变化：

AI 最值得普通人关注的进步，不是变得更像人，而是开始真正接手一段工作。

这可能比机器人走进办公室，更早影响我们每个人。

01

以前的 AI 给答案，现在的 AI 开始交结果

过去几年，我们接触最多的是聊天式 AI。

你问一句，它答一句；你让它写一段文字，它给你一段文字。接下来要复制到哪里、还要查什么资料、怎么判断有没有错，仍然要由人一步步推动。

它更像一个坐在副驾驶的人：你必须不断告诉它下一步往哪走。

今年在 WAIC 现场，我看到越来越多产品尝试跨过这一步。它们不只回答问题，还会根据目标拆解任务、查找资料、调用不同工具、记录执行进度，最后交付一个相对完整的结果。

WAIC现场展示的数字员工工作台：左侧列出不同助手、知识库、计划任务等能力，右侧显示任务执行过程

比如，当你说“整理这次会议”，过去的 AI 可能只给你一份会议摘要；现在的做法，是进一步识别待办事项、区分负责人、写入任务清单，并在约定时间提醒跟进。

区别看起来不大，本质却完全不同：

聊天工具的终点，是生成一段内容；
“AI 同事”的终点，是把一件事情向前推进。

02

“AI 同事”不是一个会说话的机器人

“数字员工”听起来很高级，也很容易沦为一个新的营销词。

在我看来，一个 AI 工具能聊天、能写文章，甚至能操作几个软件，都不等于它已经成为“AI 同事”。

我给自己定了四个简单的判断标准。

第一，有明确的工作范围。

它到底负责整理会议、检查合同，还是分析数据？如果什么都能做，却没有一件事情能够稳定完成，它仍然只是一个通用工具。

第二，能够跑完一段完整流程。

真正有价值的不是生成第一步，而是从接收资料开始，经过处理、检查和交付，把工作推进到一个人可以验收的位置。

第三，遇到异常时知道停下来找人。

资料缺失、权限不足、数字互相矛盾时，它不能假装任务已经完成。越是重要的工作，越需要清楚的人机交接点。

第四，效果和成本能够被衡量。

它节省了多少时间？错误率有没有下降？为了调用模型和维护流程花了多少钱？如果这些问题都说不清楚，“效率提升”就很可能只是一种感觉。

这四点可以概括成一句话：

有岗位、有闭环、有人接管、能够算账。

满足这些条件，AI 才开始从工具变成一种稳定的生产能力。

03

AI 最先接手的，不会是完整岗位

很多人一谈到“数字员工”，第一反应就是：它是不是要把人替代掉？

我的判断是，AI 更可能先接手岗位里那些可以被说清楚、反复发生、主要在电脑里完成的工作片段。

例如：

把一堆会议记录整理成结论和待办；
从多个文件里提取数据，再生成固定格式的报告；
检查资料是否齐全，把异常项目标出来；
把一篇长文改成图文、短视频脚本和不同平台的版本；
按照固定规则收集信息，并在指定时间形成汇总。

这些任务过去也能用 AI 辅助，但人往往需要在多个软件之间反复复制、粘贴和检查。现在变化的重点，是 AI 开始尝试自己连接这些步骤。

现场有一个让我印象很深的例子：AI 被放进一个真实的业务流程里，通过语音一步步引导用户操作，并在过程中检查资料。

它并不科幻，却比让数字人站在那里播一段广告更有价值。因为它解决的是一个具体问题：用户不知道下一步该做什么，AI 就在最需要的地方接住他。

这也是我在展会现场越来越强烈的感受：真正有生命力的 AI，通常不是单独摆在一个聊天框里，而是悄悄进入一条原本需要人反复操作的流程。

04

普通人真正需要提升的，是“带 AI 干活”的能力

如果 AI 开始接手工作片段，人的价值会转向哪里？

我认为，至少有三件事会变得更重要。

第一，把任务说清楚。

很多工作之所以交不出去，不是因为 AI 不够聪明，而是我们自己也没有想清楚：输入是什么、要经过哪些步骤、最后交付什么。

这件事对管理 AI 和管理新人其实一样。你无法描述“怎样才算完成”，对方就只能靠猜。

第二，建立检查标准。

AI 可以帮你提高产出速度，但速度越快，错误也可能被更快地放大。会不会核对来源、检查数字、识别遗漏，将成为一项越来越基础的能力。

第三，处理例外和做判断。

规则明确、重复发生的部分，可以逐渐交给 AI；真正困难的部分，往往是资料不完整、多个目标冲突，以及没有标准答案的选择。

因此，普通人现在不一定要学会一百个 AI 工具。更实际的做法，是先挑出自己每周都会重复的一件事，把它写成一份简单的“岗位说明书”：

需要提供什么资料；
中间要完成哪些步骤；
最终结果长什么样；
哪些情况必须由人确认。

能把这四件事写清楚，就已经迈出了“带 AI 干活”的第一步。

05

别急着把展会里的演示，当成明天的现实

展会最擅长展示顺利的一面，真实工作却充满例外。

文件可能打不开，软件权限可能突然失效，资料可能缺一半，AI 也可能把一个错误数字写得非常肯定。一个能完成九成步骤、却在关键地方悄悄出错的系统，有时比一个直接说“我做不了”的系统更危险。

所以我并不认为，今天看到一个漂亮演示，明天公司里就会多出一批成熟的“AI 同事”。

但方向已经越来越清楚。

新华网在今年 WAIC 专题中把智能体概括为“能干活、会思考、创价值”。我在现场看到的共同趋势也是：大家不再只强调模型有多聪明，而是开始回答几个更现实的问题——它能不能进入真实流程，能不能稳定交付，出了问题怎么办，长期使用划不划算。

这意味着，AI 的竞争正在从“谁更会说”，逐渐走向“谁真的把事情做完”。

06

你的第一位“AI 同事”，可能没有名字和头像

它未必长得像机器人，也未必拥有一个拟人的数字形象。

它更可能先以一个安静的任务出现：每天固定时间收集资料，自动更新表格，生成一份报告，然后把需要你判断的三件事单独标出来。

甚至普通人自己，也开始有机会制作这样的小工具。在 WAIC 的一个展台上，我看到用户通过一句话生成可交互的小应用，并把它们像内容一样发布和分享。

过去，开发一个工具需要先学会写代码；现在，越来越多时候，我们首先要学会的是准确描述问题。

因此，与其反复追问“AI 会不会替代我”，不如先问自己：

我的工作里，哪一部分可以被说清楚、交出去，并且被检查？

当这个问题能够回答时，你和 AI 的关系就不再只是聊天。

你开始成为那个给 AI 定义岗位、分配任务并验收结果的人。

这可能才是“AI 同事”真正到来的起点。