伙伴们，快刀广播站又开始广播了。
AI学习圈的同学都知道，每周四晚，我都会邀请一位我心目中的实干家来得到直播，聊聊他在AI方面的最新实践和心得。每次一两个小时聊下来，我发现自己的收获非常大。所以未来我希望，广播站能固定下来一件事，就是之后每周四如果都直播的话，那么周六就来发我的直播学习笔记。
这周四，我邀请到的是清华大学经管学院的李宁教授，他同时也是领导力与组织管理系的系主任。李宁老师在得到上线了一门讲数字化与组织管理的前沿课程，叫《数字化方式管人》，你从课程里也能看出来，他是一位非常重视数据导向和企业实证的老师。
我为什么特别想邀请李宁老师来呢？其实是因为他在朋友圈里分享了一篇最新发表的论文，课题非常有意思，研究的是，员工跟AI的协作能力，会怎么影响他们的绩效产出。
直播结束后，我记下了下面这五条笔记，和你分享：
第一条笔记是关于这项研究到底是怎么设计实验的。
李宁老师告诉我，他把实验分成了两个阶段。第一阶段，他们会把参与者随机分成两个组，一个组是在工作中使用AI，一个组是在工作中不使用AI。在实验的第二个阶段，李宁老师额外增加了一个对照组，这个对照组的成员不但使用AI来完成工作，还接受了AI协作方面的基础培训。
实验最后，李宁老师找来六位人类专家，结合AI，来对这些参与者的工作表现进行评价，并分析了造成不同绩效产出的原因。评价完之后，专家们发现，员工用没用上AI，确实是影响工作表现的最大因素。
第二条笔记，是不同的AI模型能力有差异，这对员工的工作表现会有什么影响？
大家都知道，作为OpenAI的拳头产品，GPT4的能力是远远高于GPT3.5的。
但是，李宁老师的实验结果却发现，用GPT3.5和用GPT4，带来的绩效差异并不大。换句话说，参与者的工作表现，并不会因为使用了更高水平的AI ，就能比别人高出多少。
说实话，我一开始对这个研究结论感到非常震惊，但是仔细想过之后也就明白了，其实人和人之间的能力差别远远大于AI模型之间的能力差别。
回想我自己刚参加工作的时候，想学怎么用Photoshop，于是我花了半个月工资，买了当时最新版的软件和一堆教程书，最后做出来了一张图，图上堆满了各种手写字体，抠图的地方都是锯齿形状，而且图片背景还是花花绿绿的。
我当时让我们的设计师同事评价一下我的作品。他站在我背后，看着我的电脑屏幕，表情像便秘了一样，然后说了一句话：“这PS新版本的功能不错，但可惜了。”
所以，对于更多的应用场景，用AI就跟我们用Excel一样，非高阶选手估计连10%的功能都用不到。我们先不要纠结是不是要用最新的大模型，而是先找到好的使用场景，先用起来。在用的过程中，让自己更加了解和熟悉AI，再去寻找更厉害的工具。
第三条笔记是，现阶段AI还属于小圈子里的狂欢，丰满的未来和骨感的现实中间，还存在不小的距离。
对咱们学习圈的同学来说，你可能会有这样的经历，平时因为比较关注AI，看了一些跟AI相关的视频，短视频平台就认定我们喜欢AI，然后就开始给我们推送类似的视频。再加上大家都在AI学习圈里，每天交流的也都是和AI相关的内容，所以很容易产生一种错觉，就是AI已经无处不在，已经影响到了各行各业。但这很可能是我们的认知偏差。
写到这里的时候，我顺便问了AI一个问题：“我这种情况算是认知偏差的哪一种？”
AI回答说，我这属于两种病因相结合了，一种是“确认偏差”，一种是“可得性启发”。“确认偏差”指的是，人们倾向于寻找、解释、关注和记忆跟自己现有信念或假设一致的信息，而忽略或贬低与之不符的信息。“可得性启发”指的是，人们常常会根据信息的可获得性，也就是容易回忆起来的程度来做判断和决策。如果一个事件能够容易被想起，人们就认为这类事件发生的概率较高。
说完这些概念，AI语重心长地告诉我：“老刀，你要想成为一个优秀的产品经理，一定要突破自己的认知偏差，不要抵触创新，也不要盲目自信。”那一刻，我真的有点恍惚，干产品经理这么多年，好像从来没有一个领导这么循循善诱地教育我。
李宁老师告诉我，其实很多企业或者个人，离AI还非常非常远。他们征集到的参与实验的用户，很多人都还没把AI用起来。哪怕李宁老师他们已经替这些用户，把前期准备工具都建好了，很多用户还是没有意愿去使用AI。所以AI在各个领域的普及，还需要挺长的时间，期待能有更多案例跑出来。
第四条笔记是，对于企业来说，拥抱和使用AI的最大难点是什么？
李宁老师说，现在特别成熟的AI技术，其实跟很多企业的核心工作并不太相关。例如，文生图的技术已经很成熟了，所以广告公司、设计公司很快地拥抱了AI。
但像其他公司，那些不需要生成图片的公司，会觉得文生图技术跟自己没太大关系。例如，现在AI生成会议纪要已经很成熟了，但是大部分公司开完会，是不需要做会议纪要的。
所以企业的核心场景要普及AI，那要靠的就不是单个AI工具的普及，而是要靠企业文化的改变。例如，老板开完会，就不能微信群里问“今天开会说啥了”，而是自己要拿会议纪要看，这对企业管理者来说是个很大的挑战。
第五条笔记，如果企业会培训员工怎么用AI，那么员工绩效的提升就会非常明显。
李宁老师团队在分析实验参与者跟AI的互动数据时，发现了三种跟AI协作的类型。一种就是新手，完全不知道该怎么去跟AI互动。剩下两种，一种是话痨型，就是每次对话很短，但是会跟AI频繁沟通，另外一种是严谨型，会写很长、很规范的指令，再去跟AI互动。这两类员工的绩效表现其实都不错。
对于企业来说，其实不需要进行特别系统化的AI培训，只要让熟练使用AI的员工，在公司里分享一次、演示一次，很多新手就都能理解和跟上了。
这也是我想在AI学习圈里做很多零基础教程视频的原因，咱们的很多同学不是学不会AI，只是不知道“居然还能这么用”，但只要打通了任督二脉，就能一飞冲天了。
所以咱们学习圈的同学可以先行动起来，给自己列个小目标：圈里上线的11门教程，先挑一个学，学完上手开始用，然后找身边的五个朋友做一次小型的分享。这个过程会让你快速跟AI协作起来 ，变得更熟悉。
听完我这几条笔记，如果你也对李宁老师的研究成果感兴趣，可以点击查看直播回放。
最后，我想跟大家分享一下，在准备这次直播的过程中，我是怎么跟AI协作的。
第一，因为李宁老师的这篇论文是全英文的，我啃起来非常吃力，所以我先让Kimi Chat帮我一个部分一个部分翻译和提炼要点，最后让AI把这篇论文的十大要点整合汇总起来。
第二，为了让这次直播聊天更顺畅，我写了一段指令，让ChatGPT作为一个采访专家，来帮我生成问题大纲。
这两个指令和AI的回复我都放在文稿区了，你感兴趣的话，可以点开看一下这段指令，希望能对你有所启发。
好，今天的快刀广播站就到这里了。最后的最后，想提醒一句，由我主理的AI学习圈产品，现在有学习周活动优惠价，优惠仅剩最后3天，还没加入的同学，可以抓住这波优惠加入，咱们一起把AI用起来。
好，如果你觉得今天的内容对你有帮助，欢迎分享到朋友圈或者转发给你的朋友们。明天咱们接着聊AI。
点击查看李宁老师直播回放
以下是我写的生成采访问题的prompt指令：
##角色
1. 你是我的直播采访专家，专门为我产出采访嘉宾时的问题列表，要求问题要贴近专家身份，问题对普通人有意义，并且直白易懂;
##背景
1. 本次采访的嘉宾是清华大学经管学院李宁教授,研究兴趣主要包括组织协作、团队网路和效能、个体和团队创新机制研究、领导力、大数据在组织管理中的应用以及中国管理概念研究；
2. 他最新发表一篇论文：《When Advanced AI Isn’t Enough: Human Factors as Drivers of Success in Generative AI Human Collaborations》,论文要点列在下面；
3. 本次直播问题基于这篇论文及相关领域问题产生；
##论文要点：
1. 人类-AI协作的重要性：研究强调了在专业环境中，人类与生成性AI（如GPT-4.0）协作的重要性，特别是在提高工作绩效方面。
2. AI作为性能决定因素：研究发现，接触生成性AI显著提高了任务表现，突出了AI在工作场所作为性能决定因素的作用。
3. AI并非平等化工具：尽管AI提高了整体绩效，但它并没有压缩个体之间的性能差异，表明AI时代可能出现新的技能差异。
4. 技术进步与人类能力：研究比较了技术进步（如使用更先进的AI模型）与人类能力（如AI素养）在协作中的作用，发现人类能力在协作成功中可能更为关键。
5. AI协作培训的影响：研究揭示了AI协作培训通过改变人机互动模式显著提高了性能，强调了培训在提升协作效果中的价值。
6. 人类因素的复杂性：研究探讨了智商、教育、工作经验等人类因素在AI-人类互动过程中的作用，以及这些因素如何影响任务表现。
7. 任务结构对性能的影响：实验发现，简单的一次性人机交互与更复杂的任务结构在性能上没有显著差异，表明简单的任务结构可能同样有效。
8. AI使用频率的影响：研究发现，对AI的熟悉程度（AI使用频率）可以增强AI在任务中的效果，尤其是在独立完成任务时。
9. AI模型的替代效应：随着用户对AI的熟悉程度提高，更先进的AI模型（如ChatGPT 4.0）相对于较不先进的模型（如ChatGPT 3.5）的额外好处可能会减少。
10. 人类-AI互动的策略和模式：通过分析人机对话日志，研究识别了不同的用户类型和互动策略，揭示了人们如何适应和利用AI技术来优化专业任务的表现。
【用ChatGPT生成访谈问题大纲】
##输出要求：
1. 帮我输出一个包含10个问题的采访列表，每个问题尽量描述具体；
2. 问题角度贴近普通人的角度，语言口语化;
下面是AI给我的结果，虽然无法直接用，但是帮我开拓了很多思路：