当改变悄然发生时，我们往往浑然不觉。

谁还记得以前翻译时要查字典、读不懂英文文献、整理复杂繁重的文档工作时的痛苦，

AI 已经改变了许多工作，且不说设计和代码领域层出不穷的产品对行业的颠覆，仅是个人或身边同事已经把AI当做像电脑、Office、WPS一样的办公必备工具。

下面是我观察到身边同事使用AI的现象：

• 几乎电脑上都装了豆包、kimi或智谱的客户端
• 工作中常常遇到读起来有AI味的内容
• 会议记录直接用AI来总结要点
• 很多同事开始用AI来生成文章、PPT初稿
• 使用AI来进行excel整理、数据分析

但要说起有哪些工作是已经被AI改变或淘汰的？

作为一个AI行业从业者，我最大的优势就是我还在上班，这有助于我探究AI如何给人提效，在工作之余，用AI来提升个人能力，做更多有创造性的事情。

虽然已经有很多研究机构发布了AI可以替代的工作类型，但我还是想从我自己的工作说起，从局部来反观整体。

产品的工作较为特殊，涉及面比较广，向上可以承接销售、运营、市场，向下可以承接设计、开发、测试，横向还要对接项目经理、技术支持等。对于其他岗位是有参考价值的。

我的工作可以大致分为：

• 信息处理：将各类原始数据和信息转化为有价值的洞察
• 创意辅导：通过创造性思维提供产品设计和内容创作的解决方案
• 决策分析：基于数据和经验对业务问题进行判断并提供决策建议
• 业务支持：为团队提供产品相关的培训、文档和技术支持服务

下面是对这四类工作中未使用AI和使用AI后的对比，你可以参考下文，梳理下自己工作中有哪些已经改变，有哪些可以改变。

一、信息处理类

用户研究报告整理

以前：花费数小时阅读30页用户访谈记录，手动提取关键洞察，整理成主题并寻找模式。

现在：将原始访谈记录输入AI，几秒钟获得结构化摘要，关键痛点分类，甚至初步的用户画像建议。

更多时间用于验证这些洞察并思考战略含义

竞品分析文档

以前：逐个访问竞品网站，截图功能，手动填写对比表格，耗时数天。

现在：使用 deep search 分析主要竞争对手的产品页面，自动生成功能对比矩阵。

节省的时间用于思考差异化策略而非数据收集。

用户反馈处理

以前：每周手动浏览数百条App Store、小红书或论坛评论，分类整理，计算情感倾向。

现在：AI自动分类反馈，突出新出现的问题模式。

只需关注异常值和趋势变化，直接进入解决方案设计。

二、创意辅助类

产品需求文档(PRD)撰写

以前：从空白页开始，花费数小时构思需求描述、用例和验收标准。

现在：提供核心功能概念给AI，获得结构完整的PRD初稿，包括用户故事和可能的边缘情况。

工作转向完善和调整，而非从零创建。

原型图设计

以前：在Figma、Axure中逐个绘制UI元素，反复调整布局。

现在：向AI描述页面功能和用户流程，获得初步线框图建议，然后进行调整。

设计时间缩短，可以尝试多种方案与开发或设计师沟通

产品路线图规划

以前：在Excel中手动创建甘特图，逐项填写里程碑和时间线。

现在：描述产品目标和主要功能给AI，获得结构化路线图建议，包括依赖关系和资源分配建议。

更多时间专注于战略优先级而非格式设计。

三、决策分析类

A/B测试分析

以前：从数据仓库导出原始数据，在Excel中创建数据透视表，手动计算统计显著性。

现在：AI自动分析测试结果，识别显著差异，甚至提出可能的原因解释。

工作转向设计更好的实验和应用洞察。

产品定价决策

以前：手动收集竞品价格，分析历史销售数据，通过试错法调整定价策略。需要花费大量时间进行市场调研和数据分析。

现在：AI综合分析市场数据、用户支付意愿和竞品策略，快速生成多种定价方案建议。

专注于评估不同方案对品牌定位和长期战略的影响。

四、业务支持类

内部产品培训

以前：创建详尽的功能说明文档，录制演示视频，举办现场培训。

现在：提供产品基本信息给AI，自动生成培训材料、交互式教程和常见问题解答。

更多时间专注于关键信息传递和特殊场景处理。

用户支持文档

以前：手动编写每个功能的帮助文档，创建截图，组织知识库结构。

现在：向AI描述功能，自动生成用户友好的帮助文档初稿和常见问题。

工作转向验证准确性和优化用户体验。

从上面的工作，我们可以得出一些行业内相同工作的特性：

像翻译、数据分析、文案编写、客服解答已经有面向这一行业的标准产品出现了。

还有一些难以标准化的工作，它们的共同特点是 context 和企业内部紧密相关：不同部门人员的职责、业务的目标、合作的同事、甚至和老板的脾气办事风格相关，AI 是无法提供标准的解决方案。

但并不是说这些工作就无法让介入了，就像上面我的工作内容，我都是根据自己的业务特点来制定提示词。

大多任务我都会备有一个提示词，当需要做这个事情，就用提示词快速生成，再来手动修改生成结果，根据生成结果优化提示词，在下一次同样任务出现时再次提升效率。

在这里我提供一个元提示词，就是帮我们制作工作任务执行提示词的提示词：

# AI工作任务执行
 
 ## 任务类型
 我需要你作为[角色身份]，帮我完成以下类型的任务：
 - 信息处理类：数据整理、文档摘要、信息提取、翻译、模式识别、舆情分析
 - 创意辅助类：文案撰写、代码编写、内容本地化、报告生成
 - 决策支持类：市场研究、数据预测、行为分析、流程优化
 - 交互服务类：客户服务内容、培训材料、FAQ、用户指南
 
 ## 具体任务描述
 我需要你[详细描述具体任务需求]。
 
 ## 任务背景
 - 目标受众：[描述目标受众的特征、需求和期望]
 - 使用场景：[说明内容将在何种环境或平台中使用]
 - 现有材料：[列出已有的相关资料或数据]
 - 关键限制：[说明任何必须遵守的规则、字数限制或格式要求]
 
 ## 输出要求
 - 格式：[指定需要的输出格式，如文章、表格、列表、代码等]
 - 结构：[说明内容应如何组织，包括需要的章节或部分]
 - 长度：[指定字数范围或其他长度要求]
 - 语言风格：[描述语气、专业程度和表达方式]
 
 ## 评估标准
 请确保输出内容满足以下标准：
 1. [关键标准1]
 2. [关键标准2]
 3. [关键标准3]
 
 ## 参考案例
 以下是类似任务的优秀案例，请参考其结构和风格：
 [提供相关案例或示例]  

根据实际情况，替换[ ]中的文字。就可以用来执行你的任务了。

深层思考

在思考这些变化时，我想到一个问题：是什么本质特征决定了工作是否容易被AI取代？

• 工作的可预测性程度。那些具有明确规则、固定模式的任务，比如数据处理、标准化流程，正在被快速自动化。而那些需要处理不确定性、需要在模糊情境中做出判断的工作，仍然需要人类的智慧。
• 创造力和情感的维度。纯粹的逻辑推理可以被算法模拟，但原创思维、情感共鸣这类需要真实人类
• 物理实践性。虽然机器人技术在进步，但需要精细物理操作和实地判断的工作，仍然是人类的专属领域。
• 社交互动的复杂性。需要深度理解人际关系、处理复杂社交情境、进行高级谈判的工作，AI还难以完全胜任。
• 决策的风险程度。涉及重大风险、需要承担责任的决策（如医疗诊断、投资决策、战略规划等），仍然需要人类把控。

进一步思考，如果工作都可以被AI所替代，那对于人类，什么才是真正有价值的工作？

从提供答案转向提出问题，从执行既定流程转向开创新的可能，从处理确定性转向驾驭不确定性。人类的价值越来越体现在创造性思维、跨域整合、道德判断、决策魄力，以及真实的人际连接上。

其一，技能价值的重构。过去被视为"软性"的能力，如创造力和情商，正在成为核心竞争力；而一些传统的"硬技能"则逐渐被自动化工具取代。

其二，工作形态的演变。我们正进入一个人机协作的新纪元，工作不是简单的替代，而是重组：人类主导方向和意义，AI负责执行和细节。

其三，知识范式的转变。在信息唾手可得的时代，知识的价值正从"拥有"转向"运用"。找到、理解并创造性应用知识的能力，远比储存知识本身更为重要。

极致的效率提升，往往伴随着人类意义感的逐渐流失。

从工业时代到信息时代再到AI时代，技术快速变革，我们如何保持人类的独特价值？在追求效率与寻找意义之间找到平衡？

答案正在书写，改变已在发生。

本文由公众号“空格的键盘”授权AI产品之家转载，原文连接：  https://mp.weixin.qq.com/s/e4LbhJ6Ab4lzdSUVoN4vXw