近期， 一段被称为“Thinking Claude”的prompt（提示词）引发了热烈讨论。它由一位年仅17岁的高中生——2007年出生的涂津豪（Richards Tu）设计。他用自己独特的提示词对Claude 3.5进行“强化”，使得这款生成式AI的能力被提升到令人瞠目结舌的水平。强化后的Claude 3.5，不仅可以模仿顶尖AI模型的复杂思维链，还能展开详细逻辑推理，并根据需求调整输出方式。更令人意外的是，它的执行成功率和智能程度大幅提升，在短时间内生成了可玩的小游戏“Flappy Bird”，甚至搭建出带AI玩家的得州扑克程序。这些成果让无数人惊叹不已。
然而，这一切真的只是AI本身能力的提升吗？冷静下来后，我们发现，这些令人震撼的表现并非单纯源自AI技术的突破，而是深深依赖于提示词设计者的能力。这段小故事揭示了更深层次的事实：AI的潜能，其实是人类引导能力的直接延伸与放大。
提示词的作用不仅仅是一段简单的指令调整， 而且也是人类智慧的体现。通过引导能力，人类得以和AI形成深层次合作，重塑AI的效能，甚至推动AI以全新的方式完成任务。这种能力不仅决定了AI表现的高度，也成为AI时代最重要的竞争力， 我们将这种能力称为“AI力”——我们认为，这是生成式AI时代的核心能力，也是重新定义人类与AI新合作关系的关键。
人机深度协作的新阶段
生成式AI的出现，标志着我们进入了一个人机深度协作的新阶段。然而，尽管AI的能力发展迅猛， 其本质仍是一种工具，需要人类的引导才能真正释放其潜能。
AI力的意义在于，人类与AI的关系正在从传统的工具使用，转变为更深度的协作伙伴关系。然而，这种协作关系并非对等，因为当前的生成式AI仍存在显著的局限性。AI缺乏主动性和情境学习能力，它无法自主识别问题，也无法独立规划解决方案。
此外，生成式AI也缺乏人类大脑特有的情境化理解能力。人类通过经验和观察，能够在不同情境中灵活调整自己的行为，而AI的每一次运行却都是孤立的事件，既无法从上下文中积累经验，也无法针对特定场景灵活适应。这使得AI的功能尽管强大， 却始终依赖于人类提供明确的指令和情境补充。
这些局限性反而凸显了人类在生成式AI时代的不可替代性。通过策略性引导，人类为AI设定目标并规划实现路径；通过情境化补充，人类弥补AI在背景认知方面的不足；通过质量把控和创新激发，人类确保AI的输出既符合实际需求又富有创造性。
在这一过程中，涌现出一种“AI力”。它不仅体现为传统智商（IQ）、专业知识与表达能力的综合运用，更是一种人机合作的独特智慧。换言之，“AI力”强调人类对AI模型的有效指令设计和反馈校正。其本质类似于历史上人类借助新工具或与团队合作时形成的“集体智慧”，只是在当下通过人机交互的方式被进一步放大。
“AI力”要求人类在使用AI时，既要驾驭技术， 也要善于运用自身的洞察力和创造力，从而在复杂任务中充分发挥人机协同的潜能。
在这个意义上，“AI力”并非对传统人类能力的简单延伸，而是一种通过人机协同实现的认知与工作模式的再造。具体而言，它推动人类从“单独完成任务的主体”转变为“引导AI完成任务的策划者和质量评估者”。这使人类不再只是执行者，而且也是目标设定者与流程优化者。人类通过对AI进行策略性指导、情境补充和成果检验，重塑工作流程并改进问题解决路径。
正因为如此，“AI力”已经成为生成式AI时代的重要能力模型，并将成为未来人才与组织竞争力的重要参考标准。
AI力的实践与测量
尽管“AI力”这一概念目前尚未在学术界得到广泛接受和统一定义，但我们初步尝试为其提供可操作化的测量框架与实践检验手段。通过设定多元化任务场景并考察人机协作的质量与效率，我们努力探索AI力的结构与指标，为后续研究与应用提供参考。初步研究表明，AI力是预测人机协作成果的重要指标，它帮助我们揭示了个体在生成式AI时代的协作潜力，并为这种能力向生产力的转化提供了科学依据。
为了深入了解AI力的构成与作用范围，我们设计了一系列基于真实工作场景的实验。这些实验涵盖了文案设计、商业策划、技术报告撰写等复杂任务， 通过测试个体与生成式AI的协作表现来测量AI力的不同维度。研究者开发了一套包含18道题目的测评量表，全面捕捉AI力的核心特质，包括问题拆解能力、提示词优化能力、多轮交互策略，以及对AI生成内容的判断力。
我们的实验结果充分验证了AI力的预测价值。在商业策划任务中，AI力得分较高的参与者展现了卓越的任务拆解能力和方案优化技巧。他们能够精准定义目标，将复杂问题分解为清晰的步骤，并通过多轮交互优化AI的输出质量，最终生成逻辑性强且富有创新性的策划方案。这一发现表明，AI力不仅是一种协作能力，更是一种整合人类系统性思维与AI生成能力的综合能力。
更为显著的是，AI力在创意性任务中的表现甚至超过了传统指标。例如，在“微小说创作”任务中，AI力的预测效果显著高于智商（IQ）。得分较高的参与者能够有效引导AI生成符合情节逻辑和风格要求的内容，其解释力达16%，远高于IQ的8.5%。这些结果证明，AI力不仅对结构化任务成果具有重要影响，在需要一定创造性的任务中也展现出独特价值。
此外，研究还表明AI力具备显著的可塑性。通过短期培训，例如30分钟至1小时的指导，参与者在提示词设计、任务优化和交互策略方面的能力可以显著提升。这种快速提升不仅体现了AI力在实践中的高效性，也为企业和教育机构提供了明确的培养路径。
能力重构：从认知能力到驾驭AI的能力融合
在人类传统能力体系中，重复性任务执行和简单信息记忆曾是重要的核心技能。但随着生成式AI的广泛应用，这些能力的价值逐渐被边缘化。AI能够在数秒钟内完成复杂的数据分析、文案创作和逻辑推理等任务，将操作性能力和机械记忆的需求显著降低。
与此同时，一些复杂的认知能力却在AI的参与下变得更为重要。例如，批判性思维在AI生成内容的质量评估和逻辑推导中发挥了关键作用；系统性问题解决能力则是人类构建高质量提示词、优化任务路径的核心基础。除此之外，情境理解能力也变得不可或缺。AI本身无法理解隐含的文化背景或复杂的业务逻辑，但人类可以通过洞察力和经验为AI提供必要的情境补充，从而帮助其更高效地完成任务。
然而，AI力的重构不仅仅是传统能力的强化， 它还促生了全新的驾驭AI的能力。这些新增能力直接决定了人与AI协作的深度与广度。提示词设计是这一能力的核心。一个高质量的提示词不仅能够清晰传达目标，还需要对背景和上下文进行合理组织， 以激发AI的最佳性能。这种能力不仅需要人类对AI逻辑的深入理解，更考验人类对任务的拆解和精炼能力。
除此之外，人机交互策略的熟练程度也直接影响AI协作的效率与成果。生成式AI并非一次性执行工具，而是一种可以通过多轮次调整不断优化的伙伴工具。有效分步引导AI逐层推进、调整任务路径，是驾驭AI的关键能力之一。
最后，创造力激发成为AI力的重要体现。生成式AI不止是工具，更是一种强大的思维扩展装置。通过AI，人类能够突破传统思维的限制，实现多维度的创新。例如，通过快速生成原型、模拟不同情境，AI可以帮助人类更快速地验证新想法并进行调整。这种能力的本质在于，人类通过AI扩展自己的认知边界，从而更精准地解决复杂问题。
能力重构的过程并非传统能力的全面淘汰，而是一种动态的强化与融合。批判性思维、情境理解与系统性问题解决能力得以强化，而提示词设计和交互策略则成为AI时代的新增长点。在这一过程中，AI力与人类认知能力的深度融合，将共同定义未来个体与组织的竞争力基石。通过这一融合，我们得以迎接生成式AI带来的挑战与机遇，并在技术变革中实现能力的全面跃升。
从I型、T型到PI型人才的演进
在AI的广泛应用中，人才需求正经历着一场深刻的转变。过去，深度专注于单一领域的I型人才（仅具备纵深专业能力）或在单一领域深耕并具有限度横向扩展的T型人才（在一领域有深度，同时在其他领域有一定宽度），曾是行业发展的中坚力量。然而，随着AI迅速获取、处理与应用专业知识的能力增强，单一领域的深度知识逐渐变得易得，不再是独特稀缺的资源。
相较之下，那些能够整合多领域知识、拥有广阔视角并能协调AI工具与团队资源的“PI（π）型人才”，正日益受到青睐。PI型人才的形象就如同希腊字母“π”所象征的结构：他们不仅拥有双重乃至多重的纵深专业知识支撑（“π”字的两条竖线），还能在这些领域间建立起宽广且稳固的横向关联（“π”字的上横线），从而在AI的助力下打破传统专业领域的壁垒。在这种新型人才模型下，个体不再局限于单点或有限宽度的认知与技能， 而是能够灵活穿梭于多个专业领域之间，借助AI提供的信息与工具，针对复杂挑战快速生成兼具创新性与实用性的解决方案。
T型人才的优势在于，他们在某一领域拥有深厚的专业知识。然而，这类人才的局限性也愈发显现。生成式AI正在快速接管许多垂直领域的重复性工作，使得对单一领域的专注逐渐失去稀缺性。例如， AI可以在短时间内生成高质量的市场分析报告，甚至替代传统行业的部分专业性任务。如果T 型人才缺乏跨领域的整合能力，便难以在AI时代找到新的价值空间。
相比之下，I型人才的局限性更加明显。他们虽然深耕于某一领域，但由于缺乏横向的知识广度， 因此难以应对跨学科、多维度的复杂工作场景。在AI时代，I型人才不仅可能因专业领域的工作被AI取代，还会因缺乏适应性而错失与AI协作的机会。
相较之下，PI型人才则是AI时代真正的核心需求。他们具备跨领域的深度知识和广度能力，能够在复杂环境中整合不同学科的资源，推动创新性解决方案的落地。例如，一位同时熟悉医学和数据分析的PI型人才，可以利用AI结合患者数据进行诊断分析，并根据病情调整诊疗方案。这种横向整合能力使得PI型人才在AI赋能的场景下尤为重要。
通才的崛起不仅是AI对人才需求的一种必然选择，更是生成式AI时代竞争逻辑的体现。生成式AI技术已经显著降低了获取专业知识的门槛，但横向整合能力和多维度创新能力却愈发稀缺。PI型人才的最大优势在于，他们能够与AI高效协作，将AI生成的成果与自身的知识背景有机结合，针对复杂问题提供兼具创新性和实用性的解决方案。
这种人才需求的变化，也对T型和I型人才提出了新的挑战。T型和I型人才需要迅速适应时代的需求，通过学习和实践扩展横向能力，向PI（π）型发展。这不仅是个体在AI时代保持竞争力的必然选择，更是企业在AI环境下实现创新与效率提升的关键所在。
我们认为，“AI力”并非单纯的技巧技能，而是集成了认知、专业知识、表达能力以及情境理解的综合能力模型。借助这一能力，人类可在AI协作过程中实现从传统工具使用者向智能系统合作者的身份转变，为组织和个体在快速变革的时代中建立持续的竞争优势。在生成式AI的推动下，人类的智慧不再仅仅体现在专业的深度上，而是通过与AI的高效协作，开辟全新的生产力边界。在未来的能力革命中，个体与组织若能把握这一转变，将有望在AI时代塑造更高效、更具创造力的未来。
参考文献
Bawden D. Origins and concepts of digital literacy[J]. Digital literacies: Concepts, policies and practices, 2008, 30(2008): 17-32.
Long D, Magerko B. What is AI literacy? Competencies and design considerations[C]//Proceedings of the 2020 CHI conference on human factors in computing systems. 2020: 1-16.
Hansen M T, Von Oetinger B. Introducing T-shaped managers. Knowledge management's next generation[J]. Harvard Business Review, 2001, 79(3): 106-16, 165.
李宁. 解锁AI力：开启一场人机双向奔赴的生产力革命[J]. 清华管理评论, 2024.
本文来自微信公众号“复旦商业知识”（ID：BKfudan），作者：《管理视野》，36氪经授权发布。
举报成功