本文來自微信公眾號(hào)： 復(fù)旦管院 ，編輯：徐玉茹，責(zé)編：王菲妮，作者：小管，原文標(biāo)題：《被AI“忽悠”了N次后，我們總結(jié)了這份避坑指南｜ 智能涌見》
近期，小管發(fā)起的一份“AI合伙人”體驗(yàn)小調(diào)查中，所有受訪者都表示自己“每天或幾乎每天”都在高頻使用AI工具。比起“嘗鮮”，AI更像一種已經(jīng)融入學(xué)習(xí)、工作與生活的默認(rèn)入口。
有人開始把AI當(dāng)作靈感搭子、學(xué)習(xí)助手，甚至“第二大腦”；也有人逐漸意識(shí)到，AI最危險(xiǎn)的地方，恰恰在于它“看起來太像正確答案”。它能給出邏輯嚴(yán)密、措辭漂亮的回答，也可能面不改色地“編造事實(shí)”；它能夠瘋狂提升效率，卻也無形中在消融我們獨(dú)立驗(yàn)證、深度思考的能力。
算法的終點(diǎn)是數(shù)據(jù)，但判斷的終點(diǎn)永遠(yuǎn)是人。當(dāng)AI越來越聰明，我們?nèi)绾卧谝贿呄硎芨咝实耐瑫r(shí)，一邊守住獨(dú)立思考的底線、繞開算法的“陷阱”？
帶著這些真實(shí)的困惑，我們邀請(qǐng)了6位管院同學(xué)，聊了聊他們與AI同行、見招拆招的相處日常。
拉寬人的能力邊界
AI開始成為“第二大腦”
有沒有一個(gè)讓您印象特別深的AI使用經(jīng)歷？它當(dāng)時(shí)具體幫您解決了什么問題？使用AI之后，您的學(xué)習(xí)、工作或生活習(xí)慣有沒有發(fā)生變化？
復(fù)旦國際MBA項(xiàng)目叢騰：
我日常會(huì)用AI做一些股票市場(chǎng)、量化策略、公司行業(yè)等深度研究。從2024年開始用AI寫代碼，最早主要用Cursor，搭配Claude模型。那時(shí)候還沒有Agent模式，AI大概能替代60%到70%的代碼量，但很多細(xì)節(jié)還是需要自己一點(diǎn)點(diǎn)檢查、修改。
到了2025年下半年，AI基本已經(jīng)能完成90%以上的代碼編寫，不過人依然需要負(fù)責(zé)review，確認(rèn)邏輯和實(shí)現(xiàn)有沒有問題。
真正的轉(zhuǎn)折點(diǎn)是在2025年底。隨著Claude Opus更新，以及Agent能力的大幅提升，我開始大量使用Claude Code。慢慢地，不只是寫代碼這件事交給了AI，連很多原本需要人工review的環(huán)節(jié)也被省略了。尤其是在harness等概念出現(xiàn)后，Agent的準(zhǔn)確率提升得非常明顯。
復(fù)旦MPAcc項(xiàng)目吳敏：
比較有印象的AI使用經(jīng)歷，是我和小伙伴嘗試用AI寫代碼，爬取數(shù)據(jù)分析自己買的基金產(chǎn)品表現(xiàn)，看看能不能搭一個(gè)可用的模型。這個(gè)想法源于張誠老師課程的期末作業(yè)啟發(fā)。入學(xué)前我完全沒有代碼基礎(chǔ)，小伙伴雖然有基礎(chǔ)但也多年沒碰了，好在AI編程能力越來越強(qiáng)，我們才開始嘗試。
實(shí)際使用過程中，AI的智能性有明顯邊界：執(zhí)行具體、目標(biāo)清晰的單一任務(wù)時(shí)，它表現(xiàn)得很聰明，但一遇到?jīng)]有明確細(xì)節(jié)、需要主觀判斷的地方就容易“卡殼”。所以目前還是需要人來把控整體框架和關(guān)鍵技術(shù)細(xì)節(jié)，AI更多是充當(dāng)“副駕駛”。我們需要自己先設(shè)計(jì)好代碼架構(gòu)，比如數(shù)據(jù)抓取、模型、回測(cè)三個(gè)部分，每個(gè)部分還要給出明確要求，比如數(shù)據(jù)從什么平臺(tái)抓取、如何存放等。
這個(gè)過程也倒逼我們把需求拆解得越來越細(xì)、表達(dá)得越來越準(zhǔn)，這個(gè)過程，某種程度上倒逼我們對(duì)想要實(shí)現(xiàn)的目標(biāo)和數(shù)據(jù)關(guān)系進(jìn)行更系統(tǒng)的思考。因此，利用AI除了能夠提高效率，提升信息獲取能力以外，很大程度上也重塑了我們對(duì)于事情的認(rèn)知和思考能力，學(xué)會(huì)更好的提出問題或者需求。
復(fù)旦MPAcc項(xiàng)目王怡涵：
使用AI之后，我的工作習(xí)慣確實(shí)發(fā)生了一些變化。過去遇到復(fù)雜問題，我可能會(huì)先查資料、搭框架、再慢慢寫；現(xiàn)在我會(huì)先讓AI幫助我做“第一輪結(jié)構(gòu)化”，再結(jié)合自己的專業(yè)判斷進(jìn)行篩選、校正和深化。也就是說，AI承擔(dān)了初步歸納、框架搭建和表達(dá)優(yōu)化的工作，而我則把更多精力放在判斷問題本質(zhì)、確定管理取向和把握組織實(shí)際情況上。
學(xué)習(xí)習(xí)慣從“線性閱讀”變成了“交互式追問”。過去學(xué)習(xí)一個(gè)新概念，可能是查幾篇文章或看一本書；現(xiàn)在我會(huì)讓AI先解釋基本概念，再追問應(yīng)用場(chǎng)景、實(shí)踐案例、潛在風(fēng)險(xiǎn)以及與財(cái)務(wù)管理的關(guān)系。
虛構(gòu)法條、自行腦補(bǔ)財(cái)務(wù)指標(biāo)……
AI翻起車來有多離譜？
有沒有遇到過AI“翻車”的情況？比如信息不準(zhǔn)確、理解跑偏、一本正經(jīng)胡說八道？
復(fù)旦MPAcc項(xiàng)目劉芳：
復(fù)旦MPAcc項(xiàng)目王佳昱：
有過好幾次！印象最深的一次是回答納稅人的問題，AI給我生成了一段完全不存在的法條引用，還說得有模有樣。幸好我平時(shí)也掌握一定的專業(yè)知識(shí)，反復(fù)核對(duì)原文時(shí)發(fā)現(xiàn)了問題，不然回答錯(cuò)了就要鬧笑話了。
復(fù)旦MPAcc項(xiàng)目王怡涵：
AI“翻車”我遇到太多了，有這兩個(gè)經(jīng)典場(chǎng)景：
合規(guī)性翻車：AI一本正經(jīng)地胡說八道。有次我讓AI協(xié)助梳理某類財(cái)務(wù)處理事項(xiàng)的政策依據(jù)，它生成的內(nèi)容看起來非常完整，甚至還列出了條文式表述。但進(jìn)一步核查后發(fā)現(xiàn)，有些政策口徑已經(jīng)過時(shí)，有些根本不是原文，有些判斷也沒有結(jié)合國央企監(jiān)管要求和單位實(shí)際制度。
數(shù)據(jù)性翻車：AI張冠李戴財(cái)務(wù)指標(biāo)。在做財(cái)務(wù)分析時(shí)，它曾列出某家同行公司的財(cái)務(wù)數(shù)據(jù)，精確到小數(shù)點(diǎn)后兩位。實(shí)際查詢后發(fā)現(xiàn)，這個(gè)數(shù)字完全是編造的。這件事讓我深刻意識(shí)到：AI有時(shí)為了追求回答的“完整性”，會(huì)在底層邏輯上“自行腦補(bǔ)”數(shù)據(jù)。
拒絕把思考讓渡給算法
這份避坑Tips請(qǐng)收好！
結(jié)合您的使用經(jīng)驗(yàn)，您覺得現(xiàn)在大家使用AI時(shí)，最容易忽略或踩坑的地方是什么？是否有一些自己總結(jié)的“避坑”心得？
復(fù)旦MPAcc項(xiàng)目郭瑤：
一部分人容易過度依賴AI，一概盲從、不加核實(shí)，缺乏獨(dú)立思考和判斷的能力。另一點(diǎn)感觸很深的是，也有人會(huì)忽視隱私和數(shù)據(jù)安全，隨意把工作機(jī)密、個(gè)人敏感信息發(fā)送給AI，存在信息泄露的風(fēng)險(xiǎn)。
我的心得是：在使用AI的同時(shí)，要養(yǎng)成校驗(yàn)信息、保持懷疑的習(xí)慣，把決策權(quán)留給自己，并且守住隱私和工作數(shù)據(jù)安全的底線。
復(fù)旦MPAcc項(xiàng)目劉芳：
很多人容易過度依賴AI給出的現(xiàn)成答案，久而久之弱化了獨(dú)立思考能力。其實(shí)AI本身沒有自主思維與創(chuàng)新能力，只是基于海量文本進(jìn)行數(shù)據(jù)運(yùn)算輸出，時(shí)常存在邏輯漏洞、內(nèi)容失真等問題。
我的避坑心得是：不直接照搬AI成品，只把它當(dāng)作創(chuàng)意靈感、寫作思路和信息檢索的輔助工具，將其輸出內(nèi)容作為素材參考，再結(jié)合自己的思考去整合打磨。
復(fù)旦MPAcc項(xiàng)目吳敏：
最容易踩的坑，其實(shí)就是過度依賴AI，忽略驗(yàn)證結(jié)果真?zhèn)巍?/p>
我的避坑心得主要有兩點(diǎn)：第一，在提問或提出需求時(shí)，先拆解細(xì)化任務(wù)，指令詞要精準(zhǔn)明確；第二，要求AI提供資料和數(shù)據(jù)來源，除了人工驗(yàn)證，我也會(huì)用其他AI進(jìn)行交叉驗(yàn)證。
核心來說，無論AI給出什么樣的答案，保持清醒的判斷和獨(dú)立的思考才是最重要的。
復(fù)旦MPAcc項(xiàng)目王佳昱：
最容易踩的坑就是直接把AI生成的內(nèi)容當(dāng)成“標(biāo)準(zhǔn)答案”，完全不核對(duì)信息，尤其是專業(yè)數(shù)據(jù)、法條、文獻(xiàn)引用這些內(nèi)容，很容易出錯(cuò)。
我的避坑心得：第一，所有關(guān)鍵信息必須二次核對(duì)，尤其是專業(yè)內(nèi)容、數(shù)據(jù)、政策條文，一定要找權(quán)威來源驗(yàn)證；第二，不要讓AI直接幫你寫完整的作業(yè)/報(bào)告，只把它當(dāng)成思路助手，核心內(nèi)容和觀點(diǎn)必須是自己的；第三，提問越具體，回答越靠譜，別只說“幫我寫個(gè)方案”，要寫清楚場(chǎng)景、目標(biāo)、受眾、限制條件。以后會(huì)寫提示詞才是職場(chǎng)必備技能。
享受效率，但不讓渡思考，
把“臟活累活”留給算法，
把清醒、判斷與選擇權(quán)，穩(wěn)穩(wěn)留在自己手中。