文章 · 存档
AI需求的澄清八问
一位客户市场部的同事让AI写一份给董事会看的季度汇报,AI生成了一份二十多页的文档,洋洋洒洒,从行业趋势讲到技术路线,唯独没有提到他们部门这季度真正想申请追加预算的那件事。更尴尬的是文档里还顺手分析了竞品,而这家公司正在跟其中一家谈战略合作。他花了整整一个下午在删改,最后发现还不如自己从头写。
我看了看他的提示词,只有一句话:帮我写一份季度市场汇报,要专业、全面、有深度。
这种翻车现场每天都在发生。问题不在于AI够不够聪明,而在于对话开始前,需求本身就是一团雾。
想让AI真正帮上忙,在点击发送之前,有必要在脑子里过一遍八个问题。它们不需要写在纸上,但必须在心里有数。
第一问,这份东西最终给谁看。同样是写一份分析报告,给直属领导和给董事会,篇幅、口径、关注点完全不同。给领导看,可能需要细节和过程;给董事会看,他们只关心决策点和资源需求。
第二问,解决什么问题,这决定了内容的边界。是想说服、是想备忘、是想申请资源,还是单纯梳理思路?目标受众和问题定义一旦模糊,AI就会开启全方位撒网模式,把能想到的全塞进去,反而淹没了真正重要的信息。
第三问,为什么现在要做这件事。AI没有跟你开过会,不知道上周老板刚在例会上发了火,也不清楚你手头已经有一份去年的模板可以参考。时间节点和业务背景,决定了输出的紧迫感和方向感。如果你不说清楚这是为了周五的临时紧急汇报,AI可能会给你一份需要两周才能完善的研究框架。
第四问,手上又有什么素材。提供已有素材,不管是数据表格、过往文档还是参考案例,相当于给AI划定了一个起跑线,让它站在你的肩膀上做推演,而不是从零开始瞎猜。
第五问,边界在哪里划清。你所在的组织一定有它的敏感区,可能是未公开的财务数据、正在谈判的合作方、或者内部有争议的战略方向。如果你不明确告诉AI这些内容需要回避,它很可能会基于公开信息做一些不恰当的联想或对比,轻则让你的文档需要大段删除,重则造成信息泄露的风险。
第六问,这份产出体现什么核心价值。是要突出增长故事,还是要暴露问题以争取支持?是要显得保守稳健,还是要展现进取姿态?这些价值导向不会自动出现在AI的输出里,必须提前注入。
第七问,你期望它以什么形式交付。形式不只是字数和格式,也关乎语气、结构甚至排版习惯。你需要的是一段可以直接贴进邮件正文的文字,还是一个带图表的PPT大纲?是一篇可以发表的公众号文章,还是一份内部传阅的备忘?
第八问,使用者拿到这份东西之后,下一步具体要做什么。下一步动作决定了内容的接口设计。如果拿到这份分析后,你要用它来开一场会,那它就需要有明确的结论和待决策事项;如果它是用来发给客户的价格方案,那它就需要留出让销售灵活调整的空间。AI不知道你后面的动作,除非你告诉它。
这八个问题串在一起本质上做了一件极其重要的事:把你的模糊意图,翻译成AI能听懂的精确指令。它们看似简单,背后考验的却是对业务的理解深度、对组织节奏的把握能力,以及把复杂需求结构化的表达功夫。一个只会对AI说写得好一点的人,和一个能清晰描述受众、场景、约束和交付标准的人,拿到的结果天差地别。
更深一层说,这八问的价值甚至超出了AI工具的范畴。在任何协作中,向下属布置任务、向乙方提需求、跨部门推动项目,模糊的需求都是效率的最大杀手。AI只是把这个问题放大了,因为AI不会追问,不会察言观色,不会根据你的表情猜测你真正想要什么。就想一个全科满分的实习生。它只会严格按照你输入的信息执行。需求越清晰,它的执行力越强;需求越含糊,偏差越大。
所以花十分钟把这些问题在心里过一遍,往往能让你省下后面几个小时修改和返工的时间。真正会用AI的人,和那些会写花哨提示词的人不同。他们能在开口之前,就把问题想透彻、把边界画清楚、把价值点明。技术降低了执行门槛,却把思考门槛抬得更高了。这个门槛,谁也替不了。
下一次当你打开AI对话框,准备让它帮你写点什么的时候,别急着敲下第一个字。先停十秒,想想这份东西给谁看、要解决什么、现在是什么处境、手里有什么牌、哪些红线不能踩、什么价值必须亮出来、最后要以什么形态交出、以及拿到它的人接下来要干什么。想清楚了,再按发送。那十秒的思考,AI会用一份真正可用的回应来回报你。
Vague requests are the biggest killer of efficiency. AI just makes the problem louder.
模糊的需求是效率的最大杀手,AI只是把这个问题放大了。
AI does not ask follow-ups. It does not read faces. It only follows what you typed.
AI不会追问,不会察言观色,只会严格按照你输入的信息执行。
Ten minutes clarifying a request can save hours of fixing later.
花十分钟澄清需求,能省下后面几个小时返工的时间。
Once the audience and problem turn fuzzy, AI starts throwing everything at the wall.
目标受众和问题定义一旦模糊,AI就会开启全方位撒网模式。
Giving AI your existing materials is like letting it stand on your shoulders to think.
给AI已有素材,相当于让它站在你的肩膀上做推演。
Every company has sensitive zones. If you do not draw lines, AI will cross them.
每家企业都有自己的敏感区,你不划边界,AI就会帮你踩线。
Values do not show up in AI output by accident. You must put them in first.
价值导向不会自动出现在AI的输出里,必须提前注入。
AI cannot guess if you need email text or a chart-filled slide outline.
你需要的是可贴进邮件的文字,还是带图表的PPT大纲,AI猜不到。
The next action decides how the content should be built.
下一步动作决定了内容的接口设计。
People who truly use AI well think problems through and draw clear lines before they speak.
真正会用AI的人,能在开口之前就把问题想透彻、边界画清楚。
Tech has lowered the bar for doing work, but it has raised the bar for thinking.
技术降低了执行门槛,却把思考门槛抬得更高。
Clearer requests make AI stronger. Fuzzier requests make it miss the mark.
需求越清晰,AI的执行力越强;需求越含糊,偏差越大。
AI's response is worth the ten seconds of thought you put in first.
AI的回应对得起你前面那十秒的思考。
A prompt is not magic. Clarifying needs is the real skill.
提示词不是咒语,需求澄清才是底层能力。
Asking AI to do better means less than first knowing what better looks like.
让AI写得好一点,不如先想清楚什么才叫好。
Timing and business context give the output its urgency and direction.
时间节点和业务背景,决定了输出的紧迫感和方向感。
The same analysis report is a completely different animal for a boss versus a board.
同样的分析报告,给直属领导和给董事会,完全是两个物种。
AI cannot guess what you truly want by reading your face.
AI不会根据你的表情猜测你真正想要什么。
The gap between fuzzy intent and clear instruction is filled by your business understanding.
从模糊意图到精确指令,中间隔着的是你对业务的理解深度。
The value of the eight questions is turning your thoughts into a job sheet the machine can read.
八问的价值,在于把你的想法翻译成机器能懂的作业单。