团队要会用 AI，先做这 4 件事｜吴恩达

全文 3,000字 | 阅读约 8 分钟

(吴恩达谈智能体AI：真正的竞争力不在技术，在应用)

先说结论。

团队会不会用 AI，比 AI 有多强更重要。

Claude 会规划任务，Replit 能一键上线产品，GPT 能自主调试修复代码。AI 能力飞涨，但很多团队却越来越用不好。根本原因不是技术不到位，而是流程断、节奏乱、团队跟不上。

吴恩达看得很透。

这位被称为 AI 领域的先驱者，早年创建 Google Brain 和 Coursera，现在主导 AI Fund，持续推动 AI 创业生态。他强调：“真正重要的是能否将 AI 真正融入工作流程，让团队每个人都掌握 AI 技能。”

在 8 月21日的一场播客里，他抛出关键判断：

AI 智能体正在重写创业与组织（Agentic AI is rewriting startups and organizations）。

AI 已成基础技能，不再是可选项。无论工程师、PM还是前台，都必须掌握 AI 工具。他本人表示：“不喜欢‘vibe coding’这种玄学式说法，真正的智能体系统需要明确任务、状态记忆、可追溯评估，核心是解决实际问题。”

这种变化，企业在经历，大学也在经历。

在接受埃克塞特大学荣誉博士学位时，他强调：学校不能只盯着“AI 会不会被用来作弊”，更该想“如何把 AI 融入每一个学科、每一种能力的培养”。他说：

“企业在 AI 化，大学也必须 AI 化。”

换句话说：人才和流程，要同步升级。

那么，一支真正会用 AI 的团队，到底该怎么打造？

根据吴恩达的实践总结，关键是这4件事。

第一节｜干得完一件事，比会写提示词更重要

AI 不只是智能回答，更是智能执行。

吴恩达说：

我们要把注意力从模型输出什么，转向它能不能真正把事做完。

他最推崇的一个例子是 Claude Code。 这个 AI 编程助手，已经能自己制定开发计划、分步骤写功能、检查逻辑，再一项一项执行。吴恩达说：

“它能列出完整清单，一步一步执行，是我见过最接近真正自主的 AI 工具之一。”

重点不在于它“多聪明”，而是能不能完成全流程任务。 这才是他定义的“智能体 AI”真正含义：不再是对话工具，而是任务执行者。

但现实中，大多数团队还停留在“问一句，回一句”的阶段。 代码写出来了，能不能部署？任务分了，有没有验证？文档生成了，能不能存档？没有流程打通，AI 只能演示好看，做不了实事。

吴恩达强调：“工程效率不只看模型响应，而是看流程能不能闭环。”

他举了个真实例子：

“很多工作流程，是从用户发来一个 PDF 开始。你要识别内容、查数据库、核对信息、再转交审批，然后存档或打款——但几乎没有哪个团队，真的把这几步用 AI 串起来。”

这不是什么高深问题，而是没人把它当流程来设计。

所以他说现在的难点不是 AI 本身，而是：

“团队要能明确告诉 AI：要干哪几步，每一步的标准是什么，怎么知道做得对。”

而不是靠“试试看”、“它大概能行”。

在他看来，Claude Code 之所以好，不仅仅是模型多聪明，而是它能完整把握任务的全貌。

同样的能力，Replit 也做得不错。很多 AI 工具写出代码后，还能直接运行，甚至自动调试，这才是真正落地——不是写完就结束，而是干到最后一环。

这背后其实是一个转变：

你不能把 AI 当搜索引擎用，而要当会做事的助手用。

如果不能完成从“语言生成”到“实际执行”的转化，那它就还是一个高级玩具。

所以，团队真正要做的第一步，是把任务分解到位、流程打通、让 AI 真正干一整件事。 不是问它一句话，而是告诉它：

• 要做什么；

• 分几步做；

• 每步要达到的效果。

如果你做不到这些，再聪明的 AI 也白费。

第二节｜少招人，多调 AI：工作方式要跟着变

如果说上一节讲的是“AI 能不能干”，这一节讲的就是：团队有没有能力“让 AI 干”。

很多公司现在最大的问题不是 AI 工具不够，只是尝尝鲜而已。

吴恩达抓住了要害。他说：

“有工程师找我，说‘我需要 5 个工程师做这个项目’。另一个团队的人说：‘我需要 5 个 AI 组件来做这个任务’。”

两个请求，背后思路完全不同。前者靠堆人力，后者在用工具。

他在 AI Fund 实践的方式是：孵化 AI 公司，但不是靠招一堆人，而是把先搭建 AI 执行体系。

“以前需要 6 个工程师 3 个月完成的功能，现在我和一个朋友周末就做出来了。”

他还发现了一点：团队越小，越容易落地 AI。

不是因为人少效率高，而是小团队更容易统一认知，更快尝试，把 AI 真正融入日常工作。

相比之下，大多数组织还停留在“让 AI 加个功能”的阶段，没真正养成用 AI 做事的习惯。

吴恩达指出，很多团队的协作流程，还是老样子：

“你做一个文档，我再过来提建议，然后再找人改一下，然后发邮件问老板要不要看。”

但在 AI 协作里，方式变了：

• 文档可以由 AI 初稿起草；

• 审阅可以由模型先提风险；

• 沟通可以直接在平台上完成自动提醒和整合。

这就不再是替代某个环节，而是把 AI 当作“执行资源”来组织。

所以他强调：

组织现在最需要的，不是更多人，而是更好地使用工具的能力。

他用一个类比特别贴切：

“以前，你是雇一个人来帮你；现在，是用一套工具，把人手省下来，把时间节省出来。”

真正懂得怎么用 AI 的公司，不是看谁招聘得多，而是看谁能组建有效的AI 工具组合。

这组工具可能包括：

• 一个处理客户请求的对话模型；

• 一个会分析 PDF 的文档助手；

• 一个会搜索法规数据的内容审查工具；

• 一个自动做图、排版、存档的小工具。

听起来像很多？吴恩达说：这些不是工具箱，而是你组织里真正能干事的智能助手。

所以他现在看项目，不再问你招了多少人，而是问你的 AI 能力是否到位。

“我们看团队能力的时候，越来越关注：这个团队有没有设计出一套流程，是可以让 AI 帮着跑下来的。”

所以这节的重点是：

不是团队大不大，而是你有没有把 AI 当成资源调动起来。

不是上了几个插件，而是从组织架构设计之初就考虑 AI 的实战能力。

第三节｜不是产品做不出，而是 PM 跟不上 AI 的速度

在 AI 的帮助下，代码写得越来越快，产品功能上线越来越容易。

但问题也随之而来：工程快了，产品团队反而成了慢的一环了。

吴恩达说：

以前做个原型可能要 3 周，现在 1 天就能做完。 但你还要花 1 周去拿用户反馈，就拖慢了整个进度。

他接着指出，现在很多产品团队其实没准备好应对快节奏。 尤其是产品经理（PM）这个角色。他们很多人还在按照旧的思维方式工作。

以前节奏慢，PM 可以慢慢做调研、画流程图、写文档、排期。 但现在，AI 工具让“写出来”变得不难，真正难的是：决定要不要写、要怎么改。

吴恩达一针见血地说：

“现在的瓶颈，已经从写代码转移到了产品决策。”

也就是说： 以前一个想法要落地，是卡在做得出来？； 现在的问题变成了——“你到底想做什么？”

他还提到自己亲历的一个教训：

“我早年尝试让一些工程师转型做产品经理，给他们培训流程和工具。 但最后发现，那些人其实非常聪明、技术很强，只是他们不是那种能站在用户角度思考的人。”

他说那次尝试失败得很清楚：不是流程学不会，而是缺少同理心。不能站在用户角度，做出的产品就容易偏离需求。

“我发现，一个优秀的 PM，往往不是最会写文档的，而是最能快速理解用户的人。”

而在 AI 时代，这种能力变得更重要了。

因为工具会越来越通用、执行会越来越自动， 真正让每个团队做出差异化的，是： 谁更快找到对的方向，谁更快试出有价值的功能。

他甚至说，现在的团队节奏，有点像打篮球快攻：

“你没法花很多时间想清楚每一步，很多时候只能靠直觉下决定。”

所以他给产品团队的建议不仅仅是去学更多工具，而是：

建立用户的心理模型，快速试、快速改。

不是去琢磨 AI 多强，而是去感受用户真正的需求。

因为 AI 把技术上的门槛降下来了，也把产品上的要求提上去了。产品人如果跟不上这个节奏，就会变成拖后腿的环节。

第四节｜真正有用的人，会用 AI 把事做完

今天的 AI，不只是工程师的事。

吴恩达说得很直白：

“不是每个人都要会写代码，但每个人都要能清楚地告诉 AI，要它帮你干什么。”

他观察到，现在很多非技术岗位，还是把 AI 当成搜索引擎在用，问几句就没下文。 但真正会用的人，是能把 AI 变成日常动作的一部分。

他说：

“我们团队的 CFO、法务、前台助理，都在学习 prompt。因为只要你会清楚表达任务，AI 就能替你做很多工作。”

这不是做给人看的，而是让 AI 真正进到流程里、分担你的负担。

比如：

• 财务可以让 AI 审合同草稿、提取付款信息；

• 行政可以让 AI 写活动通知、排日程表；

• 法务可以让 AI 查法规、比对合同、做初审标记。

不是每个人都要变成工程师，但每个岗位都应该配上“ AI 搭档”。

吴恩达还特别提醒：

“真正的生产力提升，不是来自工具本身，而是来自你有没有把它用在正确的地方。这背后考验的是 AI 思维。不是你能不能训练大模型，而是你能不能把事情梳理清楚、表达清楚、交给 AI 去做。”

在他看来，未来的职场竞争力，跟过去不一样了：

真正厉害的人，不是最聪明的，而是最会驾驭 AI 的。

你不用全懂技术，但你得：

• 知道有哪些工具能帮你；

• 会写出让 AI 听得懂、做得准的提示词；

• 能组合起几个小工具，把一个复杂任务干完。

他说，这已经开始改变组织招聘逻辑。

他举了一个真实案例：

“我们最近面了两个工程师，一个是工作 10 年、简历漂亮； 另一个是刚毕业，但非常熟练地用 AI 工具写代码、调试、部署。 最后我们选了那个新人——他虽然资历浅，但效率太高了。”

这不是个例，而是趋势。

会用 AI 的人，正在拉开效率差距。

结语｜不是谁最强，而是谁先用上 AI 干正事

吴恩达没谈“AI 取代谁”，他谈的是：谁先用好 AI，谁就走在前面。

他说：

最厉害的团队，不是技术大牛扎堆，而是 AI 深度融入业务。

真正的能力差距，已经不是有没有 AI，而是你有没有围绕它重组团队协作、产品节奏、角色分工。

AI 能力每个月都在升级，但一个团队能不能跟上，看的不是“懂多少技术原理”，而是做没做这四件事：

1. 能不能让 AI 真正干完一件事、

2. 能不能把流程接起来、

3. 能不能让决策配上执行速度、

4. 能不能让每个人都“带 AI 上岗”。

如果你还没开始，就从今天这四件事里，挑一件动手做。

记住吴恩达这句话：

“最有竞争力的，不是最聪明的团队，而是最会用 AI 的团队。”

本文由AI深度研究院出品，内容整理翻译自吴恩达相关访谈及公开文章。未经授权，不得转载。

星标公众号， 点这里 1. 点击右上角 2. 点击"设为星标" ← AI深度研究员 ⋮ ← 设为星标

参考资料：

https://www.youtube.com/watch?v=SYisFbhR7xs&ab_channel=NoPriors%3AAI%2CMachineLearning%2CTech%2C%26Startups

https://www.deeplearning.ai/the-batch/issue-315/

https://podcasts.apple.com/us/podcast/no-priors-artificial-intelligence-technology-startups/id1668002688

https://charonhub.deeplearning.ai/issue-314/

来源：官方媒体/网络新闻

排版：Atlas

编辑：深思

主编: 图灵