AI工作方法 / 信息精炼
AI时代，最稀缺的能力不是生成，而是精炼
当所有人都能批量生成文档，真正拉开差距的，是判断什么应该留下。
林万劲的AI思考 / 2026.08 / 约1700字
最近我越来越不担心“没有内容”，反而开始担心内容太多。
AI可以快速生成报告、方案、会议纪要、分析材料和各种看起来很完整的文档。过去需要几天完成的材料，现在可能一个小时就能做出来。
但人的阅读速度并没有同步提高。一天还是只有24小时，一场会议还是只有几十分钟，管理者能够分配给一份报告的注意力，甚至变得更少了。
核心判断
AI时代，人最重要的素质可能不再是生成，而是精炼。
怎么用最短的篇幅，把一件复杂的事情讲清楚？怎么从大量信息中找出真正重要的部分？怎么让别人看完以后，马上知道应该做什么？
这些能力正在变得越来越稀缺。
精炼并不是简单地少写几个字。它更像是一种判断力：什么必须保留，什么可以删除？什么应该放在第一屏，什么只需要在读者想深入时再展开？什么是事实，什么只是看起来很专业的噪声？
真正好的表达，是把复杂留给生产过程，把清晰留给读者。
01
今天，我做了一份很长的AI研究
今天，我研究了企业10个核心岗位中已经成熟落地的AI解决方案。为了让不同岗位能够横向比较，我设计了22个统一字段，整理了164个去重公开来源。
如果只是追求“生成内容”，做到这里其实已经完成了。我已经得到了一份很长、信息密度很高的研究报告。
但我很快意识到，报告完成了，不代表工作完成了。
真正阅读这份报告的人，可能只想快速知道几个问题：哪些岗位应该优先投入？哪些AI场景已经大规模商用？哪些只能小范围试点？什么情况下应该用Copilot，什么情况下可以尝试Agent？企业怎么判断投入产出比？
如果读者必须先读完几万字，才能找到这些答案，那么研究做得再完整，决策成本依然很高。
于是，后半段工作不再是继续增加内容，而是不断做减法。
我把AI成熟度统一成L1到L4，把企业投入建议整理成P1和P2，把长报告转换成可以搜索、筛选和折叠的网页。重要结论直接展示，岗位细节按需展开，原始来源放在更深一层。
最后，我又把网页、图片和完整报告全部压进一个HTML文件。同事收到以后，只需要双击打开。这个过程表面上是在做网页，本质上是在不断减少阅读和分享的阻力。
02
AI擅长扩展，人必须负责收敛
AI天然擅长扩展。给它一个主题，它可以继续补充观点、案例、框架、表格和背景。如果不加控制，一份10页的材料很快就会变成50页。
而人真正应该承担的责任，是收敛。
哪一个结论最重要？哪些证据足以支撑判断？哪些细节虽然正确，但会干扰读者？讲到什么程度就已经足够？
如果缺少这种判断力，AI越强，产生的信息浪费可能越多。我们会得到越来越多结构完整、措辞专业、排版漂亮的文档，但它们未必让决策变得更容易。
所以我现在判断一份报告好不好，不再首先看它包含了多少内容。我更关注的是：它有没有降低读者的决策成本？
03
这也是企业使用AI时最容易忽略的问题
很多企业讨论AI，习惯统计有多少应用场景、部署了多少Agent、生成了多少内容。
但数量并不等于价值。一个部门列出50个AI应用场景，可能不如先做好3个高频、可验证、低风险的任务。一个Agent能够跨越十几个系统，也不代表它比一个稳定完成客服摘要、CRM回填或发票匹配的工具更有价值。
AI落地同样需要精炼。不是寻找更多场景，而是找出最值得投入的场景；不是追求更多功能，而是明确哪些功能真正改变业务结果；不是生成更多报告，而是让信息更快进入决策。
当内容生产成本大幅下降以后，企业真正稀缺的资源，将变成注意力、判断力和取舍能力。
问题
我们是在用AI制造更多信息，还是在用AI降低真正的决策成本？
04
生成力会逐渐普及，精炼力决定差距
未来，大多数人都会拥有很强的内容生成能力。报告、方案、图片、网页和视频，都会越来越容易生产。
真正拉开差距的，可能是另一种能力：能不能从大量生成结果中，留下真正重要的部分？能不能用一句话讲清核心判断？能不能让复杂内容按照读者需要逐层展开？能不能把一个庞大的工作过程，压缩成别人拿到以后马上能用的交付物？
AI可以参与扩展，也可以帮助压缩。但最终保留什么、删除什么、强调什么，仍然需要人承担责任。
今天，我最终交付的是一个单文件网页。
但这次实践带给我最大的感受，不是AI能够生成多少东西。
关键结论
AI时代，我们需要学习的可能不是如何说得更多，而是如何在拥有更多信息以后，依然能够说得更少、更准、更清楚。
林万劲的AI思考
