AI 什么都能做，为什么公司生产率没变？缺的不是模型，而是真正动手试过的人

同样的模型，结果却不同

9 月第四周，Anthropic 的 Claude Opus 5.5 和 OpenAI 的 GPT-6 Sol 在同一天相隔两小时发布（节目中崔承俊的说法）。模型是接收问题并生成文字、代码和图像的 AI 本体，这两款是两家公司的主力模型。崔承俊认为，最近这类模型平均每 70 天就会推出一次。

节目中，崔承俊说他一边和孩子聊天，一边用 Opus 5.5 在一天之内做出了一款角色扮演游戏，通关约需 2 小时。写第一条请求用了 10 分钟，生成出现村庄和相邻地图的第一版用了 20 分钟。他没有使用任何图片或音乐文件，角色图和背景音乐全部由代码生成。代码是计算机能理解的指令。

即便有了这样的工具，人们仍不断追问：为什么公司生产率没有相应提升？卢正锡的回答很简短。积极接受 AI 并用它做事的人多的地方，变化会一路发生；决定不这么做的人聚集的地方，给他们看什么都没用。所以这不是 AI 的问题，而是使用它的人的问题。

节目里还有这样的观察：广泛尝试 AI、较早察觉它能做很多事的人正在往前走；而观察一两年后发现，原本不这样的人最终也在逐渐转向大量使用 AI。变化终会到来，只是对每个人到来的时间不同。

三个卡点——四周课程中看到的

崔承俊说，在他最近结束的一门四周课程中，学生们做出了有趣的成果，但卡点也很明显。归纳起来有三个。

第一，不知道什么是可能的。他说打开上限很重要。先调查现在 AI 能做到什么程度并亲自实验，就会有可以模仿或应用的东西。不知道这些，即使身边有性能最强的模型，也只会按平时的程度使用。

第二，停得太早。他说有时不要太早踩刹车。有些阶段只靠反复说「帮我做」是过不去的，仍有一些阶段只有专注地硬推才能跨过。如果因为第一版结果不如预期就停下，就跨不过去。

第三，不懂术语，没法下指令。他举的例子是 Three.js 和 MediaPipe。Three.js 是在网页浏览器里绘制 3D 画面的工具集，MediaPipe 是从摄像头画面中识别手部和面部动作的谷歌工具。不知道这些名字，即使是 AI 能做的事，也无法写进请求。某个领域的专家熟悉该领域的概念、主要人物和历史，需要时可以调用；他担心的是初学者会整个跳过这个过程。

卢正锡接着说，这一观察不只适用于艺术创作，同样适用于公司和商业。

做了才看得见

崔承俊介绍了他在与模型对话时遇到的「认识性行动（epistemic action）」一词。意思是在俄罗斯方块中，要知道方块适合放在哪里，就得把它转一转。有些东西光在脑子里预测是看不到的，只有动手做才能看到。

卢正锡说，试过的人和没试过的人现在像油和水一样分开了。他还说，出差一周回来，世界在这期间一下子往前走了，让他感觉脑子跟不上。新模型推出的间隔越短，推迟亲自使用的代价就越大。

团队本周可以尝试的三件事

每一件对应一个卡点。在购买新工具或安排全员培训之前，把规模定在一位团队负责人本周内就能完成的程度。

第一，一起看别人做出的三个成果。找三个别人用本月发布的模型做的演示成果，在 30 分钟的团队会议上一起看。目的不是惊叹，而是每人写一句「如果我们的业务能做到这个程度，会有什么改变」。知道上限，请求的规模才会变大。

第二，先问 AI 需要哪些术语。用一句话写下想做的东西，先问要做出它需要了解哪些工具和术语。AI 先说出你不知道的名字，你就能把它写进下一条请求。反过来，我们业务中的专业术语是由我们告诉 AI 的。已经懂这些术语，正是一线人员的优势。

第三，把一项任务一改再改做到底。即使第一版不好，也不要马上放弃，具体指出哪里不满意，让同一项任务重做五次以上。哪里能过、哪里会卡住，只有这样推过的人才知道。

我不是开发者。我想用 AI 做出下面这件事。

[用一句话写想做的东西。例：每周汇总各客户订单量，并用表格和图表展示的画面]

告诉我要做出它需要了解的 10 个工具和术语。
每个都附上一句说明，以及我带着这个术语再次向你提出请求时可用的示例句。

本文的依据与局限

本文依据的是 AI Frontier Korea 第 116 期（2026 年 9 月 27 日录制，卢正锡、崔承俊、朴钟贤）的对谈。内容是三人的观察与意见，并非衡量公司生产率的统计。引语根据字幕按原意转述。

因此本文并不证明生产率不提升的原因，而是针对手握同样工具却结果不同的现场，整理出先试什么。「做了才看得见」这句话同样适用于本文。