第九章：连接能力

连接就是翻译

想象力公式的第三项是连接能力——把问题和AI能力对接起来。

你看到了问题，也知道AI很厉害，但能不能想出具体方案让AI帮你解决？这个”想出方案”的过程就是连接。

说到底，连接是翻译。人的需求是模糊的、情境化的、带有隐含假设的。“帮我提高工作效率”是人的需求，但AI不知道怎么执行。“把这份50页报告总结成5个要点”是AI可执行的任务。从前者到后者，需要翻译。

这种翻译有三种基本操作：抽象、分解、类比。

抽象：从具体到通用

抽象是把具体问题变成通用类型。

你遇到的每个具体问题，都是某个更通用问题类型的实例。“每周给客户发个性化邮件”，抽象一下——“根据模板和变量批量生成文本”。一旦识别出这个类型，你就知道AI能不能做，因为AI的能力正是按类型描述的。

再看一个：审查合同找风险条款，法务的日常工作。抽象后是”根据特定标准分析长文本，识别符合条件的部分”。这是文本分析类任务，AI擅长。而且这个抽象还揭示了一件事——“审查合同”和”审查技术文档”从AI角度是同一类任务，都是根据标准检查文本。

不是所有问题抽象后都指向AI能做的事。“判断候选人是否适合团队文化”，抽象后是”基于模糊标准的主观判断”，这到了AI的边界。AI可以对比候选人背景和团队成员的相似度，但最终的”文化契合”判断需要人来做。

抽象的方法很简单：面对具体问题，问自己——剥掉所有具体细节，这个任务的内核是什么？试着用一个动词描述它：翻译、总结、分类、比较、生成、转换、提取。这些动词往往直接对应AI的基础能力。

分解：从大到小

分解是把复杂任务拆成AI可执行的小步骤。

与AI协作有个现象：让它一次性完成整个任务，效果往往不如分步来。“帮我写一本小说”，AI给你笼统的东西。“先帮我设计大纲，然后写第一章开头，然后扩展这个场景”——分步来，每一步都更可控。

原因不复杂。AI本质上是输入→处理→输出的系统。输入越清晰、范围越明确，输出越好。大而模糊的任务导致大而模糊的输出。

拿”帮我准备明天的客户演示”举例。分解后：总结上次与客户的沟通记录，提取关键点；列出这次演示应覆盖的议题；为每个议题准备要点；想几个可能的客户问题和回答；检查演示稿的逻辑和语法。每一步都是AI可以做好的小任务，串起来完成大任务。

分解的技巧是从结果倒推。想象最终要什么，往回推：要这个结果需要什么？要得到那个又需要什么？一直推到你现有的东西，步骤序列就出来了。每个步骤只做一件事，单一目标更容易执行也更容易验证。

类比：从别处到此处

类比是从其他领域的成功案例中获得启发。

你可能不知道AI能否帮你解决某个问题。但如果你知道AI帮别人解决了类似的问题，就有了起点。

“AI能帮律师审查合同”——你听说过这个案例。你做质量管理，工作包括审查流程文档。“审查合同”和”审查流程文档”，领域不同，但任务结构相同——根据标准检查长文本。所以AI应该也能帮你审查流程文档。

类比之所以有效，因为不同领域的问题往往有相似的底层结构。“客户服务机器人”和”内部IT支持机器人”，场景不同，结构相同——理解问题、提供解答。“分析财务报表”和”分析实验数据”，领域不同，结构相同——数据分析、识别模式和异常。一个领域的AI应用，往往可以迁移到结构相似的其他领域。

社会学家格兰诺维特做过著名研究：人们找工作时，往往通过”弱关系”而非”强关系”找到。好朋友知道的东西你多半也知道，但偶尔见面的老同学、行业活动上认识的人，他们处于不同信息圈，能带来你不知道的机会。这对连接能力有直接启示：跨领域的案例比领域内的案例更有价值。同事的AI用法你多半已经知道，但一个完全不同行业的人怎么用AI，可能给你最大的启发。

类比是假设，不是结论。基于类比形成想法后，还得实际试一下。它帮你找方向，但不保证方向一定对。

连接到市场

抽象、分解、类比，都是把问题连接到AI。还有一步同样关键：把你创造的价值连接到市场。

AI正在拉平执行力的差距。借助AI，大多数人都能写出及格的初稿，做出差不多的方案。执行力趋同之后，什么变得稀缺？

信任。

第五章的信任公式：信任 =（可信度 + 可靠度 + 亲近度）÷ 自我导向。AI时代，可信度的显性部分——写报告、出方案——可以借助AI提升，人与人差距缩小。但可靠度和亲近度——你是否说到做到、是否真正理解对方需求、出了问题是否扛得住——没法外包给AI。当大家都能借助AI做出差不多的东西，决定合作给谁的，越来越是判断力和人格信用。

这种信任在什么样的市场最有用？不是已经定型的饱和市场——那里位置被占满，信任靠多年关系网络。而是AI正在制造的大量”不饱和地带”——旧格局被打破，新需求涌现，位置还没被占满。AI降低了能力门槛，原来需要一个团队才能做的事，现在一个人借助AI就能完成，既有的分工结构被重新洗牌。不饱和意味着谁先看到需求、谁先拿出方案，谁就有先发优势。在这样的地带，资历没那么重要，眼光和行动力更重要。

一个设计师发现中小企业需要”AI辅助品牌设计”服务，这个品类三年前不存在。一个培训师开发了”非技术人员的AI协作课程”，针对传统行业管理者。一个自由撰稿人用AI把产能提高三倍后，从”接单”变成了”挑单”，进而开始定义自己的服务标准。他们的共同点是：没有在饱和市场排队，而是找到了不饱和的位置。

找到位置只是起点。走到深处，定义者往往会建立自己的圈子——你对某个领域理解足够深，能够定义问题、定义标准、定义方向，别人进入这个领域时参照的是你的框架。圈子不一定大，但里面的规则是你定义的。建立圈子最自然的方式是做了有价值的事，写下来分享。看到有人问”怎么用AI做某件事”，你恰好会，就回答。你解决的案例越多，圈子就在形成。

磨合

连接能力还需要心态上的准备。

第一次尝试用AI解决某个问题，往往不会成功。问题可能定义不清，分解不合理，或者任务本身超出AI能力。失败是正常的。每次失败都在告诉你连接在哪里断了——是抽象层次不对？分解遗漏了步骤？类比找错了方向？这种分析本身就在磨练连接能力。

连接能力是三项中最可刻意训练的。问题敏感度需要长期积累，可能性认知需要持续跟踪，但连接能力是一种思维模式，通过有意识的练习可以在相对短的时间内显著提升。平时看到AI应用案例，记住它解决的任务类型；遇到新问题时，试着抽象、分解、类比；用过AI后花几分钟回顾——什么做得好、什么可以改进。做多了，连接就从刻意变成自然。

连接能力把问题和AI能力对接起来，也把你的能力和市场对接起来。抽象帮你识别任务类型，分解帮你拆出可执行的步骤，类比帮你从别人的成功中找方向。而连接到市场——在执行力趋同的时代，凭信任和判断力找到属于自己的位置——是连接能力的第二层。

下一章讨论专注力。想象力帮你找到方向，但从发散到选择到落地，每一步都需要聚焦。