第十二章：行动的开端

知道与做到

王阳明说”知行合一”——真正的知道必然转化为行动，不能转化为行动的不是真知。

这个观点深刻，但现实中知与行之间确实存在鸿沟。你可以知道AI很重要，但继续用旧方式工作。读过很多书、上过很多课、听过很多道理，真正转化为行动的只有很少一部分。

这一章要讨论的不是给你一套完美的行动计划——完美计划不存在，追求完美本身就是拖延的借口。要讨论的是：如何开始。

最常见的拖延理由是”在等准备好”。先把这个工具学透再开始，先把手头的事忙完再开始，先找一个更好的时机再开始。

问题在于：准备好是一种永远不会到来的状态。你永远可以学得更多一点、准备得更充分一点。

真相是：你不需要准备好才能开始，你需要开始才能准备好。

在真正做之前，你不知道自己需要什么。你以为需要的东西可能并不需要，你没想到的可能才是关键。只有开始之后，才知道什么是真正需要的，然后针对性地学习。这比先准备好再开始高效得多。

沃顿商学院教授Mollick给过一个具体建议：花10个小时认真使用AI工具。不是听说读写，是实际动手，带着真实任务去用。10个小时之后，你对AI能做什么、不能做什么会有真实感受。可以分散在两周内，每天半小时到一小时。

AI使用有类似外语的”手感”。什么样的问法效果好？什么时候该换个角度？什么任务适合交给AI？这些判断不是看教程学的，是在反复使用中积累的。用得多了，手感自然就有了。

AI能做的事太多，从哪里开始？三个原则帮你选切入点。

从你最熟悉的领域开始。在熟悉的领域你有判断力——知道什么是好结果、能识别AI犯的错误、能把AI输出和专业知识结合。在不熟悉的领域你没有这个判断力，只能被动接受AI的输出。

从重复性高的任务开始。你以前做过很多次，知道正常结果什么样，能立刻判断AI做得好不好。而且重复性高意味着优化后节省的时间会累积——一个每周做一次的任务，优化后一年省几十个小时。

从失败成本低的事情开始。内部的、不对外的、可以重做的任务。先用AI写内部日常邮件，而非给大客户的重要提案。在低风险任务上积累经验，再扩展到更重要的任务。

三个原则的交集就是理想切入点：你熟悉、高频、做不好也没严重后果。在你自己的工作里找那件”每周都做、闭着眼睛也会做”的事，从那里开始。

开始之后，你会发现自己在两种模式间切换。

探索模式：目标模糊，方向不明，好奇驱动。广泛浏览、随机尝试，跟着兴趣走。探索的价值在于帮你发现你不知道自己不知道的东西——有些最好的想法来自漫无目的的试用。用本书的框架来说，探索是在培养可能性认知——你不知道AI能做什么，试了才知道。

执行模式：目标明确，路径清晰，效率驱动。针对特定问题，减少试探，直接推进。执行是在锻炼连接能力——把问题和AI对接，把想法变成结果。

典型节奏是：先探索一段时间，发现一个有价值的方向；切换到执行模式集中推进；做成之后有新的好奇，再切回探索。两种模式互补——探索给执行提供方向，执行给探索提供反馈。第十章讲的专注力在这里起作用：它帮你判断什么时候该从探索切换到执行，也帮你在执行过程中不被新的诱惑拉走。

问题出在两个极端。永远在探索——知道很多东西但什么也没做成。永远在执行——效率很高但视野越来越窄。健康的状态是两者都不为零。

AI时代的行动哲学是迭代而非完美。

第一次做一个最简单的版本，能用就行。看看效果，发现问题。针对问题调整，做第二个版本。再看效果，再调整。经过几轮，你会得到一个真正适合你的结果——而且这个结果比你一开始想象的更好，因为每一轮迭代都带来了规划时想不到的信息。

追求第一次就完美的人，会花大量时间在规划和准备上，做出来的东西反而不符合实际需求——因为规划基于想象，不是基于实践。AI让这个道理变得更突出：让AI帮你做一个粗糙的初版，只需要几分钟，但它带来的信息量比你坐在那里想两小时多得多。

同时也需要耐心。几周后你对某些AI工具已经很熟练，几个月后有了自己的一套工作流程，半年到一年后工作方式和以前完全不同。这是渐进过程，不是突变。每天一点点，变化会自然发生。

知行之间的鸿沟，不是靠更多的认知来填的，是靠一个具体的行动来跨的。从你最熟悉的、重复性高的、失败成本低的任务开始，在探索和执行之间找到节奏，接受迭代而非追求完美。最难的是第一步，一旦开始，惯性就碎了。