前阵子和一个做HR的朋友吃饭，她说了件让她很困惑的事。

她在给部门招一个运营岗，要求里写了"能用AI工具辅助工作"。结果简历看了一百多份，写"熟练使用AI"的超过九成，感觉挺好招的。但面试下来，她越来越疑惑：每个人都能展示一篇AI生成的方案，但只要追问一句"如果这份报告每个月都要出，你会怎么用AI把这个流程固定下来"，就开始卡壳。

最后她招到了，但花了比预想多一倍的时间。她的总结就一句话：会用AI，和会用AI工作，是两件完全不同的事。

这个观察放到更大的背景里，就是一个越来越明显的矛盾。AI工具的用户规模已经很大了——QuestMobile数据显示，2025年8月移动端AI应用整体规模达到6.45亿，还在持续增长。

但企业那边一直说招不到"真正会用AI工作"的人。用AI的人越来越多，AI人才反而越来越稀缺——这个悖论，背后有个很清楚的解释。

财务部门的一道测题

有个场景挺典型的：很多企业在做内部AI能力摸底时，把题目换成两道——第一道是"用AI写一份月度分析报告"，大多数人都能交出一份看起来像样的东西；第二道是"用AI设计一套标准化的月度报告输出流程"，能过关的人少了很多。

差距不在于有没有用过AI——差距在于有没有想过把工作定义清楚。第二道题要求的是：确定输入数据的字段名称和格式、定义输出报告的结构和模块、设定关键数字的核验规则（同比环比超出多少算异常）、写清楚数据缺失或出错时的处理逻辑。每一条单独看都不难，但大多数人从来没想过要做这件事。他们的AI用法是"每次临时问一下"，而不是"把这件事规范好、所有人都能复现"。

这个差距，让我想到了CAIE注册人工智能工程师认证在课程设计上做的一个分层：从"会跟AI交互"到"能稳定产出"，再到"能设计流程"，对应的是三个层次完全不同的AI应用能力。同一场景下，处于不同层次的人，解决问题的量级真的不一样。

三层，差的不只是技巧

第一层：能问。 知道打开AI，能把需求大致说出来，能拿到"基本能用"的输出。这是六亿用户里绝大多数人的现状，也是简历上写"熟练使用AI工具"通常对应的水平。问题是，这一层的输出不稳定——换个说法结果差很多，换个时间又不一样，很难复现、很难交付给别人。

第二层：能稳定产出。 开始有质变了。知道怎么写Prompt才能控制输出格式，能让同样的任务每次拿到格式统一、风格一致的结果。不再是"随缘问问"，而是有意图地设计输入、预期固定输出。上面说的那道测题里，大多数人能生成一篇报告，但格式飘忽、数字不核验，属于"可用但不可靠"的状态——这就是卡在第一层和第二层之间。

第三层：能设计流程。 这才是企业真正在找的人。不只是能完成一个任务，而是能定义一套任务：输入从哪来、格式是什么、AI处理哪些步骤、输出给谁用、谁来核验、异常怎么处理。第三层的人做的不是"用AI"，是用AI搭一个可以反复运行的系统。

同样是财务分析：第一层的人能写出一篇报告；第二层的人每次写出来的报告格式都差不多；第三层的人能让整套流程自动跑，数据抓取、分析生成、异常标记全自动，只在有问题的地方才需要人工介入。解放的工时，不是一点点的差距。

企业评AI能力，为什么一直评不准

问题是，很多企业根本不知道该怎么评这件事。常见的面试方式还停留在："你用过哪些AI工具？""给我看看你用AI做过什么成果。"

这两个问题有个根本缺陷：测的是经历，不是能力。 用过DeepSeek，说明知道这个工具；展示了一篇AI写的文章，说明会用AI写文章。但这和"能不能定义一个稳定的AI工作流、设计异常处理逻辑"，整整差了两层。

还有一个更大的问题：工具在换代，经历没法沉淀。今天问"你用过DeepSeek吗"，明年就得换个名字再问一遍。工具会变，但任务设计能力、输出控制能力、流程规划能力这三件事，不会因为模型换代而过时。 企业如果只看"用没用过某个工具"，评估标准永远在追热点，永远找不到真正想要的人。

真正应该评估的，是从任务描述到流程设计的完整思维链——候选人能不能把一个模糊需求拆解成清晰的AI任务？能不能约束输出、核验结果？能不能处理异常？这些才是可迁移、不过时的核心能力。

翻CAIE注册人工智能工程师认证的考试大纲，就能看出这种设计思路：Level I里专门有"面向产出的思维能力和AI交互""Prompt设计与多模态应用"等模块，测的是输出控制力和稳定交付能力；Level II进阶到"大语言模型及智能工作流"和"企业大语言模型的四类工程实践"，对应的正是第三层"能设计流程"的系统化能力。不考你用过什么工具，而是考你面对实际任务时怎么处理。

CAIE认证还专门推出了一套AI能力测评，围绕AI基础认知、Prompt设计、多模态、工作流、Agent等维度评估，给出能力短板分析和个性化学习建议。对企业来说，这套评估维度其实是个可参考的框架：与其问"你用过哪个工具"，不如对照这些维度做能力画像，评估结果会准确很多，候选人的真实水平也更容易看出来。

工具会换，这三件事不会

回到最开始那个悖论：为什么用AI的人越来越多，企业还是说缺人？

不是工具不好用，也不是大家不努力——是大多数人停在了第一层。工具越来越强，进入门槛越来越低，但进门之后该怎么走，没有工具能替你规划。

第三层的能力不需要会写代码，不需要技术背景，需要的是一种工作方式的转变：从"用AI回答我的问题"，到"用AI执行我设计好的流程"。一旦这个思路确立，再换什么工具都能快速上手；停在第一层，换再多工具也只是在"能问"里打转。

麦肯锡的一份调研，统计了过去一年AI对各职能员工规模的影响。结果是：从人力资源、服务运营、供应链到软件工程，几乎每个职能都出现了"减少"压过"增加"的局面——而且未来一年的预测，这个趋势还会加剧。（数据来源：麦肯锡）

这不是在说AI把所有人都替代了，数据里每个职能也都有"增加"的部分。真正的信号是：执行重复性工作的岗位在收缩，能设计和驾驭AI工作流的岗位，才是增量所在。 用AI的人遍地都是，但用到第三层的人，依然是稀缺的。

能问只是起点。工具会换，这件事不会。