加班到这个点，多半不是活多，是这三件事一直在重复做

先不聊 AI。

把一个典型的知识工作者一周做的事拆开看，会发现一个规律：真正需要判断力的工作时间可能只有三分之一，剩下三分之二都在做机械性的转化——把想法变成文字、把文字变成 PPT、把数据变成表格。

这部分工作不是不重要，是不该由人一遍一遍从零开始做。

任务一：写东西——从空白页到有初稿

方案、周报、邮件、通知、总结，这类文本工作的痛点是"开头最难"。对着空白文档发呆半小时，实际写起来只要四十分钟。

把这一步交给 AI 之后，流程变成：

• 你提供要素：背景、对象、目的、要点、格式要求

• AI 产出结构完整的初稿

• 你在初稿上改，改的是判断和细节

关键不在于 AI 写得比你好，而在于它不需要"热身"。 一秒钟就有 60 分的初稿，你的时间全部花在把它改到 90 分上——这部分才是只有你能做的。

一个实操提醒：把你过去写得好的文档存成模板，连同这份文档一起给 AI，让它照着结构和语气写。这比任何提示词技巧都管用。

任务二：做材料——PPT 的结构和配图

做 PPT 最耗时的两个环节是搭结构和找素材。

AI 在这两个环节上都能直接帮上忙：

• 讲清汇报对象、汇报时长、核心结论，让它生成 10 到 15 页的逐页大纲，含每页要点

• 需要配图或示意图时，用文字描述直接生成

• 已有文字材料时，可以要求它提炼成"每页一个观点 + 三条支撑"的结构

要注意的是：不要期待 AI 一步做出可直接演讲的成品。 它的价值在于把"从 0 到 60%"的结构搭好，剩下的视觉统一、重点标注重排，仍然需要人来把控——这部分恰恰是汇报水平的分水岭。

任务三：处理数据——清洗、分析、出图

这一块最容易被低估。

常见的重复劳动：多个表格要合并、格式不统一要手工调整、要按不同维度出图、要写公式。这些以前要么手工干，要么找 IT。

现在的做法是：用自然语言描述你要的结果，让 AI 给出处理步骤和公式，你验证后执行。 比如"这三列日期格式不统一，帮我把它们统一成 2026-09-23 这种格式，并说明操作步骤"，比自己在论坛里翻半小时快得多。

但这里有一条底线：涉及数据的判断必须自己复核。 AI 擅长给方法，不适合替你承担数据准确性的责任。

比工具更重要的两件事

第一，把任务按"判断含量"分类。

拿到一项工作先问一句：这件事里有多少是需要我判断的？判断含量低的部分打包交给 AI，高含量的部分自己专注做。这个分类习惯，比学十个工具都值钱。

第二，建立自己的"素材库"。

过去写得好的方案、被表扬的汇报、常用的表述方式，都存起来。给 AI 提供参考样本，比反复调提示词有效得多——你的历史成果，就是最好的提示词。

我们课里怎么讲

礼明讲堂《AI 赋能职场 · 高效办公实战技巧》是两天的线下小班课，布谷学长主讲。内容不做工具罗列，而是按上面这三类真实任务走：每个场景都是"带着你自己的活儿练，当场出结果"。

覆盖的是 10 个主流 AI 模型的用法差异，以及 6 类核心办公场景。小班的好处是可以针对你所在岗位的实际工作流调整，而不是听通用案例。

两天的投入，换的是这三件事不再从零开始——省下来的不是几十分钟，是你每天最清醒的那段时间。

最近一期在哪个城市开班、档期和费用，看这个页面：

想先了解排期和费用？