5月10日，我最倚重的 AI 助手突然停摆了。

我去后台一看，才发现给它预存的一个月“口粮”已经烧光了。再让另一个 AI 助手帮我复盘，结果让人哭笑不得：90% 的 token 都消耗在无意义的输入上，真正调用核心智能的部分还不到 10%。

100 美金，就这样打了水漂。更要命的是，任务才刚开个头，连像样的产出都没有。

这件事让我一下警觉过来：

问题不只是“AI 没用好”，而是我根本还在用旧脑子做新事情。

当我开始同时调动多个 AI 助手工作时，我面对的已经不是“用工具”，而是在管理一个微型组织。可我的工作方式，仍然停留在单兵作战：想到什么就扔给 AI，一边做，一边改，一边补，一边救火。结果不是效率提升，而是资源空转、进度失控、产出失真。

我突然意识到，自己还在用单兵作战的脑子，去带一个已经像公司一样运转的系统。

15 年前，我刚进入 IBM 时，第一件事就是接受系统的项目管理培训，之后才正式担任项目经理。那时我知道，带团队做事，不能只靠热情和聪明，必须靠流程、分工、节奏和复盘。

可到了今天，面对一群 AI 助手，我反而把这些最基础的东西抛在了脑后。

这次 100 美金换来的，不只是一次失败，更是一次认知升级：

当你开始同时调动多个 AI 工作时，你已经不是在用工具，而是在带一个系统。项目管理，也不再只是专业岗位技能，而是普通人的职场生存技能。

一、为什么 AI 一来，项目管理就成了生存技能？

很多人以为，AI 时代最重要的是学 prompt、学工具、学模型。

这些当然重要。

但真到了多 AI 协同的场景里，你很快就会发现，真正决定效率和产出的，已经不是“你会不会用某个工具”，而是：你有没有能力把一套人机协作系统管起来。

以前你用一个工具，只需要关心“怎么把它用熟”；

现在你同时用多个 AI，就必须开始关心另一件事：怎么让它们各司其职、不互相打架、不把资源白白烧掉。

你要分任务，控节奏，盯进度，做校准，还要把不同 AI 的输出整合起来。

这件事，说到底，已经不是工具使用问题，而是项目管理问题。

更关键的是，风险也变了。

以前你用错一个工具，最多只是返工。

现在如果没有管理意识，多个 AI 会一起把你拖进混乱：有人在空转，有人在跑偏，有人在重复劳动，你却以为事情在推进。等你发现不对时，时间、钱和注意力，往往都已经烧掉了。

我这次就是这样。表面上看，是一个 AI 助手失控；本质上看，是我根本没有把这件事当成一个项目来管理。

二、AI 协同里，最容易踩的 3 个坑

很多人和 AI 协作时，问题不在于不够努力，而在于从一开始就掉进了几个很常见的坑里。

1. 一上来就干，却没想清楚要怎么干

这是最常见的坑。

看到 AI 能写、能搜、能分析、能拆解，就马上开工。结果目标没有定清，边界没有划清，任务没有拆清，只是一股脑把问题丢过去，指望 AI 自己跑出结果。

我这次就是典型。

给了很多输入，看起来很忙，实际上大量 token 都消耗在低价值的来回试探里。钱花出去了，项目却没有真正推进。

说白了，不是 AI 不行，而是根本没立项就开工了。

2. 该谁干什么，没有分清楚

这也是很多人和 AI 协作时最容易糊掉的地方。

哪些事适合 AI 先做，哪些事必须人来拍板，哪些环节可以交给 AI 起草，哪些地方必须人工把关——这些如果不事先想清楚，后面就会越来越乱。

最典型的状态就是：

该自己做判断的时候，想偷懒甩给 AI

该交给 AI 跑细节的时候，又忍不住自己上手

最后两边都很忙，两边都不高效

这不是 AI 能力问题，而是分工问题。

3. 过程已经失控，人却还没发现

这是最容易烧钱、也最容易让人产生错觉的一种坑。

AI 和人不一样。

它不会主动告诉你：“我现在跑偏了。”

也不会提醒你：“你给我的任务太模糊了，继续做只会越来越浪费。”

如果中途没有检查点，没有校准机制，没有成本和质量的基本监控，事情表面看起来在推进，实际上可能早就偏了。

我这次最大的教训，不是最后产出不好。

而是过程早就失控了，我却直到“口粮烧光”才反应过来。

这就是 AI 协同最危险的地方：

你以为它在工作，实际上它可能只是在消耗。

三、AI 协同，至少要有一套最小可用的项目管理框架

说到底，AI 协同不是不能试错。

问题不在于试错，而在于有没有框架地试错。

如果让我把这次教训压缩成一套最小可用的方法，我会保留三步。

1. 开始前先分工

在让 AI 真正开跑之前，先把三件事想清楚：

这件事到底要做成什么样，才算成功

哪些任务适合交给 AI，哪些必须由人负责

不同 AI 之间怎么衔接，人在哪些节点必须介入

这一步看似慢，实际上最省钱。

很多后面的混乱，都是因为前面没分清。

2. 中间不断校准

AI 不是设置好就能一路跑到底的机器。

它更像一个执行速度很快、但方向需要不断校准的协作对象。

所以过程中至少要盯三件事：

进度是不是还在正确方向上

产出质量是不是达标

成本是不是在可控范围内

发现跑偏，及时改 prompt、改任务、改分工，而不是等最后一起返工。

3. 结束后把经验留下来

很多人和 AI 协作，做完就算完。

这是非常可惜的。

真正有价值的，不只是那一次产出本身，而是过程中沉淀下来的经验：

哪种 prompt 真正有效

哪个模型更适合哪类任务

哪些环节最容易失控

哪些分工方式最省时间和成本

这些东西如果不留下来，下一次还得从头踩坑。

留得下来，AI 才会越来越像助手，而不是越来越像黑箱。

结尾：AI 多了，你该学会当自己的项目经理

回头看，这 100 美金其实买来了一句话：

AI 时代，项目管理不再只是管理者的专业素养，而是每个职场人的必备生存技能。

因为未来，很多人都将不再只是“单兵作战”，而是一个人带着若干个 AI 智能体，像一个团队、一个组织那样工作。

---

作者：岳三峰，组织发展与领导力教练，致力于研究AI时代的组织管理