被AI“忽悠”了N次后，我们总结了这份避坑指南

本文来自微信公众号： 复旦管院 ，编辑：徐玉茹，责编：王菲妮，作者：小管，原文标题：《被AI“忽悠”了N次后，我们总结了这份避坑指南｜ 智能涌见》

近期，小管发起的一份“AI合伙人”体验小调查中，所有受访者都表示自己“每天或几乎每天”都在高频使用AI工具。比起“尝鲜”，AI更像一种已经融入学习、工作与生活的默认入口。

有人开始把AI当作灵感搭子、学习助手，甚至“第二大脑”；也有人逐渐意识到，AI最危险的地方，恰恰在于它“看起来太像正确答案”。它能给出逻辑严密、措辞漂亮的回答，也可能面不改色地“编造事实”；它能够疯狂提升效率，却也无形中在消融我们独立验证、深度思考的能力。

算法的终点是数据，但判断的终点永远是人。当AI越来越聪明，我们如何在一边享受高效率的同时，一边守住独立思考的底线、绕开算法的“陷阱”？

带着这些真实的困惑，我们邀请了6位管院同学，聊了聊他们与AI同行、见招拆招的相处日常。

拉宽人的能力边界

AI开始成为“第二大脑”

有没有一个让您印象特别深的AI使用经历？它当时具体帮您解决了什么问题？使用AI之后，您的学习、工作或生活习惯有没有发生变化？

复旦国际MBA项目丛腾：

我日常会用AI做一些股票市场、量化策略、公司行业等深度研究。从2024年开始用AI写代码，最早主要用Cursor，搭配Claude模型。那时候还没有Agent模式，AI大概能替代60%到70%的代码量，但很多细节还是需要自己一点点检查、修改。

到了2025年下半年，AI基本已经能完成90%以上的代码编写，不过人依然需要负责review，确认逻辑和实现有没有问题。

真正的转折点是在2025年底。随着Claude Opus更新，以及Agent能力的大幅提升，我开始大量使用Claude Code。慢慢地，不只是写代码这件事交给了AI，连很多原本需要人工review的环节也被省略了。尤其是在harness等概念出现后，Agent的准确率提升得非常明显。

复旦MPAcc项目吴敏：

比较有印象的AI使用经历，是我和小伙伴尝试用AI写代码，爬取数据分析自己买的基金产品表现，看看能不能搭一个可用的模型。这个想法源于张诚老师课程的期末作业启发。入学前我完全没有代码基础，小伙伴虽然有基础但也多年没碰了，好在AI编程能力越来越强，我们才开始尝试。

实际使用过程中，AI的智能性有明显边界：执行具体、目标清晰的单一任务时，它表现得很聪明，但一遇到没有明确细节、需要主观判断的地方就容易“卡壳”。所以目前还是需要人来把控整体框架和关键技术细节，AI更多是充当“副驾驶”。我们需要自己先设计好代码架构，比如数据抓取、模型、回测三个部分，每个部分还要给出明确要求，比如数据从什么平台抓取、如何存放等。

这个过程也倒逼我们把需求拆解得越来越细、表达得越来越准，这个过程，某种程度上倒逼我们对想要实现的目标和数据关系进行更系统的思考。因此，利用AI除了能够提高效率，提升信息获取能力以外，很大程度上也重塑了我们对于事情的认知和思考能力，学会更好的提出问题或者需求。

复旦MPAcc项目王怡涵：

使用AI之后，我的工作习惯确实发生了一些变化。过去遇到复杂问题，我可能会先查资料、搭框架、再慢慢写；现在我会先让AI帮助我做“第一轮结构化”，再结合自己的专业判断进行筛选、校正和深化。也就是说，AI承担了初步归纳、框架搭建和表达优化的工作，而我则把更多精力放在判断问题本质、确定管理取向和把握组织实际情况上。

学习习惯从“线性阅读”变成了“交互式追问”。过去学习一个新概念，可能是查几篇文章或看一本书；现在我会让AI先解释基本概念，再追问应用场景、实践案例、潜在风险以及与财务管理的关系。

虚构法条、自行脑补财务指标……

AI翻起车来有多离谱？

有没有遇到过AI“翻车”的情况？比如信息不准确、理解跑偏、一本正经胡说八道？

复旦MPAcc项目刘芳：

复旦MPAcc项目王佳昱：

有过好几次！印象最深的一次是回答纳税人的问题，AI给我生成了一段完全不存在的法条引用，还说得有模有样。幸好我平时也掌握一定的专业知识，反复核对原文时发现了问题，不然回答错了就要闹笑话了。

复旦MPAcc项目王怡涵：

AI“翻车”我遇到太多了，有这两个经典场景：

合规性翻车：AI一本正经地胡说八道。有次我让AI协助梳理某类财务处理事项的政策依据，它生成的内容看起来非常完整，甚至还列出了条文式表述。但进一步核查后发现，有些政策口径已经过时，有些根本不是原文，有些判断也没有结合国央企监管要求和单位实际制度。

数据性翻车：AI张冠李戴财务指标。在做财务分析时，它曾列出某家同行公司的财务数据，精确到小数点后两位。实际查询后发现，这个数字完全是编造的。这件事让我深刻意识到：AI有时为了追求回答的“完整性”，会在底层逻辑上“自行脑补”数据。

拒绝把思考让渡给算法

这份避坑Tips请收好！

结合您的使用经验，您觉得现在大家使用AI时，最容易忽略或踩坑的地方是什么？是否有一些自己总结的“避坑”心得？

复旦MPAcc项目郭瑶：

一部分人容易过度依赖AI，一概盲从、不加核实，缺乏独立思考和判断的能力。另一点感触很深的是，也有人会忽视隐私和数据安全，随意把工作机密、个人敏感信息发送给AI，存在信息泄露的风险。

我的心得是：在使用AI的同时，要养成校验信息、保持怀疑的习惯，把决策权留给自己，并且守住隐私和工作数据安全的底线。

复旦MPAcc项目刘芳：

很多人容易过度依赖AI给出的现成答案，久而久之弱化了独立思考能力。其实AI本身没有自主思维与创新能力，只是基于海量文本进行数据运算输出，时常存在逻辑漏洞、内容失真等问题。

我的避坑心得是：不直接照搬AI成品，只把它当作创意灵感、写作思路和信息检索的辅助工具，将其输出内容作为素材参考，再结合自己的思考去整合打磨。

复旦MPAcc项目吴敏：

最容易踩的坑，其实就是过度依赖AI，忽略验证结果真伪。

我的避坑心得主要有两点：第一，在提问或提出需求时，先拆解细化任务，指令词要精准明确；第二，要求AI提供资料和数据来源，除了人工验证，我也会用其他AI进行交叉验证。

核心来说，无论AI给出什么样的答案，保持清醒的判断和独立的思考才是最重要的。

复旦MPAcc项目王佳昱：

最容易踩的坑就是直接把AI生成的内容当成“标准答案”，完全不核对信息，尤其是专业数据、法条、文献引用这些内容，很容易出错。

我的避坑心得：第一，所有关键信息必须二次核对，尤其是专业内容、数据、政策条文，一定要找权威来源验证；第二，不要让AI直接帮你写完整的作业/报告，只把它当成思路助手，核心内容和观点必须是自己的；第三，提问越具体，回答越靠谱，别只说“帮我写个方案”，要写清楚场景、目标、受众、限制条件。以后会写提示词才是职场必备技能。

享受效率，但不让渡思考，

把“脏活累活”留给算法，

把清醒、判断与选择权，稳稳留在自己手中。