AI原生一代？别开玩笑了！
最近有个有趣的现象：
企业高管们都在期待「AI原生代」能教会他们使用AI
。
但这个想法可能完全搞错了方向。
为什么？
因为研究表明，
年轻人反而不太懂得如何在工作中整合AI
！
这个发现或许会让许多人大跌眼镜。
年轻人的「语言困境」
这听起来像是一个荒谬的笑话，但事实可能比我们想象的更严肃。
Discord上Midjourney服务器的数据揭示了一个令人震惊的事实：
数百万美国Z世代在使用AI时竟然连基本的提示词都写不好
。
这不是个例，而是普遍现象。
@AnjneyMidha直言不讳：「
他们甚至找不到合适的词来表达。破碎的英语，混杂的俚语，他们在将思维转化为语言时遇到了巨大困难。
」
这个问题的根源在哪里？
François Fleuret给出了一个出人意料的解释：「
2020年之前的数据才是『好东西』，这些未被AI污染的数据塑造了LLM的整个思维方式，而这些数据主要来自1990年之前出生的人——婴儿潮一代、X世代和Y世代。
」
@KenneyConor也补充到：「
这些数据主要集中在1890年到1990年之间。我相信现存的大部分文献和媒体内容都是在过去100年间发布的。20世纪的思维泡沫可能已经成为一个真正的社会问题。
」
@AndyXAndersen则提醒：「
人们过分夸大了AI生成数据对AI训练的负面影响。如果这些AI生成的数据来自不同供应商，且有足够的真实数据作为基础，最终仍能形成可靠的分布。
」
专业经验的重要性
@dieaud91分享了他在营养学领域的深入观察：「
当前顶级AI模型在专业人士的引导下效果最好。没有专业知识的人往往会忽略一些微妙的细节，导致AI的回答出现细微的错误。非专业人士很难提出能获得真正专业答案的精确问题。这就是为什么我认为目前的AI模型更适合作为专家的『同事』，而不是独立的解决方案。我们需要人类的专业知识来充分发挥AI的潜力并避免关键错误。
」
@BensenHsu的研究更是系统地揭示了初级专业人员在教导高级专业人员使用AI时的三大问题：
-
对新兴技术能力缺乏深入理解
：他们往往不能准确把握AI的实际能力边界
-
过分关注改变人的习惯而非系统设计
：这种方法忽视了技术本身的优化空间
-
只关注项目层面而忽视系统部署者或生态系统层面
：缺乏全局视角
@esumm3rstech在核工业领域的观察更加具体：「
熟悉核工业运营的工程师们正在努力与AI开发者找到共同语言。这不仅是语言障碍，更是文化差异。两个领域的专业人士需要建立起有效的沟通桥梁。
」
Z世代的视觉优势
但事情并非没有转机。
@nickfloats深入分析了Midjourney的使用趋势：「
现在的Midjourney提示已经不再那么依赖文字，更重要的是视觉审美和策划能力。文字提示只是冰山一角，找到合适的词远不如拥有品味和审美感重要。相比一年前，文字提示的重要性已经大大降低。
」
@AnjneyMidha补充道：「
Z世代天生就是视觉型的。David Holz很快意识到了这一点，并通过AI解决了这个问题，推出了/describe功能（将图片转换为提示词）。这个故事有了一个圆满的结局，但背后的教育问题仍然存在。如果自然语言是AI的用户界面，那么年轻人显然需要更多帮助。
」
问题的深层根源
@XianyangCB通过开放式调查发现：「
美国人的写作能力正在不断下降，甚至比印度人和尼日利亚人还差。这部分是语言能力的问题，但主要是因为TikTok式的思维方式让人无法保持超过三秒的连续思考。
」
@watersavvy一针见血：「
持续消费碎片化内容而不接触任何长篇内容必然会带来后果。这种影响是深远的，不仅影响表达能力，还影响思维方式。
」
@JD Work更是直言不讳：「
期待『AI原生代』自发出现来神奇地解决解决方案适配和规模化问题，不过是『数字原生代』故事的翻版。这只是为了通过招聘便宜的新人来降低劳动力成本，同时又不会因为明显缺乏人才投资而受到市场惩罚的借口。
」
解决之道
@noahmp指出了一个简单但重要的事实：「
阅读大量书籍能带来巨大回报，但很少有人愿意投入这个时间。这种投入和回报的不对等，造就了当前的困境。
」
