71%的美国人担心AI会导致大规模失业，但你有没有想过，AI真正不擅长的是什么？

科技从业者Priyanka Vergadia 在 Ted 演讲中分享了一个很朴素的观点：AI 擅长识别模式，但只有人类才能理解这些模式在真实世界里到底意味着什么。她用三个亲身经历的故事来说明这个观点。

第一个故事关于产品经理Sarah。她团队的 AI 数据分析显示，80% 的用户只用基础功能，20% 的人零星碰一下高级功能。数据层面逻辑自洽，但 Sarah 没有照单全收，而是拿起电话打给了20个核心客户。结果发现，用户不是不想用高级功能，是根本找不到，功能藏在层层菜单里，文档也写得不清楚。团队重新设计体验后，高级功能使用率飙升。AI 看到了症状，Sarah 诊断出了病因。

第二个故事是销售负责人Marcus。AI 工具判断他们手上最大一笔交易成交概率高达95%，用户情绪积极、互动频繁，数据非常漂亮。但 Marcus 却注意到了一些 AI 忽略的细节，每次会议出席的人都不一样，邮件回复越来越官方、越来越模糊。深度调研之后，他发现客户正在组织重组，三个团队都认为自己有采购决策权。AI 把所有活动都当成积极信号，Marcus却读懂了混乱背后的真实处境。

第三个故事是社交媒体营销人 Priya。AI 建议她为一个时尚品牌发布穿搭技巧类视频，互动量和粉丝数确实涨了，但销售额纹丝不动。原因很简单，吸引来的全是贪便宜的人，而这个品牌卖的是 200 美元一件的夹克。Priya 果断调转方向，不再跟着 AI 的推荐走，转而讲述手工匠人的故事和生产背后的成本，精准吸引了真正愿意为高价值夹克买单的社区，销售额随之大涨。

这三个故事指向同一件事。AI 优化的是数据层面的指标，而人类理解的是语境、意图、未说出口的情感，还有文化的微妙差异。这些东西来自亲身经历，无法被量化，也无法被复制。

我个人觉得这个观点最有价值的地方在于，它不是在贩卖焦虑，也不是盲目乐观，而是给出了一条很实际的路径。当 AI 给出结论时，多问一句 “为什么”，读懂现场氛围而不只是冷冰冰的数据，永远追问数据背后的故事。我坚信，未来绝不属于人类或 AI 的某一方，而是属于那些能与 AI 协作、同时保持人类不可替代特质的人。

#TED[超话]##AI生活指南##AI创造营# http://t.cn/AXIdO8GM