文章 03AI 能力与信任边界
给 AI 的资料越多，它反而越抓不住重点
材料装得下，不等于重点抓得准。管理者要先说清楚问题、判断标准和证据优先级，再把资料交给 AI 处理。
English version
你让 AI 帮你读一份五十页的行业报告，抓三个核心结论。
它给了。结构完整，条理清晰，每个结论还标了页码来源。你扫一眼觉得不错，转发给了团队。
后来你自己翻了一遍原报告，发现 AI 抓出来的三个点，全在报告前五页。后面四十五页里，作者真正想说的几处关键判断——AI 一个字没提。
不是 AI 偷懒。是你还没告诉它，这次什么对你最重要。
它能“装得下”，不等于能“用得好”
大模型一次能处理多少信息，有一个容量范围，通常叫上下文窗口。这个窗口决定了它一次能“看见”多少内容。
听起来窗口越大越好。但实际上，装得下和用得好是两回事。
打个比方：100 页材料都进了董事会会议文件夹，不等于第 52 页那条关键风险一定会进入讨论。装得下，只说明材料都在；能不能从里面抓住真正影响决策的内容，是另一回事。
资料一长，AI 容易只抓两头
跟这个问题紧密相关的，是研究者发现的一个现象。
一些长文本任务里，当关键信息处在不同位置时，模型提取和利用它的效果可能不一样。尤其是相关信息埋在中间段落的时候，模型的表现往往会下降。
研究者给这个现象起了个名字：Lost in the Middle，中间丢失。
注意，这不是一条定律——不是所有模型、所有任务都必然如此。但它是一个足够常见的趋势，值得你在把大段资料丢给 AI 时心里有根弦。
更要紧的是你这边的问题：任务没说清、材料没分主次，信息越多，主线越容易被淹没。资料给得再全，AI 也只能按它的方式去找——它不知道哪一段才是你最在乎的。
“什么最重要”这件事，不能外包
这里有个管理层面的根本错位。
做管理久了，有一个能力是下意识练出来的：一句话判断关键。
下属汇报了二十分钟，各种数据、各种分析，你听完问了一句：“你说的这些，核心就一个意思吧——成本降不下来不是因为采购，而是因为排产？”
对方愣一下，说对，就是这个意思。
你为什么能一句话点出来？因为脑子在听汇报的时候，同时跑了三套判断：公司的成本结构是什么样的、你对业务运营的历史经验、你过去在哪件事上踩过坑。你带着整个商业框架在听，所以你知道哪些是信号，哪些是噪音。
AI 则天然没有你的这套框架。
它不知道你的损益表长什么样，不知道你最近在焦虑现金流还是扩张节奏，不知道你上个月在哪件事上吃了亏。
所以核心问题不是 AI 找重点找得不够准。AI 不是不能找重点，而是不该替管理者定义什么最重要。
你把损益结构、战略目标、现实约束告诉它，它可以在你的框架里识别重点。但 AI 天然缺一样东西——你没有说出口的那些东西：组织里不成文的关系、你做过又被推翻的决定、你对某个人的直觉判断。这些隐性经验也会进入你的现实取舍，却很少完整地写进材料里。
说到底，这次分析服务于什么决策、按什么标准取舍、结果由谁承担——AI 可以帮你分析，甚至给出建议，但不能替你拍板，更不能替你承担结果。管理者定框架，AI 在框架里工作。定义权归你，责任也归你。
三句交资料前该问自己的话
这不是提示词技巧。而是你把资料丢给 AI 之前，自己要先想清楚的三件事。
第一句：这次分析要支持什么决定？
是砍预算，还是调排产，还是判断要不要进一个新市场？不同的决定，需要的证据不一样。你要砍预算，成本数据就是核心；你要调排产，交付时间和产能利用率才是关键。
不说清楚这一步，AI 就只能按它自己的方式帮你筛——筛出来的信息可能跟你眼前要做的决定毫无关系。
第二句：做这个决定，最关键的判断标准是什么？
同样是看竞对报告。销售总监关心市场份额和定价策略，供应链负责人关心产能布局和周转率。同一份资料，判断标准不同，“重点”就是完全不同的东西。
把这个标准说清楚——“帮我从供应链视角看这份报告”——比甩一句“帮我抓重点”有用得多。
第三句：哪些是核心证据，哪些只是背景材料？
五十页报告里，有些材料直接关系眼前的决策，有些只是帮助理解背景。交给 AI 之前，先把材料分个优先级：哪些必须先看，哪些可以随后补充。材料很多时，就让它先处理核心部分，等主线抓准了，再补背景。
管理者不必提前把所有重点都找出来，但要先告诉 AI：这次判断重点的标准是什么。你负责定标准，它负责在材料里找证据、做分析。
不用想着上来先搞一个完整方法论，把这三句养成习惯，成为给 AI 交资料前的基本动作，比学 100 种 prompt 技巧都管用。
管理建议
资料可以让 AI 读，重点不能让 AI 替你定。因为重点不只在资料里，还在你要解决什么问题、愿意做什么取舍，以及最后想要什么结果。
你的价值不在比 AI 读得更快，而在于结合公司的处境，说出那句真正影响决策的话：“老板，我看了一圈，这次最该盯住的是这部分”。
下次，带你用管理剥开 AI 的另一颗坚果。