导读：Google 2026年英国AI采用研究显示，职场AI使用快速增长，深度使用者更可能报告更好的绩效、晋升和收入机会。但相关关系不代表只用工具就会升职。真正差异来自能否把AI嵌入专业任务、验证结果并持续交付。下面给普通人一套90天路线。
第1至30天：选择一个真实任务
列出每周重复工作，按耗时、可验证和风险排序，选择一项，例如整理客户需求、制作数据周报或写活动方案。记录当前时间、错误和交付标准。学习一个主模型即可，不同时追逐十种工具。
建立输入模板、资料清单和检查表。每次使用保存原始需求、AI草稿、人工修改和最终结果，观察模型最容易在哪里出错。敏感信息脱敏。
第31至60天：组成完整工作流
把任务拆为收集、分析、生成、验证和交付。能用表格、脚本或专业软件确定完成的步骤不要全交给模型。为事实、数字和引用设置核验。
尝试连接日历、文档或代码工具时从只读开始。自动化减少复制，但权限和失败处理写清。计算每次成功任务节省时间，而不是只统计使用次数。
第61至90天：形成作品证据
选择三到五个脱敏案例，展示问题、流程、人工判断、结果和改进数据。作品集重点是业务价值，不是长提示词。向主管说明节省时间、质量和可复制方法。
把模板和规则整理成团队文档，帮助同事使用。能教会别人并处理异常，说明能力已经从个人技巧变成流程设计。
长期竞争力在哪里
深入行业知识、沟通、数据和责任判断。模型会更新，理解客户与业务约束更难被替代。持续关注一个领域的新工具，用固定任务测试后再切换。
避免把所有工作自动化后失去基本能力。定期在无AI情况下复核关键技能。对医疗、法律、财务等高风险工作遵守专业责任。
执行清单
- 选择一项高频、可验证的真实任务。
- 保存AI前后过程并找出错误模式。
- 连接成收集、分析、验证和交付流程。
- 用脱敏案例与数据建立作品证据。
- 沉淀团队方法并继续强化行业判断。
总结
普通人使用AI获得职业机会，不靠神奇提示词，而靠把工具变成可靠交付。90天内完成一个有数据、有复核、有作品的流程，比泛泛学习更多模型更有价值。
