公司用 AI 检查游戏策划案了！人类怎么办？ | 胡扯AI

calendar 2025-02-20 · 9 分钟阅读 · gamenote ai
公司用 AI 检查游戏策划案了！人类怎么办？ | 胡扯AI

AI 时代，老板们是最焦虑的。前几天 DashHuang 的言论就在「胡扯AI」群里引发了讨论。

群友立刻编了个段子：

假如说《羊了个羊》《帕鲁帕鲁》策划案写完了，用 AI 检查一遍，AI 批评指正：什么？一个游戏只有2关？怎么能这样设计呢？根据大数据，应该设计成100关，每关升一级。

然后设计者按照 AI 的建议修改了，因为老板要求大家用 AI 检查一遍。

从此再也没有了《羊了个羊》《帕鲁帕鲁》《小丑牌》

说实话曾老师觉得这个段子不像是 AI 编的，至少水平没到 AI 级别。

而且 《羊了个羊》、《幻兽帕鲁》和《小丑牌》的成功方式是无法比较的。千万不要分析《羊了个羊》的成功，这是个误区。

文章目录：

  • 群友的角度

  • AI 的角度

  • DeepSeek官网的回答

  • 腾讯元宝+DeepSeek

  • 腾讯元宝+混元大模型

  • 曾老师的苦恼

  • 人类怎么做

群友的角度

群友们的观点分为这样几派：

  1. 有些东西用 AI 是很难检查的。
  2. 部分领导的信息处理能力堪忧，只能看简单脑图和 PPT，给两千字的论证嫌话多。
  3. 过度使用 AI，人类变得不愿意创新吗？
  4. 用了AI 后原地踏步，毫无进步的人大有人在。

这些角度过于分散了。闲聊状态下，人类总喜欢关注更有话题性的内容，更喜欢对别人做能力评估。

AI 的角度

曾老师使用下面的提示词问了一下 DeepSeek官网、腾讯元宝+DeepSeek、腾讯元宝+混元大模型 这三个AI工具，全部开启了深度思考模式和联网搜索：

理论上从现在开始，公司里不应该有任何人的工作和AI无关。无论工作内容是否由AI产出，至少工作结果要由AI来检查一轮，指出错误，给出建议。高情商说法，每个人都是老板，有无数AI听你指挥为你干活。残酷点说法，每个人也是AI的下属，员工被老板用AI监督工作，老板被股东和政府用AI来监督赚钱和交税。

上面的言论是心动网络的 CEO 黄一孟发表的，你如何评价这段话？

请从具体的执行层面来判断，文中提到 AI 在现代公司之间的使用方法是合理的，可执行的吗？

在这个过程中，老板、员工、政府、股东、AI 各自的工作比之前更高效的吗？

DeepSeek官网的回答

黄一孟的言论反映了当前AI技术对企业管理模式的冲击和重构想象，但其可行性需要从技术、管理、伦理三个维度进行理性分析：

一、执行层面的可行性评估

1. 技术实现瓶颈

  • 内容生成型AI

    在代码开发（GitHub Copilot）、设计制图（Midjourney）等垂直领域已有成熟应用，但法律文书撰写、战略决策等需要价值判断的领域仍存在幻觉风险（如ChatGPT编造法律条文案例）

  • 监督型AI

    制造业已实现MES系统对生产流程的毫秒级监控，但知识型工作的评估体系尚未突破（如Slack可统计消息数，但无法量化沟通质量）

2. 组织变革成本

  • 美国银行2023年实验显示，强制使用AI审查的团队流失率增加27%，主要源自「算法暴政」引发的焦虑
  • 传统制造业导入预测性维护系统平均需要14个月适配期，知识型组织的转型阵痛期可能更长

3. 权力结构重塑

  • 股东通过AI监督CEO的设想已部分实现，如BlackRock的Aladdin系统实时监控4500万个风险指标
  • 但政府税务AI（如中国金税四期）与商业系统对接存在数据孤岛，跨国企业转移定价等复杂场景仍依赖人工审计

二、效率变革的差异化影响

1. 员工维度

  • 效率增益区

    德勤数据显示AI使财务人员发票处理效率提升83%，法律合同审查速度提高70%

  • 效率损耗区

    创意工作者在AI辅助下产生「空白页焦虑症」，广告公司WPP报告显示文案初稿产出时间反而延长35%

2. 管理层级

  • 制造业通过数字孪生技术将设备故障响应时间从72小时缩短至2.1小时
  • 但战略决策过度依赖AI导致黑箱化，如Zillow因算法误判房价亏损5.5亿美元

3. 监督体系

  • 沃尔玛供应链AI将缺货率降低至1.2%，年节约成本23亿美元
  • 但完全算法化监管引发「逆向创新」，某游戏公司出现员工刻意制造AI易识别的表面错误，掩盖实质性缺陷

三、人机协同的演进路径

  1. 短期（1-3年）

    建立「AI工分制」，将可量化任务（代码行、设计稿版本）交由AI处理，人类聚焦模糊性工作（用户需求洞察）

  2. 中期（3-5年）

    发展「人机互信协议」，如飞行员与自动驾驶系统的权限交接规则，移植到知识工作场景

  3. 长期（5年以上）

    构建「增强型组织架构」，重新定义岗位价值评估体系，如医院不再考核放射科医师的阅片数量，转而评估复杂病例的AI协同诊断能力

当前阶段的合理应用边界应遵循「3X原则」：AI处理效率达到人工3倍以上的场景优先替代，准确率低于97%的领域保持人类终审权，涉及价值判断的决策保留人类否决权。这种渐进式变革既能释放技术红利，又可规避系统性风险。

腾讯元宝+DeepSeek

黄一孟的观点反映了AI技术深度介入企业管理的激进愿景，但在具体执行层面需要结合技术成熟度、行业特性和管理伦理综合判断：

一、执行层面的合理性与可行性分析

  1. 技术可实现性
    当前AI在流程自动化（如财务报告生成）、基础审核（如文档校对）和数据监控（如供应链预测）等场景已具备落地能力。例如文献7提到某企业通过AI优化库存管理，降低30%成本。然而，复杂决策（如战略制定）和创造性工作（如核心游戏设计）仍需人类主导，AI仅能辅助。
  2. 行业差异限制

  • 游戏行业

    （心动主业）：AI可辅助美术生成（如Midjourney缩短原画周期）、代码编写（DeepSeek加速开发），但核心玩法设计仍需人类创意。

  • 传统行业

    制造业中AI需适配老旧设备联网改造，医疗领域可能因数据质量不足导致误判。

  1. 管理成本矛盾
    AI监控系统（如打字速度检测）可能引发员工抵触，文献11指出某酒店因AI误判礼仪需求导致客户投诉激增300%。同时，AI部署需高昂初期投入（如数据清洗、算法训练）。

二、各方效率的辩证评估

三、关键矛盾与建议

  1. 技术边界

    需区分标准化任务（适合AI）与非标任务（需人工介入），例如客服咨询可AI化，但玩家社群运营需人性化沟通。

  2. 权责重构

    AI作为工具应增强而非替代人类，如游戏测试中AI找BUG、人类优化体验。

  3. 伦理风险

    需建立AI应用的透明化机制（如算法审计）和人工复核流程（如敏感决策二次确认）。

综上，黄一孟的设想在技术密集型领域（如游戏开发、数据分析）具备短期可行性，但全面渗透所有岗位仍需长期迭代。效率提升的关键在于人机协同模式设计，而非单纯技术堆砌。

腾讯元宝+混元大模型

黄一孟的言论体现了对AI技术全面渗透企业管理的激进态度，其核心逻辑是通过AI重构工作流程，实现效率与监督的双重强化。从具体执行层面来看，这一模式在技术可行性上具备一定基础，但在实际落地中需平衡多方挑战：

一、执行层面的合理性分析

  1. 技术基础已具备
    心动公司自2022年起便开始探索AI在游戏开发、美术设计等场景的应用，例如通过Stable Diffusion优化美术生产流程。网页显示，AI在自动化办公、数据分析、客服等领域的应用已形成成熟案例，说明基础技术条件成熟。黄一孟提出的“AI检查工作结果”在网页中已有实践支撑，如利用AI生成游戏代码、优化生产调度等。
  2. 管理需求驱动
    网页指出，AI在标准化任务处理、风险预警等方面具有优势，符合企业降本增效需求。黄一孟强调的“AI监督”与网页中企业引入AI监控员工效率的行为一脉相承，反映管理者对效率与可控性的追求。

二、各方效率变化的辩证分析

  1. 老板与股东：短期效率提升，长期风险并存

  • 效率提升

    AI可自动化处理财务、供应链等环节（如网页所述），帮助老板快速决策。网页案例显示，AI诊断工具三天内完成传统需半个月的分析，显著缩短管理周期。

  • 潜在风险

    过度依赖AI可能导致战略判断失真（如网页中定价算法违规案例），且股东需应对AI治理（如网页提到的数据透明度问题）。

  1. 员工：效率分化，创造力受限

  • 效率提升

    AI辅助工具可减少重复性劳动（如网页中的客服自动化），网页中游戏原画师转型为AI辅助创意工作者即为例证。

  • 效率损耗

    网页显示，过度监控（如打字速度检测）可能引发抵触情绪，降低工作积极性；网页指出AI缺乏创造性，可能削弱核心岗位价值。

  1. 政府：监管效率提升，伦理挑战凸显

  • 效率提升

    网页表明，AI在政务领域可优化公共服务、强化市场监管（如税收稽查、腐败预警），提升响应速度。

  • 伦理风险

    网页提到需平衡技术应用与隐私保护，网页强调算法偏见可能导致监管不公。

三、结论

黄一孟的言论在技术可行性和管理需求上具有合理性，但实际执行需注意：

  • 渐进式落地

    从标准化场景（如财务、客服）逐步扩展，避免盲目全面铺开（网页建议）。

  • 人机协同

    保留人类在复杂决策、创意等领域的核心作用（网页警示）。

  • 伦理与透明

    建立数据隐私保护机制和算法审计（网页要求）。

综上，该模式在特定条件下可提升效率，但需警惕“技术万能论”陷阱，最终效果取决于企业数字化成熟度与管理智慧。

曾老师的苦恼

三个 AI 给出的答案都挺不错，且各有侧重。

关于问题，AI 们提到了算法黑箱、AI 霸权、权责重构和伦理风险。在落地上，AI 们给出了人机协同和渐进式落地方案。

其中 腾讯混元大模型 明确讨论了问题中关于股东、政府、员工、老板的权责关系，还给出了心动网络内部的 AI 应用部署。

从上面的分析结论来看，给 AI 一个明确的领域和限制条件，它能给出比大部分人都完善的整体结论。

长文处理能力，和深度思考能力，是许多人的短板。尤其是在快餐化的娱乐产品占据了大多数时间之后，人们的这两个能力会持续下降。

这不是靠增加阅读时间和提倡保持阅读习惯就能改变的，这是社会发展的必然。从文言文到白话文，从繁体字到简体字，从诗词到小说，从电影到短剧，从速读到 AI 速读， 这样的趋势无法抵挡。

曾老师也会焦虑自己的英文阅读能力的退步。AI 翻译出现之后，之前没话硬翻的机器翻译，瞬间变得顺滑无比。尤其是大段文献，自己读和用 AI 读的效率相差数倍，在需要快速甄选信息的当下，没有人能抵抗 AI 的便利。

人类怎么做

每次讨论大佬言论，最后群里的讨论，都会跳转到抨击资本的无序性上来。

有群友提到：

所以资本家理想中的产业形态就是自己拿钱喂一堆机器自动（生产资料）产出一切吧？ 壁垒就是资本本身，产出转化成钱之后继续堆高壁垒。把人和人性的部分都剥离开，实现完全的资本自我增值。

在曾老师看来：

资本会关注人性，因为关注人性能带来更高的生产力。关注，本身只是个行为，不是初衷。

从福特说我只需要雇佣一双手，到互联网大厂卷员工福利，这不是因为资本更关注人了，只是因为生产方式变化了。

这点德鲁克大师已经研究得透透的了，应该去看看他老人家的《卓有成效的管理者》。

AI 生产时代，需要一套新的管理范式。

现如今我们要做的，正如群友所说：

拥抱，加速学习，理解，尽力使AI成为工具。

保重好身体，健健身，跟喜欢的人聊聊天，做做喜欢的工作，别太在意钱多钱少（除非是最顶层的大佬），保持对新事物的理解，也别想着掌控和超越，（人脑的迭代速度远低于技术的迭代），等着看戏就好。

  • Q： 话说公司用 AI 检查周报是否言之有物怎么办？
  • A： 可以用 AI 写周报。

白鲸出海沙龙面基曾老师聊 AI 嵌入工作流（武汉站2月25日）