# AI时代，要想回归人感，更得会讲故事 | EP. 75 101号谈职场 · 2026-05-06 本期播客面向创始人与高管，主讲人1号指出AI时代机器产出稀释了专业度、真诚感等六项信任信号，而讲故事能将这些信号重新“变厚”。他主张通过真实决策案例展示取舍与代价，而非堆砌正确废话，才能被人类记住并让AI摘要不失真。最后给出两个自检实验：检查发言是否立场鲜明、相关且交代代价；将材料丢进模型看结论是否被拧成空话。 ## Key moments - **[0:00] 开场** - [0:35] 1号提出核心命题：当AI让‘正确’变得廉价，故事反而更加可贵和关键 - [2:23] 哈佛AI研究所数据显示：人类撰写文章触发交易量上升15.6%，AI辅助仅8.0% - **[2:32] 模型与信号** - [3:23] 「怀疑一旦产生，内容再正确也可能失效」——1号引用MIT消费者研究 - [5:25] 1号引入影响力模型：故事需修复被AI稀释的六个信号——专业度、真诚感、相关性、差异化、一致性、立场 - [7:52] AI如何稀释关键信号：真诚感、相关性、差异化和一致性被削弱，专业度可能幸存 - **[9:14] 专业度** - [9:53] 1号指出：宏大正确的判断无法被一线转化，故事要摊开约束条件和备选方案 - **[10:44] 真诚感** - [11:09] 客户半开玩笑：「我现在发全员邮件前，会先看一眼自己到底像不像人」 - [12:19] 员工识别AI准确率仅猜测水平，但一旦相信是AI，评价显著下降——尤其在情感场景 - [13:55] 神经科学解释：真人故事刺激催产素，AI无法提供生物学层面的信任材料 - **[14:38] 相关性** - [15:45] 相关性测试：将公司名日期删去，若内容仍成立，则是「正确的废话」——1号分享工作坊实例 - **[18:06] 差异化与一致性** - [18:41] 差异化：AI容易把大家拉向行业范本，你必须在故事中钉入非共识的选择 - **[21:48] 立场** - [21:48] 立场：AI偏好讨好所有人的满分作文，但管理者和品牌必须写出取弃，鲜明站队 - **[23:35] 追问与回应** - [23:35] 1号总结：在AI时代，讲故事是把被稀释的专业度、真诚感等六个信号重新变厚的必要手段 - **[26:00] 两个实验** - [26:09] Q: 如何自检你的发言是否具备故事力？1号给出四个问题：立场、约束、判断过程、代价 - [28:16] 对机实验：用糟糕提示词问AI你的邮件传递什么信息，若总结成空话，说明原文缺位 - **[28:36] 收尾** ## Speakers - **Corry** (host) ## Topics 故事与汇报, AI与职场 ## Transcript ### 开场 **Corry** [0:01] Hello 大家好 ， 欢迎大家回到 "101 好谈职场 "。 今天这期我们要聊的是 ： 在 AI 的时代 ， 为什么我们更加需要 " 讲故事 " 的这个能力 。 呃 ， 我们先把这期的钉子钉清楚啊 ： 在这个 AI 的时代里 ， 机器产出的内容会越来越多 ， 越来越多地介入到我们写出去 、 发出去 、 转发的每一句话 。 可能从起草到润色到摘要 、 检索再生成 ， 整条链路都在被 AI 介入 。 所以今天我们要回答的已经不是 " 要不要讲故事 " 这种老问题了 ，而是 ： 当 AI 能把 " 像 "" 正确 " 的东西变得越来越简单和廉价 ， 那为什么 " 故事 " 反而会变得更加的可贵 、 更加的关键 。 那这些内容呢 ， 对每一个在接下来硅基生命取代碳基生命之前的 、 依然生活的人类 ， 我觉得都是管用的 ， 尤其对那些创始人 、CEO、 高管们会更加有效果 。 呃 ， 尤其在这个过程当中， 我希望把这个过程可能拆分成两个部分 ： 一个部分呢 ， 可能是对人的 ； 一个部分呢 ， 可能是对机的 。 啊 ， 所谓的对机 ， 就是你写出来的很多内容 ，是需要让 AI 来理解和习惯的 。 好 ， 那我们首先先先来做一个非常简单的假设 。 假设你是一个创始人， 你是一个 CEO， 或者你是那个公司里最终要签字 、 要担责的高层 。 你写了一个挺长的季度方向的说明 ， 或者一封全员信 ， 或者在一份要在会上念的要点 ， 你发到了群里 ， 你同步到了高层或者全员 。 你会以为大家可能在读你 ，但其实现实有可能是分裂的 ： 有的人点开了全文 ，有的人只看了个标题 ，有的人很快地把你的整分的内容扔给了 AI， 说 " 帮我总结 3 条 ， 提炼我的 ， 提炼我老板说的这个要点 ， 明天会上我在开别的会的时候我需要用到 "。 但这里面还有一个很吊诡的地方是 ： 就是写这个信息的你啊 ， 可能也不完全是全情全意地写的 。 呃 ， 当然里面可能倾注了你的感情 ， 倾注了你的数据 ，但也有可能极大程度上， 你是由 AI 在当中帮你完成了很大的一部分的润色 。 啊 ， 那所以就就形成了一个更为吊诡的现象 ： 就是写的人呢 ， 感觉也有一些 AI 的参与和帮助 ，在他的创作路径当中 ； 而读的人呢 ，也有很多的 AI 的帮助和总结在他的吸取路径当中 。 就是本来是 " 你说我看 " 的一个单方面的东西 ， 现在有可能变成 " 你我 ， 你的 AI， 我的 AI" 的一个四方角逐的一个这样的一个过程 。 那这个事可能会带来一些怎样的结果呢 ？ 我们先来看一些大概的数据 ， 我们来看看这个结果有多大的影响 ， 然后我们再来看怎么样来改善这个链路 。 ### 模型与信号 **Corry** [2:32] 呃 ， 哈佛商学院的人工智能研究所有一组对比发现啊 ， 就是这个 ， 呃 ，他的这个研究是针对那些投资者阅读文章的一些习惯啊 。他说与人类撰写的文章相比 ，AI 辅助文章所触发的市场反应会更弱 。在文章发布后约 10 分钟的窗口里呢 ， 人类内容关联的投资交易量上升约为 15.6%，而 AI 辅助内容呢 ， 约为 8.0%。 同时呢 ， 这类文章的阅读的评论者会更少 ，也更加难以被选为编辑精选 。 而研究者的方向之一是 ， 啊 ， 研究者解释的方向之一是 ， 投资者似乎能够感觉到 AI 文章呢 ， 缺少某种深度的信号 。 而 MIT 对于消费者研究也有一个数字经常被引用啊 ， 就是当用户怀疑内容由 AI 生成时， 大约有一半以上的人会选择脱离互动 。 啊 ， 你不需要把每个数字背下来 ， 你只要抓住这句话 ： 就是怀疑一旦产生 ， 内容呢再正确 ， 它也可能会失效 。 所以这这这有点变成了另一种黑暗森林的这个猜疑链啊 。 那有一篇期刊的文章叫做 《 受众把来源感知成 AI 时， 真实与信任 —— 啊 ， 真实感与信任度会下降 》。 那这里边就找到了一个规律啊 ， 就是口播里我就不把数字和机构的名字逐个逐个地拿出来了 ， 你可以点开 show notes 看到我们的这个备忘录上啊 。 它大概的结论就是 ： 盲测里呢 ，有时候表面差别不大 ，但一旦来源被怀疑 ， 首先被伤害到的就是信任 。 啊 ， 那这一切都会叠加到你的身上 。 那呃 ，在放在企业的环境里啊 ， 一线员工也好 ， 投资人也好 ， 董事也好 ， 客户也好 ，在信息的过载的情况里读到你 ， 啊 ，在 " 这里是不是 AI 写的 " 的直觉里来尝试解读你 。 所以这个过程会持续地在未来的几十年内被愈演愈烈 。 那在这一期的这个命题下啊 ， 我我们可能会呃尝试给到这样的一个非常重要的 、 要被解答的一个问题 ： 就是我们如何学会同时对人和对其他人用 AI 来解读的那些你的素材 ， 去讲好属于你的故事 。 前者会让那些关键的人群愿意跟着你走 ，而后者可能更多的是让 AI 在判断你所输出的内容的过程当中， 让你的摘要 、 检索和再生成之后依然站得住脚 ， 还能回到你原来的那个名下， 使你真正想表达的东西 。 所以呃 ， 我不想把这期变成一个模型课 ， 尽管在非常初始的阶段 ， 这是一个我的客户向我提出的一个课题 ， 我们也为他做了一些大概的沟通模型的建模 。 但是在今天的这个播客里面 ， 我们就不把不把它变成一个这个模型的拆解了啊 ， 所以我只借用一个我自己常用的一个模型啊 ， 让大家来做一个大概的这个参考 。 那这个模型我们也贴在 show notes 里啊 ， 最上面是你真正想要的一个沟通的结果 ， 我们把它称之为叫 " 影响力 "。 那对人的时候 ， 这个影响力其实会分为这样几层 ： 叫做你你希望跟一个人的沟通创造影响 ， 那你首先要被听见或者被看见 ， 然后要被记住 ， 最后再是被信任 。 啊 ， 那中间有一层其实就是你要做到一些什么样的事啊 ， 这做到什么样的事才能达到这个 impact。 啊 ， 那在这一层 ， 我们会把它分为六个词 ， 这六个词是我们收集了很多传播学啊 、 沟通学之后得到的一个汇总啊 ， 这六个词叫做 ： 专业度 、 真诚感 、 相关性 、 差异化 、 一致性和立场 。 那这些东西就是呃 ， 当这六个东西都能做得很好的情况下， 你自然就能被看见 、 被记住和被信任 。 但当这六个东西当中缺失一些东西的时候 ， 你可能在别的地方就要做得更努力 。 那我我们今天要说的是故事这件事啊 ， 我们的主题还是故事 ， 对不对 ？ 就是故事主要发生在再往下一层 ， 就是再往下其实一共有两层啊 ， 最底层是你的经历 ，是你真实经历过的那些事情 ， 对吧 ？ 因为沟通我们说的是把你经历过的这些事情重新编码 。 第二层就是我们说的这个编码 ， 通过编码才能够达到我们说的让你看起来专业 、 真诚 、 相关这些部分 。 所以我们不展开这个模型的任何的讨论 ， 我们只想告诉大家 ，在这一期的这个主战场上， 我们经常和很多创始人 、 客户说的一句话就是 ： 你可以很忙 ，但你的组织不能很忙 ，但是非常的轻 。 这个轻指的是那个 light， 就是轻在没有人把你的取舍听到耳朵里 。 那行业里也有一些共识性的这些方向啊 ， 就是越是自动化 ， 越需要最终签字的人把愿景 、 判断和责任讲清楚 。 很多技术团队自己在补的事情 ， 同样是把一些很复杂的东西呃讲成别人能够跟得上的这些叙述能力 。 所以在这个过程当中， 故事就能够一定程度上把那个轻的部分变重 ， 让你的专业 、 让你的真诚 、 让你和你的听众之间的相关性 、 让你和其他的输出 、AI 的产出之间的差异化 、 让你和你人设之间的这个一致性 ，以及你们公司代表的价值观和立场啊 ， 更好地钉在那一层 。 所以 AI 在这个时代里 ，其实它一定程度上像在稀释当中的那组信号 ， 对吧 ？ 就是专业可能不一定稀释 ，但它一定会稀释你的真诚感 ， 它一定会稀释你基于一定的上下文才能产出的你和你的听众之间的这个利益的相关性 。 它一定程度上会加剧差异化的这个稀释 ，因为大家产出的内容一定会同质化嘛 ， 它也一定程度上会让你没有办法保证你在各个场景讲出来的这个内容的人设的一致性 。 所以 AI 正在稀释我们说的这个第二层 ，而故事是我们说的众多的 ， 众多吗 ？ 我也不知道 ， 可能是为数不多的 ， 让你在这个掌舵的场景里可以去修复这六个东西的部分 。 所以接下来我会分两块讲啊 ， 先讲对人的部分 ， 再讲对机的部分 。 所以你也可以对机我们讲的就是对 AI 啊 ， 如果你的听众用 AI 来解读你所有的内容 ， 对吧 ？ 所以我们可以把这期做成一个检查表啊 ， 当你下一次要准备啊做一个全员的发信 ， 或者要做一个 IP 的一个内容的打造 ， 或者要做董事会的材料 ， 那发出去之前我们想象一下， 就是呃 ， 当我发出这段内容之后， 人读了之后， 它真的能达到我们说的那六个要素吗 ？ 那机读了之后， 它真的能更好地来解构和真正地支撑我我想要传递的那些信息吗 ？ 好 ， 我们先来说对人啊 。 ### 专业度 **Corry** [9:14] 那对人这一条线 ， 我们要问的是一个老问题啊 ， 这个老问题在 AI 的时代会变得更加尖锐 。 当别人也可以替你生成一套非常漂亮的 、 正确的呃 PPT， 呃 ， 全员信 ， 那你的战略沟通和关键表态凭什么还能去产生非常重要的领导力 ， 还能产生重要的影响力 ？ 在培训的现场 ， 我经常会遇到这样的一种尴尬啊 ， 我们会匿名来讲一些细节啊 。 有的时候在和客户沟通的时候 ， 你会听到几乎同款的故事 ，有人在全员或者高管的会上会讲一个非常宏大的判断 ， 那底下可能点头鼓掌 ， 氛围很好 ，但是回到一线一问 ： 哎 ， 那明天要怎么改呢 ？ 发现没有办法被转译 。 为什么 ？ 因为观众带走不了那些判断的这个过程 。AI 把这些宏大的 、 正确的 、 大家都觉得正确的东西会变得更加的便宜和廉价 。 所以专业度在组织里会越来越多地变成一种可替代的一种文本能力 ，而不是一种可依托的一个业务判断 。 就像我们在上期讲的那个 purpose 还是 task 的部分 ， 那故事在这个过程当中能起到什么作用 ？ 它不是煽情 ，而是把这个判断的过程摊开啊 ， 我们的约束的条件是什么 ， 我们的备选是什么 ， 我经历了一些什么样的事情 ， 我是怎样基于一些真实的业务的角度才有这样的选择的 ， 我愿意承担这样的代价 。 所以别人记不住那些抽象的正确 ，但别人记住的是你在做那个业务判断的时候 ， 你是怎么在钢丝的左边和右边最终平衡的 。 ### 真诚感 **Corry** [10:44] 那没有这个真实的案例的分享 ， 你的专业的这个判断在组织里面就很容易被平均掉 。 那这是我们说的这个专业感这个部分 ， 然后我们再来说说真诚感这个部分啊 。 那我在和某个客户做一对一的这个时候 ，他半开玩笑地说啊 ， 就是呃 ， 我我现在先发这种全员性 、 全员性质的这个邮件的时候 ， 我会先看一眼自己到底像不像人。 啊 ，其实我在做 AI 培训的时候 ， 大家也会强调说现在很多东西看上去 AI 感很重 ， 虽然自己像不像人这句话听着很好笑 ，但其实这个是有后怕在里面的 。 因为近些年有面向很多职场人的沟通的这些调研里面 ， 都方向很一致 。 当员工认为发件方在邮件的沟通里边大量地使用 AI 代写 ， 发送者会普遍地被感知为非常的不真诚 ， 非常的不把人当人， 非常的不关心人， 也更加的不自信 。 那在这个过程当中呢 ，他的这个呃阈值其实是需要平衡的那个部分啊 ， 就是大家会觉得轻度的润色其实很正常 ， 对吧 ？ 因为中国人写英文邮件 ， 你轻度润色一下很正常嘛 ， 或者一个平时很口头化的人要写一些非常商务的邮件 ， 轻度润色其实是很有价值的 。 但一旦对方认为某一段的主体甚至观点就是 AI 写的 ， 这个评价会陡然下降 。 而且情感负荷越高的场景啊 ， 比如说这种绩效的反馈啊 ， 啊 ， 全员性里那些要交代公司的一些艰难曲折啊 ， 危机沟通啊 ， 安抚说服啊 ， 这种场景当中啊 ，AI 越是被发现 ， 那伤害带来的越大 。 所以还有一项经常被讨论的一个研究路径啊 ， 就是当 CEO 的沟通材料的这个识别的过程啊 ，他们有做过一个专门的这个实验 ， 就是看看员工到底能不能猜清楚到底哪哪个是人写的 ， 哪个是 AI 写的 。 那实验结果发现 ， 员工把 AI 版本识别出来的这个准确率其实并不高 ， 大家几乎是近乎于猜的水平 。 所以就像我们说的 AI 味越来越重这件事情呢 ，其实是个伪命题 ，因为你发现大多数人其实猜不明白到底什么是 AI 味 ， 到底什么是人味 。 但是一旦他们自己非常相信那是 AI 啊 ， 那他们的评价感会显著下降 。 所以这个问题啊 ，不再是是不是 ，而是像不像啊 。 所以这里还有一个非常现实的职场心理啊 ， 就是员工往往会用非常苛责的标准来看待一把手 ，因为他们默认你应该为这段沟通投入更多的关系成本 。 所以你把写作外包给大模型的时候 ，在对方眼里就意味着你把你和员工之间的关系也给外包了 。 呃 ， 神经科学也给了一个比较偏硬的解释方向啊 ， 就是真实的人类故事 。 这在我们之前讲故事力的时候啊 ， 我经常会提到啊 ， 说真实的人类故事更加容易刺激催产素的释放 。 那说话者和听众之间 ， 写作者啊 ， 或者写邮件者吧 ， 和阅读者之间 ，他们的镜像神经元的这个激活现象会更好地体现出来 。 那这些机制依赖真实的情感体验作为投入 。 那 AI 呢 ， 可以模拟你的情感语言 ，但它很难提供同一条生物学意义上的那些被信任的底层的材料 。 就我不是要说你 ， 你要在你的有这个办公室里面去讲这些激素的名字啊 ， 去在邮件里面说这个啊 ， 你们的催产素有没有被刺激出来 ， 这不是这么傻的这种做法 。 但是我们得理解的是 ， 呃 ， 我们对于人类的这些真诚感啊 ， 一大很大程度上会帮助那些人类更好地来理解你和链接你 。 所以我们要在这个过程当中留下一些人类才能读懂的那些东西 ， 那些非常细的思考的颗粒度 ， 甚至不一致的思考的颗粒度 ， 那些你的犹豫 ， 你的代价 ， 那些你不可替代的那些做出决策的瞬间 ， 那些是 AI 没有办法替代你的 。 ### 相关性 **Corry** [14:38] 那我们说完两个点 ， 再来说第三个点 ， 相关性啊 ， 就上过我们线下课的这些外企啊 ， 名企的伙伴可能都有听说过 ， 我经常讲一段话 ， 叫做职场沟通的一个非常重要的前提 ， 叫做与他有关 ， 让他喜欢 。 这就是相关性的体现啊 。 当然这里说的不是讨好和迎合啊 ，是让你的主张能够更好地让别人感知到和他的主线剧情是相关的啊 ， 比如说呃 ， 这一季的现金 ， 这一次的并购的整合 ， 这一条产品线的生死啊 ， 这些所经历的每一件事情 ， 都和你这个听众你想要实现的你的职场价值 ， 哪怕你是想要躺平 ， 对吧 ？ 它是相关的 ， 或者它是相背的 ， 它才能听起来对这件事情是有感知的 。 那 AI 会非常生成对谁都听起来非常正确的那种废话的段落 。 所以你越是用通用的模板 ， 你在具体的人的视角里看上去就像是一个噪音 。 那故事呢 ， 可以把这种情境的相关性给定住 ， 让对方看见说你对于业务的思考是什么样子的啊 。 你在这个业务的思考过程当中， 你作为他们的 leader， 或者你作为他们的管理者 ， 甚至你作为一个职场沟通的一个下属 ，在一个真实的业务判断当中， 你是如何得出这些结论的 ，而这些结论又如何作用在对方的 KPI 身上啊 。 这是发生在我们身上的一些非常小的一些纠结啊 。 所以假设说啊 ， 你给你的下属去讲一段话的时候 ， 是一个真实的业务的场景 ， 是一个真实的你做的一个判断 ，是你的真实的故事 ， 那就意味着你把公司名 、 团队名 、 日期全部删掉 ， 这读起来就就非常不成立 ，因为他会觉得这个细节是不合逻辑的 。 但假设说你把公司名 、 团队名 、 日期都删掉 ，他读起来依然非常成立 ， 那其实就是一个相关性的一个幻觉 。 我在和一个客户的工作坊里面大概做过这样的一个练习啊 ，他把一个正确的战略表述讲给大家听 ， 大家点头 ， 那我让他把当场的一些专有名词 、 日期删掉 ，他再读一遍 ，他自己都像了啊 ，他自己都笑了啊 。他会发现说这这东西好像放在各个公司行业里面都通用 ，他就像不是公司行业 ，是放在这个行业当中的各个公司里边都通用 。他就像是一个行业通稿 。 那个笑就是什么 ？ 就是我们说的那种呃 ， 这个正确的废话 ， 就是这种感觉 。 但当你真的带入说我们上周在某个客户当中遇到了某个客户的会谈当中遇到了这样的一个问题 ， 这让我意识到我们过往的某个产品策略在定价的一致性上出现了非常重要的判断的失误 。 因此我才会有今天我们的这一轮的这个定价的策略的一轮沟通会 。 我想要告诉所有人， 我们这一轮的沟通策略要做这样的修改是为什么 。 那这就是一个明显的你去掉了行业 、 去掉了客户名之后， 大家会觉得它不成立了 ， 它不是一个通稿了 ， 它必须要把那些细节放进去 。 哎 ， 为什么那个客户会这么想 ，他才行得通 。 所以这就是我们说的这个相关性的这个部分啊 ， 当然它也是 base 在我们刚才说的这个真实感上面 。 ### 差异化与一致性 **Corry** [18:06] 那我们再来说最后的几条 ， 这个呃 ， 差异化 、 一致性和立场的这个部分啊 ， 差异化和一致性我合在一起说 ， 嗯 ， 这两个词呃 ， 先来对齐一下 。 差异化指的是你和其他人， 你和其他产品 ， 你和其他公司到底有什么不一样啊 ？ 不是那种 slogan 里说的那句什么我们很 special 啊 ，而是指这家公司这个创始人在这个能力的组合 、 做事的路径 、 愿意牺牲什么换取什么 ， 你的价值观上和其他的领导者有什么区别 ， 和其他的竞品有什么区别 。 那 AI 会特别容易把大家拉到一个做行业范本的中位数 ， 你要是不用故事把这个差别钉进一个具体的场景当中， 你们到底能多做一些什么事情 ？ 你们曾经走过一些怎样的弯路 ， 才总结出了你们这样的产品上的优势 ？ 你们到底经历过一些怎样的困难和挫折 ， 才总结出了现在的这套做事和管理团队的价值观 ？ 你在哪个十字路口选了和别人相反的方向 ， 坚持做了难而正确的事 ？ 不把这些东西讲清楚 ， 那听众无论是你的下属 ， 还是你的消费者 ， 你的客户 ， 还是会一听就把你和隔壁家混在一起 ， 觉得你是同质化的 。 那一致性其实说的就是里头的这件事 ， 就是团队在乎的其实不是你跟竞品之间差几个字 ，而是你这个人这周说的和上周说的是不是同一套逻辑 ？ 你是不是依然在每一件事情当中践行着同一个价值观上的取舍 ？ 这些都是在具体的案例当中体现的 。 我们一直都说观其言 ， 哎哎 ， 叫什么哎 ，不听其言而要观其行 ， 就是说你说出来的价值观 ， 你说出来的那些道理 ， 它都可以是废话 ， 只要你真正的那个践行的动作没有做到位啊 。 那而故事就是那个把你践行的过程复刻的部分 。 当然这里一定会有人抬杠啊 ， 说就是哎 ， 那你你你可以瞎编故事啊 ， 那要真到瞎编这一步了 ， 呃 ， 这已经完全不在我们所说的这个范畴内了啊 。 那就是更进一步的我们说的多个故事的真诚感 ， 互相之间的这个怎么说 cross check，也中文叫什么 ， 就是互相之间的交叉检验的这样的一个作作作用啊 。 所以呃 ， 回到我们的主线上啊 ， 就是当你的写出来的东西 ，在当你讲出来的东西是一种谁都能用的那种正确的东西 ， 那外面就更难记住你和其他人之间的区别和边界 ， 那里面也会更加狐疑 ， 这到底是你的判断 ， 还是拼凑出来的一个 AI 认为的大模型下的正确的平均答案 。 所以差异化所能担负起的这个不可替代性 ， 就是你比别人多出来的那些本事 ， 那次非共识的选择 。 而一致性就是能担负起来的 ， 就是你长期都让你的差异化 ， 都让你的那个比别人不一样的那个部分保持稳定的在那个状态里 。 而故事就是让别人相信你有这些差异化 ， 你有这些一致性的一个重要的前提 。 而 AI 就是消解他们的 ， 呃 ，不能说一定消解吧 ， 就是过度的使用 AI 就会一定程度上消解这些东西 。 好 ， 最后我们再说立场啊 ， 那我先说一个可能会得得得罪人的啊 ， 就是呃 ， 我们现在会非常害怕那种嗯 ， 段落一读完压根不知道你在哪一边 ， 你到底是哪头的 。 ### 立场 **Corry** [21:48] 就像会上就经常会用我们在评估评估来避免一些呃 ， 锋利的讨论和一些观点的碰撞 。 呃 ， 甚至有很多人在评价美国的很多选举政策的时候 ， 会发现很多人在选举的时候观点会非常的鲜明 ，但是当选总统之后呢 ， 观点会越来越向当中靠齐 。 为什么 ？ 因为你你越往当中走 ， 你越是骑墙 ， 你越是有机会争取更多的人。 这是一个纯商业层面的这个考量 。 而 AI 在被训练出来的这个效果上 ，是非常容易往当中走 ， 非常容易不带鲜明的立场的 。 它会更希望能走一个讨好所有人的满分作文 。 所以客观上来说 ， 一个管理者 ， 一个品牌的话事人 ，他是要带着一堆人走路的啊 ， 要带着一堆人走向他们心中那个故事的 。 这个故事有的时候是挺土的 ，但是它会逼着你把你的那些取舍写出来 。 当取舍出来的时候 ， 那个立场就鲜明了 。 你选了哪条路 ？ 你放弃了哪条路 ？ 你愿意为了什么样的优先顺序而挨骂 ，而扛争议 ，而不敢写代价 ， 呃 ，不敢写放弃 ， 这些就不叫立场 ， 这就纯粹是为了争取更多的 。 你在这这经济上你可能叫选票 ， 对吧 ？ 你在这个呃 ， 这这叫管理学的这个角度上， 你就是想不得罪人嘛 。 所以最后我们想说 ， 针对对人这条路上， 我们想收束一句啊 ， 就是嗯 ， 你讲故事不再是给别人做一个消遣了 ，而是在 AI 的时代 ， 它会越来越重要的把你的专业度 、 你的真诚感 、 相关性 、 差异化 、 一致性 、 立场这六个信号重新变得越来越厚了啊 。 ### 追问与回应 **Corry** [23:35] 为什么需要重新变得越来越厚 ？ 因为 AI 一定会让它们变得越来越薄 。 那一定有伙伴听到这里可能会问两个问题啊 ， 我们之前在线下交流的时候 ，也经常被问到这两个问题 。 第一件事比较容易回答 ， 我不想暴露太多真实的细节怎么办啊 ？ 呃 ， 我我不暴露这些东西 ， 我还能讲故事吗 ？ 其实当然可以 ， 我们在公司里 、 公司外， 我们在讲大量的故事的时候 ， 都可以先去掉很多的人名 、 公司名 、 具体时间和金额这些标识 ， 还可以换掉颗粒度 ， 我们就讲决策的结构 ，不讲那些八卦的细节啊 。 最后再守住那些边界 ， 我不讲那个第三方隐私和未授权的这些信息 。 我们要交付的不是那个隐私本身 ，而是我们在一个业务的流程过程当中， 证明我们的判断过程和取舍逻辑 ， 甚至我们的价值观的那些部分 。 这些东西就足以支撑我们前面说的这六条了 。 那第二件事是很多人听了我们说的第一件 ， 还依然会说那我还是不会讲故事怎么办 ？ 呃 ， 我我甚至觉得故事就是过度包装怎么办 ？ 哪怕我同意你说的故事可以增强这些东西 ，但我不想走向那个过度包装的道路怎么办 ？ 啊 ， 讲到这里我我非常非常同意 ， 这也是为什么我们要给企业去做故事力的培训 。 我们一直说的故事力 ，是让一段素材面对合适的听众产生合适的作用 ， 留下有价值的印象的这个过程 ， 它不可以是过度包装 。 这是我们的商业伦理 。 所以我们会给很多的企业的高管去做啊 ， 故事的打磨的服务 、 演讲教练的服务 ， 就是为了帮助他在他所经历的业务的过程当中， 那么多那么丰富的素材里找到那些最合适被放到一个 5 分钟的演讲里的 ， 合适被放到一个 18 分钟的剧院式演讲里的 ， 合适被放到一个可能长只能有 1,200 字的一篇全员信里的 。 这就是需要专业的人士来配合你共同来打磨的 。 那如果你听到这里 ，是对于能力项有相关的问题和疑问的话 ， 完全可以联系我们来做下一步的沟通 。 那对于其他的伙伴啊 ， 那假假设你已经有一定的故事的塑造能力了 ， 那听完之后， 我还希望你可以带走两件能做的事啊 。 我们尝试把这个动作压到比较小 ， 那压到比较小之后， 就可以对应两条线 ，而且能够给到你一个自己走完的一个完整的这个闭环 。 ### 两个实验 **Corry** [26:09] 那嗯 ， 这个闭环对人的这个部分啊 ， 你可以找一份你最近的发言 ， 或者最近的一封你的邮件啊 ， 算是比较重要的文字 ， 你做几个自我检查 。 第一 ，有没有一句话能让你让别人读完之后很清楚的知道你的立场 、 你的观点 、 你的 point 到底是什么 ？ 那上过我们的用户思维赋能结构化沟通的伙伴都知道 ， 我会一直跟大家强调一个点 ， 就是你今天的这场汇报 ， 你今天的这场演讲结束之后， 大家能不能明确的读出你的那个一句话的主旨 ， 你的 key message 到底是什么 ？ 就是这个自检要做的事情 。 第二 ，有没有几句话交代清楚当前到底卡在什么样的约束里 ， 牵扯到谁的什么样的业务的影响 ？ 别人一摊就一听就知道哦 ， 讲的就是我们当下的这摊子事 ， 一听就知道和他是相关的啊 。 第三 ，有没有把你是怎么想的的实际情况讲清楚 ？ 你当时看见了什么 ， 排除了什么 ， 遇到了什么样的困境和冲突 ， 最后依然为什么选择了做这件事啊 ？ 别人转述是不至于只是喊口号的啊 。 第四就是呃 ，有没有交代你的代价 ？ 你们可能要付出怎样的成本 、 怎样的牺牲 ， 哪里依然是不确定的啊 ？ 缺哪补哪 ，不求文采 ，但是能让别人听完之后， 能够把以上的这四个点都复述出来吗 ？ 甚至你自己全部读完之后， 不考虑你脑中的那些上下文 ， 你能够复述出来吗 ？ 第二是对机的啊 ， 我们找一段可能会被摘要 、 可能会被丢进去的对话框或者模型的材料啊 。 啊 ， 我们尝试着我们就把它扔到一个模型里 ， 我们来问一问以上的这几个问题 ， 它有没有站得住脚的结论 ？ 大家能不能基于呃这个对话框 ， 一这你也知道 ，不是所有的人都会好好写提示词 ， 对吧 ？ 啊 ，但你就模仿那些写提示词写的特别差的人问说 ， 哎 ， 到底这封邮件传递的是什么信息啊 ？ 他为什么会做出这样的判断 ？ 他什么原因啊 ？ 啊 ， 如果最后总结出来的呃 ，有被拧成什么需要持续关注这种空话 ， 这种立场不明的话 ， 就意味着可能不一定是 AI 出了问题 ，而是你在总结的过程当中， 没有给 AI 那个可以总结的点 。 好 ， 那呃 ， 伙伴们 ， 我们这一期的节目相对来说会比较短啊 ，因为关于 how 呃怎么写好一个故事的这个部分 ， 我们其实没有详细的去展开啊 ，但这期我们从这个模型的角度和大家来探讨了为什么我们会认为在 AI 时代啊 ， 讲好故事会变得越来越重要 。 ### 收尾 **Corry** [28:57] 我会把这几页的片子贴到我们的 show notes 当中啊 ， 希望可以给大家带来更多的帮助 。 无论你是一个企业主 ， 你是一个 CEO， 你是一个普通的打工人， 我们都可能会面临越来越多的 AI 产生的内容的冲击 ，以及 AI 解读内容的冲击 。 希望在这个过程当中， 故事可以更好的帮助到大家 。 那今天就到这里 ， 拜拜 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。