先问，这件事值得做吗？

第一个是任务级价值的三变量模型：

任务级价值 ≈ 任务价值 × 编程精度 × 模型能力匹配

我把它理解为三个问题：这件事值得做吗？我们有没有把要求表达清楚？选用的模型能不能胜任？

其中，任务价值应该放在最前面。客户有很多需求，团队也能想出很多应用，但能做出来，并不意味着值得投入。一个任务如果本来就无关紧要，即使完成得再快，改善也有限。

而“值得”又与具体的人有关。

企业负责人可能更关注收入增长和损失减少；政府、国企中的管理者，可能还看重成果能否展示、能否说明履职成效；具体经办人最直接的愿望，则可能是少做重复劳动、少出差错、少加班。

这些诉求并不总是一致。一个领导认为重要的项目，也可能给经办人增加整理资料、解释流程和测试系统的工作。如果他们始终看不到自己的收益，项目就很难获得持续配合。

这让我意识到，判断任务价值，不能只问谁愿意为它投入资源，还要问谁需要为它付出时间。

第二个变量“编程精度”，也因此有了更丰富的含义。

在项目落地中，我愿意把它延伸理解为：能否把业务要求整理成清楚的资料、步骤、流程、约束条件和验收标准。这不只是写好一段提示词，更需要客户把真实的业务知识交给我们。

哪些资料可靠？什么情况属于例外？规则冲突时怎么处理？结果由谁确认？这些问题如果没有弄清楚，模型能力再强，也可能在错误的前提上执行。

于是，客户配合就与技术效果连在了一起：经办人获得实际益处，更愿意提供业务知识；要求更清楚，系统才更有可能把事情做好。

第三个变量是模型能力匹配。作为项目管理者，我需要了解不同模型的长短处，也需要了解知识库、连接器和工具的边界。落到一个具体任务上，最终要验证的是整个系统能否稳定完成，而不只是某个模型在演示中表现得多好。

这个乘法模型对我的价值，是提醒我寻找短板。它不是一张填完分数就能算出收益的公式，却能帮助团队避免只盯着技术能力。

提效之后，还有一段组织的路

第二章又把视野从任务推向了组织。

结合书中的讨论，我把 AI 价值的传播概括为：

个人提效 → 组织改造 → 经济收益

个人层面的变化最容易感受到。一份材料整理得更快了，一次初筛更省力了，一段代码更快写出来了。但这些变化要成为组织的收益，还需要经过流程、岗位和协作方式的调整。

举个假设的例子：AI 把一份材料的初审时间从两小时缩短到十分钟，但后续审批仍要等待三天。初审人员确实节省了时间，整件事情却未必更快办完。

这就是我理解的传导问题：局部效率提升，需要与其他环节接起来，才有可能改善整个业务。

对勐腊 FDE 小分队来说，我认为值得重点探索的机会就在这里。我们可以深入具体项目，帮助客户梳理任务、接入系统、重新安排人和 AI 的分工，再用业务结果判断改造是否有效。

项目是进入客户的方式。接下来还要考虑，哪些经验能够复用，哪些能力可以持续运营。否则，即使合同金额不小，也可能被反复定制和长期维护消耗掉。

因此，我更愿意把团队的选择标准写成一句话：客户收益明确，团队交付可控，经验能够复用。

把省下来的注意力，交给什么？

书中谈到任务价值时，有一段关于注意力的讨论，让我印象很深：

任务价值还包括一种经常被低估的收益：注意力节省。1971年赫伯特·西蒙在一篇谈论信息社会的文章里写道：“信息的丰富，造成了注意力的贫困。”一旦信息多到看不过来，注意力本身就成了最稀缺的东西。今天大型企业里的法务、工程师、销售并不缺信息，他们缺的是把海量信息压成几条可执行判断的时间和带宽。Token在这里创造的价值，就是替人完成压缩：通读、分类、标注、初筛，节省的是注意力这一越来越宝贵的资源。

——《Token经济》

这段话让我意识到，AI 替我们节省的，不只是完成任务所需的时间，还有理解信息、辨别轻重、作出判断所消耗的注意力。

在信息洪流中，注意力是我们最宝贵的资源之一。信息随时可以获得，能够认真理解、深入思考的事情却很有限。读过更多材料、收藏更多文章，并不一定意味着对问题有了更清楚的认识。有时，新的信息只是挤走了我们原本想做的事。

对我来说，这种感受首先来自日常的工作与学习。工作量很大，同时还要阅读、复习考试、学习新的知识。一天里接触了很多事情，也处理了不少消息，却常常很难留出一段完整的注意力，把一个重要问题想清楚、做扎实。

因此，AI 帮我通读、分类、初筛和压缩信息，确实有价值。但如果省下来的注意力，马上又被更多消息、文章和工具占满，这种价值就很容易消散。处理信息的能力提高了，注意力的使用方式也需要跟着改变。

我想尝试的一个方向，是以值得推进的行动来组织注意力。先想清楚当前最重要的事情是什么、卡在什么地方，再决定需要寻找哪些信息，以及让 AI 分担哪一部分工作。

比如，面对一个项目，先确定眼下要解决的是客户需求不清、交付范围不明，还是验收标准没有达成一致，再有针对性地整理资料。复习考试时，先弄懂一道错题背后的概念；阅读时，先把一个触动自己的观点想清楚，写下自己的理解。每次让注意力有一个具体的落点，也有一个可以暂时停下来的位置。

这里的“关注行动”，也不能变成只接受眼前有用的信息。有些阅读暂时没有用途，却能拓宽理解；有些问题需要慢慢思考，无法立即得出答案。值得保护的，是自己选择注意力去向的能力：什么时候集中推进，什么时候自由探索，什么时候休息。

读完前两章，我对 AI 价值的理解更具体了一些：从值得做的任务出发，在组织协作中落实，也在个人工作与学习中体现。效率提升之后，如何用好省下来的注意力，同样值得认真对待。