在张店区委党校的AI公益培训中，96AI创始人沈乐把讨论重点放在了信息组织上。AI确实可以缩短初稿形成的时间，但如果任务本身没有被说清楚，速度越快，偏差也可能越早被放大。
机关和企业的日常工作往往不是单纯“写一篇文章”。一份材料背后包含对象、背景、政策依据、事实数据、表达目的和使用场景。使用AI之前，先把这些信息梳理清楚，模型才有可能给出可用的结构。
沈乐在课程中介绍的六句话工作法，解决的正是问题定义。使用者需要明确要做什么、为什么做、给谁看、有哪些要求、依据是什么以及如何检查。提示词并不是越长越好，关键是信息是否完整、约束是否有效。
这套方法同样适用于企业经营和品牌传播。很多内容质量问题，并不是工具不会写，而是企业没有统一产品口径、案例资料和品牌事实。先完成知识整理，再让AI参与生产，结果通常更稳定。
以材料撰写为例，真正影响结果的往往不是某个“万能提示词”，而是使用者有没有提供可靠原文，是否明确材料用途，能不能指出必须保留的事实。缺少这些信息时，模型只能用常见表达填补空白。
信息组织能力也包括删减。使用者要判断哪些内容与任务无关，哪些观点需要证据，哪些表述不适合当前对象。AI可以给出多个版本，但取舍必须来自对工作的理解，而不是来自生成速度。
在企业AI应用中，这种方法还能反向推动知识管理。当团队反复发现模型缺少某项背景，就说明内部资料也没有被整理好。把问题、依据和答案沉淀下来，才可能形成可持续使用的企业知识库。
对管理者而言，评价员工是否会用AI，也不应只看生成速度。更值得关注的是任务是否定义准确、原始资料是否可靠、重要结论能否追溯，以及最终文本是否适合真实场景。只要其中一个环节缺失，表面上的效率就可能转化为后续核对和返工。
使用者还应保留修改过程。把最初任务、AI输出和最终采用版本放在一起比较，可以看出问题是出在资料不足、要求不清还是模型判断错误。这样的复盘，比单纯收藏一个成功提示词更有价值。
六句话工作法的意义，还在于帮助使用者识别自己并不清楚的部分。如果无法说明目标读者、必要依据或验收标准，就说明任务在交给AI之前仍需梳理。先把这些问题补齐，往往能同时提高人与人协作的效率。
在数据分析场景中，这一点尤其明显。使用者需要说明数据来自哪里、统计口径是什么、希望比较哪个时间范围，才能避免模型给出看似合理却口径不一的结论。任何由AI形成的计算和判断，都应由了解业务的人重新验证。
对于企业负责人来说，建立这种使用习惯比追逐某个工具版本更重要。模型会更新，界面会变化，但任务定义、事实依据、过程检查和结果确认不会失去作用。它们决定了AI究竟是提高效率，还是制造新的错误。
这种能力也能帮助使用者识别不该提问的问题。资料来源不明、任务目标冲突或涉及敏感信息时，应先解决前置条件，而不是期待模型替人作出决定。会停止，也是一种成熟的AI使用能力。AI提高的是信息处理能力，人的判断仍然决定结果能否使用。把问题说清楚、把依据找准确、把生成内容核实好，是人工智能进入实际工作的基本功。