我在课堂上当着20个人的面，让 AI 翻了车

作者：尔东陈在路上｜知乎原文：我在课堂上当着20个人的面，让 AI 翻了车

作者：尔东陈在路上｜发布日期：2026-09-23｜原文：https://mp.weixin.qq.com/s/yz5pcBimIwkh43bnzh8PGg

封面为 AI 生成的课堂示意图，非现场照片

在最近的一期线下培训课最后一天，我做了一件很多讲师都不太敢做的事：

我当着全场所有学员的面，打开 AI 工具，现场输入产品信息，让它实时生成一条营销短视频——结果，视频里的产品细节直接出错了。

当时现场鸦雀无声。但我既没有赶快关掉屏幕，也没有尴尬地一带而过。

我指着大屏幕对大家说：“你们刚才看到的，就是 AI 在现阶段最真实的边界。”

讲课，最怕“只展示成功”

我见过太多 AI 相关的培训了。讲师的 PPT 和演示里全是完美的案例：生成一段文案，惊艳；生成一张图片，漂亮；生成一段视频，丝滑。

学员们在台下频频点头，惊叹 AI 真是太厉害了。

但等大家课后回去自己一用，才发现根本不是那么回事——产品细节对不上、生成逻辑混乱、风格不符合业务场景……

这时候学员的第一反应往往不是“AI 有局限性”，而是开始自我怀疑：“是不是我用错了？”“是不是我能力不行？”

这种巨大的落差感，其实是培训者造成的。

因为我们只让他们看到了毫无瑕疵的成功，却没让他们看到当 AI 失败时，真实的样子应该是什么。

一次真实的失败，比十个成功案例更有价值

那次产品细节出错之后，课堂上反而爆发了几天来最热烈、最真实的一轮讨论：

“AI 为什么会在这个地方出错？”

“我们平时怎么判断 AI 生成的内容靠不靠谱？”

“在哪些环节，我们必须用肉眼去兜底检查？”

这些极具价值的问题，如果我只是一味展示成功的案例，大家根本不会去思考。

正是这次“翻车”，帮大家打开了一扇门——学员们开始真正去盘算“AI 能做什么、不能做什么”，而不是把 AI 砸过来的答案当成神明一样盲目膜拜。

课后我也总结了一套判断标准，分享给你，你可以直接套用到所有的 AI 工具上：

确定性的内容，绝不交给 AI 独立完成。 比如产品尺寸、价格、型号、合规条款，这些容不得半点差错的信息，AI 生成后必须由人工 100% 复核。这不是 AI 好不好的问题，而是这类任务的容错率本来就是零。

创意性的内容，让 AI 大量生成，人来做选拔。 比如文案切入点、脚本构思、选题方向——让 AI 一口气跑出十个版本，你来当裁判，选出最好的那个。在这个场景里，AI 是高效率的助手，而不是最终的决策者。

坦然展示不确定性，反而赢得了信任

经历过那次课堂体验后，我发现了一件特别有意思的事：

当我主动在课堂上展示 AI “翻车”的时候，学员们对我反而更信任了。

因为大家都清楚，我不是在台上卖课，也不是在硬推工具，我是真的在帮他们看清这个工具到底能用在哪、用在哪会踩坑。

这其实是一个看似反直觉的道理：敢于不粉饰工具的局限性，大家才会相信你是真正懂这个工具的人。

反过来，如果一个人跟你讲某个 AI 工具，全程只有夸张的溢美之词，一句“这个场景不适合”都不提——那你可得留个心眼了，他可能自己都没深度用过，或者只是想把东西卖给你。

真正每天在用工具的人，都知道坑在哪里。

给你的一个实用上手姿势

如果你刚开始接触 AI，准备把它用在自己的工作里，我非常建议你这样做：

第一次用的时候，千万不要直接用在最紧急、最正式的业务场景里。

先找一个你非常熟悉的产品或业务内容，让 AI 去生成，然后你自己扮演“挑刺者”的角色，主动去找它的毛病。通过这个过程，快速建立起你对这个工具误差范围的直觉。

等你有了“这类内容 AI 大概会在哪里出现幻觉”的直觉之后，再把它放到正式项目里去用。

这个过程用不了多久，一两个小时足够了。但这一两个小时，能让你在后面少踩无数个大坑。

使用 AI，第一步从来不是“学会怎么用”，而是“学会怎么判断”。

在那期培训收官的时候，有个学员专门跑来跟我说：“老师，你当场演示失败、带我们一起找茬那个环节，是我这几天印象最深、收获最大的。”

我觉得，这才是培训该有的样子。

不是让你觉得 AI 有多神圣，而是让你真正清楚，明天回到工作岗位上，该怎么和它一起把活干好。