比如职场上用AI写方案，不能直接把生成的内容发给客户，而是要检查逻辑是否通顺、数据是否准确、是否符合实际需求。有个典型的例子，AI在做贷款审批时，会用逻辑回归、决策树等算法预测违约风险，但这些算法可能存在偏见，这就需要工作人员用批判性思维去审视，避免因为算法偏见导致不公平的审批结果。 再比如学生用AI辅助学习，遇到AI给出的解题步骤，不能直接抄答案，而是要思考“为什么这么解”“有没有其他方法”，甚至可以反过来验证AI的答案是否正确。这种不盲从、会验证的思维，能帮我们在AI时代保持独立判断。 跨学科整合能力：打破行业的“信息壁垒” AI的应用从来不是单一领域的事，往往需要结合不同行业的知识。比如一个AI医疗项目，既需要算法工程师懂技术，也需要医生懂医学知识，还需要数据分析师懂数据处理。这就要求我们具备跨学科整合的能力，能把自己的专业知识和AI技术结合起来，甚至能和其他领域的人高效协作。 比如做市场营销的，现在可以用AI分析客户行为数据，但如果只懂营销不懂数据，就没法发挥AI的价值；如果只懂数据不懂营销，也做不出有效的推广策略。把营销知识和AI数据能力结合起来，才能制定出更精准的营销方案。再比如工业领域的智能生产，需要工人既懂生产流程，又能看懂AI给出的优化建议，还能和技术人员沟通调整方案，这样才能推动生产效率的提升。