AI 学习零基础入门 · 更新于 2026年10月13日 · 6 分钟阅读

述职与晋升答辩:用 AI 把一年的工作总结讲成晋升理由

述职与晋升答辩:用 AI 把一年的工作总结讲成晋升理由
本文目录

去年 12 月 26 日晚上 9 点,会议室里只剩林越一个人。

她在同一家公司做了四年运营,那年带的小组把老用户复购做上去了,数字在部门里排得进前三。

那 12 页述职 PPT,她改到第三稿,还是觉得哪里不对。

第二天的评审会上,分管副总翻到第 4 页就抬头问她:你这一年,究竟解决了一个什么问题?

林越愣了一下,从「1 月接了那个项目」开始讲。

讲了 6 分钟,被打断了。

副总说:这些进度我看周报就知道了,我想知道的是,你判断了什么,决定了什么,那天她没进候选名单,会后她跟我说,最难受的不是没升上去,是明明做了事,却讲成了一份加长版周报。

这不是她一个人的问题。

述职卡住的,从来不是业绩

很多人把述职当成一次「总结汇报」,于是按时间顺序,从 1 月讲到 12 月,一件不落。

问题在于,评委一天要听十几个人讲。

他们脑子里只有一个问题:这个人,值不值得放到更高的位置上?

时间顺序讲的是「我经历了什么」,晋升问的是「我改变了什么」。

这两件事的信息量差得很远,差的就是整场述职的成败。

那 AI 在这件事上能帮上什么?先划一条线。

AI 帮的是结构,不是结论

先说清边界,不然容易用歪。

AI 的强项是整理和重排:把你散落一地的素材按主题归类,把「我做了什么」改写成结论先行的结构,把口头语压成干净的表达。

AI 的弱项是判断。

你这一年哪些事该重点讲、哪些数据能证明你的判断力,取决于你和这家公司、这个岗位的真实关系,它拿不到,所以正确的分工是:人负责给料和定性,AI 负责排序和成文。

这句话能省掉一半返工,因为它决定了你该喂什么、该问什么。

第一步:先把流水账倒出来,别筛选

绝大多数人卡在第一步,因为一想到「述职」就开始自我审查,想直接写出漂亮话。

结果什么都写不出来。

正确做法反过来:先无脑倾倒,把一整年的素材全倒给 AI,越碎越好。

我给林越的收集清单是这样开的:

  • 我今年做过的项目、动作和日常职责,按想到的顺序列,不用分类
  • 每个项目里我负责的具体环节是什么,别人负责什么
  • 遇到的麻烦、救过的火、和别人有过分歧的地方
  • 同事、领导、客户对我的工作有过什么反馈
  • 手上有的数据、截图、邮件、聊天记录,全都列出来
  • 我今年新学会的东西,以及用它解决了什么

注意最后两条。

「反馈」和「学会了什么」是很多人会漏掉的料,而它们恰恰是评审最想听的证据。

这一步不要让它总结,只要它把这些素材原样接住、别丢。

顺带说一句,如果你还在用 AI 写日常周报,那套「流水账转结论」的手感可以复用,见 30 分钟用 AI 写完周报。

第二步:换掉叙述顺序,改成结论先行

素材凑齐了,接下来是分高下的一步:换掉叙述顺序。

我让 AI 先用一句话写出「我这一年最大的一个结论」,再让所有素材向这句话靠拢。

这里借的是咨询行业用了几十年的金字塔结构。

它的提出者是芭芭拉·明托,明托 1963 年进入麦肯锡,1973 年把《金字塔原理》整理出版,这套方法后来成了麦肯锡内部的标准表达法,金字塔结构的核心是四句:结论先行、以上统下、归类分组、逻辑递进。

翻译成述职语言就是:

  • 每一页只讲一个结论,结论直接写进标题
  • 标题下面的三条论据,必须都能支撑这个结论
  • 三条论据属于同一类,不能一条讲业绩、一条讲学习
  • 论据之间按重要性排,不按时间排

那开头怎么起?用 SCQA,也就是情境、冲突、疑问、回答。

放进述职里,情境是我负责什么,冲突是遇到了什么难题,疑问是我怎么破的,回答是结果,林越那 12 页 PPT,重排后压成了 5 页,第一页标题只有一句话:把沉睡的 3 万老用户,做成了稳定复购,评审会那天,她这句话讲完,副总没有打断。

第三步:把「我做了什么」翻译成「我创造了什么价值」

这一步最容易偷懒,也最分高下。

「我做了 12 场活动」是动作,「我把单场转化从 2% 提到 4%」才是结果。

而竞争力藏在再往前一层:你为什么判断这么做能提转化。

我让 AI 对每一条成果追问三遍:

  • 这件事的结果是什么,能量化就量化,不能量化就说清改变了什么
  • 这个结果里,我那部分不可替代的价值是什么
  • 如果换一个人做,他可能在哪儿做不成

第三问最狠,它逼你把「我的判断」从「团队的成绩」里剥出来。

剥不出来,说明这一条还不该当主打。

拿不准的时候可以直接问它:按现在这个写法,评委会觉得这是团队的功劳,还是我的功劳?

第四步:预演评委追问,这一步不能省

述职的胜负,一半在讲,一半在问。

我让 AI 扮演一个不太客气的评委,专门挑逻辑漏洞。

  • 你上面说的结论,有哪些数据支撑?没有数据的怎么证伪?
  • 这个结果,如果没有你,会不会照样发生?
  • 你讲的这个判断,当时有别的选择吗,为什么选了这一个?
  • 你这一年最大的失误是什么,你从里面改了什么?

最后一条几乎每场都问。

准备它的要点不是把失误说成优点,而是给出一个真实的、有代价的失误,再讲清你后来改了哪个动作。

我陪林越演练了两个晚上,把 11 个高频追问的答案各写成一页纸。

第二年评审会上,那个「如果没有你」的问题果然被问到了,她答完,评委点了点头。

三个坑,踩一个就够呛

第一个坑,把 AI 生成的漂亮话直接交上去。

AI 合成的表述往往比你自己写的更流畅、更工整,也更容易露馅,因为它漂亮得不像你平时说话。

述职是真人对着真人讲的,它的话一定要再过一遍你的嘴。

第二个坑,让它帮你编数据。

这是红线。数据必须来自你真实的记录,AI 只能帮你把已有的数字讲清楚,不能帮你补齐没有的数字。

评审场合被当场戳穿一个假数字,比数据本身难看严重得多。

第三个坑,忘了给 AI 生成的内容做标注。

按 2025 年 9 月 1 日起施行的《人工智能生成合成内容标识办法》,用 AI 生成的文本在对外发布时要按规定标识,这部办法由国家互联网信息办公室等四部门联合印发,配套还有一份强制性国家标准,管的是标识怎么加、加在哪,但这条规则的一半常被误读:它管的是「发布」和「传播」,不是「你怎么写草稿」,内部材料用 AI 打底,没人会追究;把内容公开发出去的那一刻,规范才真正生效。

说到底,AI 把力气从「写」挪到了「想」

林越第二次准备述职前,问我:有了 AI,是不是不用自己想清楚了?

我说恰恰相反。

以前她一大半时间花在调格式、凑字数、把句子写通顺上,真正用来想「我这一年到底做成了什么」的时间最少,现在这部分交给 AI,她省下来的时间,得用来回答那个最难的问题:如果只能讲一件事,我讲哪一件,为什么,那 AI 到底把述职这件事改变在哪?它没替你答那道题,但它让你有工夫去答。

(参考:芭芭拉·明托《金字塔原理》1973 年首版,明托 1963 年入职麦肯锡并负责内部写作训练,金字塔结构四项基本原则与 SCQA 架构(MBA 智库百科「金字塔原理」词条、Think Insights 词条、百度百科「金字塔原则」)。

《人工智能生成合成内容标识办法》,国家互联网信息办公室、工业和信息化部、公安部、国家广播电视总局四部门联合发布,国信办通字〔2025〕2 号,2025 年 3 月 7 日印发,2025 年 9 月 1 日起施行,配套强制性国家标准 GB 45438-2025《网络安全技术 人工智能生成合成内容标识方法》(中央网信办官网原文、央广网 2025 年 9 月 4 日报道)。

)

Avatar photo

龙主编

龙主编,AI智习室官方媒体主编。 专注 AI 行业观察与实操分享,擅长将复杂技术转化为通俗易懂的实战指南。 坚信 AI 不是取代人类,而是赋能每个人。 内容风格: 真实案例 + 详细干货 + 可操作性 使命: 让普通人也能抓住 AI 时代的红利。