怎么挑 AI 工具：五个问题筛掉大部分选择困难

打开一个 AI 导航站，同一类工具列了四十多个，每个介绍页都写着「一键生成」。挑了半小时，最后随便点开一个，用两次就放下了。问题不在工具太少，而在挑选时比的维度不对：比功能数量、比界面好看、比谁家宣传语更响，这些都比不出它适不适合你手上的活。这篇给五个能直接问出口的问题，每个问题都对应一个能筛掉一批工具的判断，问完通常只剩两三个值得试。

选择困难的根源是比错了东西

工具介绍页上的信息，几乎都是它有什么，很少有人写它不适合谁。而选错的代价往往不在钱，在时间：注册、导入数据、学一遍操作、用两周发现不合适，再换一个重来。所以挑选的动作应该前置到试用之前，用几个问题把明显不合适的先排除，剩下的再花时间试。这套方法筛不出最合适的那个，但能避免你在一眼就不对的工具上耗两周。

五个问题，一次问完

五个问题分别对应频率、可验证性、数据、存续、迁移，从左到右筛，越往后越容易被忽略：

五个问题里，第二和第五个最容易被跳过，也最容易在半年后变成麻烦。前者决定你什么时候会被它坑，后者决定你想走的时候走不走得掉。

问题一：这件事你一周做几次

频率决定投入。一周做五次的活，值得花两天学一个工具的进阶用法，甚至值得付费；一个月做一次的活，用免费额度凑合就行，专门学一套操作反而是浪费。这个问题还能筛掉一类伪需求：很多人是被「这个功能好酷」打动的，冷静下来一算，一年用不上三次。判断办法很土但有效，翻一遍最近两周的工作记录，看这件事出现过几次，出现过就记下来，没出现就别买。

问题二：它答错了，你多久能发现

这是区分能放心用和必须盯着用的分水岭。翻译、字幕、排版、改写的错误，你读一遍就能看出来，这类工具可以大胆用，速度快就是净赚。而数据分析、方案判断、代码逻辑、条款解释这类输出，错误往往藏在合理的外表下，要过几天甚至几周才暴露。用这类工具的正确姿势是固定一道人工复核，并且明确谁签字。至于免费版能不能胜任，可以对照 免费 AI 够不够用 里的分类判断：够用的前提通常是任务简单、错误可见。

问题三：数据交出去，收得回来吗

上传一份客户名单、一份未公开的收支表、一份内部制度，先问三件事：会不会被用于训练、能不能删除、删除后备份里还有没有。多数产品的设置里能找到不用于改进服务这类开关，找不到的，就按会被用来处理。现实的做法是分级：公开资料随便传，内部文档去掉敏感字段再传，客户个人信息和未公开数据不上传。这不是保守，是成本核算，一次泄露的处理成本，远高于省下的那点时间。

问题四与问题五：它明年还在不在，换掉贵不贵

AI 工具的停服率高得超出多数人预期。判断存续，看三件事：上线时间、收费方式、客户结构。上线不到半年、没有付费入口、只靠融资的产品，随时可能关停；有明确订阅价、有企业客户的产品，通常能撑得久一些。免费产品的额度政策也会变，今天能免费用满，明天可能只剩零头，免费 AI 的天花板 讲的就是这种额度收紧的规律，把它当成常态，别把流程建在免费额度上。迁移成本则是另一半：产出能不能导出成通用格式，历史数据能不能批量下载，团队里有多少人已经形成了依赖。这两件事在试用第一天就该确认，等到用了一年再问，答案往往是不能。

边界：五个问题筛掉的是明显不合适的

这套问法的作用是排除，不是选优。它能筛掉需求不成立的、错误不可见的、数据不安全的、随时会消失的、进去出不来的，但筛完之后剩下的两三个之间，仍然要靠真实任务去试。试的时候有个原则：用你手上正在做的那件事，别用工具自带的示例。示例是挑过的，真实任务里那些脏数据、含糊需求、临时改口径，才是决定它能不能用的东西。另外，工具的能力也在变，今天做不了的事半年后可能就做了，所以这套问题值得每隔几个月重问一遍。想理解工具从问答走到代办之后判断标准有什么变化，可以看 AI 智能体和聊天机器人的区别：能自己调工具、连续做多步的，评估重点就从回答质量变成了过程可控。

速查：试用前先问的五个问题

• 一周做几次，低于一次就别专门学
• 错了多久能发现，要等几天才知道的必须留复核
• 数据会不会被拿去训练，能不能删干净
• 上线多久、靠什么收费、有没有企业客户
• 不用了，产出和历史数据能不能带走