# 如何判断一项任务是否真的需要用 AI？

> 快速检验一项任务是否需要生成式 AI，还是用搜索、计算器、模板或简单规则就能更快、更省电地完成。

Source: https://greenai.guide/zh/如何/如何判断一项任务是否真的需要用-ai/  
Updated: 2026-11-19

## 简而言之

先问一问：是否已有更简单的工具能可靠地完成这项工作，例如搜索引擎、计算器、地图、词典、模板或电子表格公式。在生成式 AI 能真正节省时间或改善结果的地方使用它，例如起草、解释或改写文字；对于其他工具就能处理好的查询和计算，则不必使用。

## Steps

1. 用一句话写下您需要得到什么结果。
2. 检查搜索、计算器、地图、词典或模板是否已经能给出这个结果。
3. 当任务需要起草、解释、总结或改写，并且结果可以核查时，使用 AI。
4. 当您需要可信来源已经提供的、准确且可核查的事实或数字时，不要使用 AI。
5. 重新审视您经常重复的任务，因为对它们来说，这个选择最为重要。

**最省能源的 AI 请求，就是您无需发出的那一个。** 生成式 AI 很有用，但对许多日常任务来说，更简单的工具更快、更可靠，也更省电。2026 年英国一场由数学家、计算机科学家和业界人士参加的绿色 AI sandpit（研讨工作坊）反复回到同一个观点：人们常常在已有成熟方法的情况下仍然求助于 AI。

## 有什么快速检验方法？ {#what-is-a-quick-test}

| 如果您需要…… | 通常更好的选择 | AI 值得使用的情况…… |
|---|---|---|
| 事实、时间、地址或价格 | 搜索或官方网站 | 您需要用通俗的话加以解释 |
| 计算或换算 | 计算器或电子表格 | 数字埋在杂乱的文字里 |
| 路线 | 地图应用 | 基本没有 |
| 一封标准信函 | 保存好的模板 | 每封信都需要真正量身定制 |
| 初稿、摘要或改写 | AI | 通常值得：这正是它擅长的 |

## 为什么这很重要？ {#why-does-it-matter}

**通用 AI 模型处理每个请求都要做大量计算。** Luccioni、Jernite 和 Strubell 发现，在相同任务上，多用途生成式模型的运行成本比专用系统高出几个数量级。而且即使 AI 有帮助，它也不是没有代价的：2025 年一项关于编程任务的研究发现，在所测试的案例中，AI 辅助编程的碳足迹平均约为人工方式的 33 倍。

这并不意味着永远不要使用 AI，而是要在能带来回报的地方使用它。W3C 的《网络可持续性指南》（Web Sustainability Guidelines）也向开发产品的人提出了同样的观点：在实施 AI 之前，先评估是否需要 AI。

## 常见错误 {#common-mistakes}

- **把聊天机器人当作搜索引擎**来查简单事实，结果还是得再核实一遍。
- **让 AI 做算术**，而计算器能算得一丝不差。
- **出于习惯默认使用 AI**，用于每天重复的任务，而一个模板就能解决。

如需了解更大的图景，请阅读[效率不等于充分](/zh/文章/效率不等于充足-ai-中的反弹效应/)和[选择合适的模型](/zh/良好实践/为任务选择合适的模型/)。

## 来源

- [Web Sustainability Guidelines](https://www.w3.org/TR/web-sustainability-guidelines/), W3C (2025)
- [Power Hungry Processing: Watts Driving the Cost of AI Deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell, ACM FAccT (2024)
- [Comparative analysis of carbon footprint in manual vs. LLM-assisted code development](https://doi.org/10.1145/3711919.3728678), Cheung, Kaul, Jahangirova, Mousavi and Zie, ResponsibleSE 2025 (ACM) (2025)
