最近，我有幸与邓肯·克拉克和泰·班纳曼一起参加了 Canva Create 举办的“人工智能时代的数据叙事”小组讨论。我们探讨了人工智能如何迅速改变我们所能做的事情，以及这对数据工作者意味着什么。讨论的核心问题始终围绕着一个发人深省的问题：如果人工智能可以生成图表，那么人类还能做什么呢？
这就是我的最终结论：困难的部分并没有改变。
人工智能可以在几秒钟内生成图表、完整的仪表盘、演示文稿草稿，甚至还能提供叙述建议。虽然目前设计质量参差不齐，但这种差距很可能会迅速缩小。这正在重新定义“擅长数据处理”的含义。过去，这指的是熟练使用工具：懂得如何编写代码、处理数据、构建仪表盘或绘制图表。
人工智能正在改变这一切。但或许并非人们想象的那样。
难点不在于绘制图表
几十年来，各种工具一直在制作图表，比如 Excel、Tableau 和 Flourish。操作技巧从来都不是难点。真正的难点在于如何判断什么才是最重要的：了解受众，解读数据的含义，以及思考如何根据数据做出相应的改变。
我们来看一个例子。
以下并排展示了经理在试点经理培训项目前后的绩效评分。左侧是人工智能生成的图表，右侧是我设计的图表。
人工智能的分析结果并没有错，但它并不适合我的具体情况。这时，作为数据叙事者，我就派上用场了。了解我的受众是谁，我才能做出明智的决策，决定如何可视化数据、去除哪些冗余信息、将注意力集中在哪些方面以及引导他们采取哪些行动。这就是数据叙事。
虽然人工智能可以简化输出流程，但它并不会替你做出这些重要的决定——而且它也不应该这样做。恰恰相反，它让做出这些决定的人类变得更加重要。
从思考开始——并利用建设性摩擦。
我在小组讨论中分享的一个实用策略（我在人工智能出现之前就一直在教授这个策略）是从低技术入手。
使用任何工具——无论是人工智能还是其他工具——都容易让人忍不住直接开始生成图表和幻灯片。这样做的风险在于，你会忽略最重要的一步：确定你真正需要表达的内容。
先从模拟方式入手。召集你的团队围坐在白板旁，或者拿起笔、纸，或者我个人最喜欢的低科技工具：便利贴。理清计划和思路。目标受众是谁？你想支持什么决策？你需要推动什么行动？
这触及了我最近一直在思考的一个问题：摩擦的作用。
传统意义上的摩擦会拖慢我们的速度。在某些情况下，这是不可取的。这种无益的摩擦体现在令人困惑的图表、杂乱的幻灯片和不清晰的结构上。我毕生致力于帮助他人消除这类摩擦。如果人工智能能够帮助消除这类摩擦，我认为这是一件非常棒的事情。
但摩擦中也蕴含着建设性的力量。这种摩擦迫使我们在沟通之前进行更清晰的思考。回想一下我之前分享的关于从低技术入手的原则：当你用笔在纸上划过时，确实会产生摩擦。这种摩擦会以非常有益的方式减慢我们的速度——让我们思考什么才是最重要的，质疑数据，并决定什么行动才是合理的。
这让我想起了我之前和肯·菲尔德（Ken Field）为SWD播客做的一次对话。肯是一位制图师，他谈到了过去二十年来地图绘制方式的巨大变化。由于制作纸质地图的材料非常昂贵，因此在动笔之前需要进行大量的规划。这一切随着GIS工具的出现而改变——突然之间，几乎任何人都可以制作地图。而且，制作地图不再需要规划这一步骤。但对于制作一张有效的地图来说，规划仍然至关重要。
这一点让我印象深刻，因为这其实与地图无关，而是与思考有关。
人工智能也在做类似的事情——而且规模远远超出地图制作。它可以消除很多制作过程中的摩擦，简化图表和幻灯片的制作流程。这非常强大。
但这也使得人们更容易跳过最重要的一步：思考。这是一个大问题。这意味着我们的目标不应该是完全消除摩擦，而应该是去除阻碍我们前进的因素，同时保留那些让我们变得更优秀的因素。别让人工智能取代你的批判性思维！
人工智能虽然加快了生产速度，但判断和责任仍然掌握在人类手中。
速度与判断之间的这种张力至关重要。人工智能在生成选项方面极其强大，它消除了空白页面，加快了探索速度。这些都是好事。但最终，还是需要有人来决定哪些方面值得关注。
值得注意的是，这并非什么新鲜事。我们以前就见过这种情况。就在不久前，企业还认为聘请数据科学家就能解决数据问题。再往前，则是数据看板。虽然技术专长至关重要，但它并没有触及问题的本质：你可以获得世界上所有的洞见，但如果人们不理解或不知道如何使用，一切都无济于事。在当今世界，一位优秀的数据故事讲述者能够弥合洞见与行动之间的鸿沟。而数据故事讲述者也将弥合人工智能与数据之间的鸿沟。
人工智能可以极快地生成答案。但仍然需要有人来决定哪些问题有意义，哪些数据可信，以及接下来应该采取什么行动。人工智能或许能够生成图表，但解读权仍然掌握在人手中。他们必须决定图表的含义以及下一步该做什么。
值得一提的是，人工智能可以快速生成精美的输出结果，这很容易让人忽略其中的缺陷。当你使用人工智能进行分析或内容创作时，务必牢记：你要对呈现在受众面前的内容负责。一条简单的原则依然适用：永远不要展示你无法解释的图表。
如果你无法清晰阐述数据所揭示的内容、其重要性以及人们应该如何利用这些数据，那么数据就还没有准备好。人工智能并不会改变这一点——它只是让跳过这一步骤变得更容易。但责任并没有转移。如果你的名字出现在幻灯片上，或者你是演示者，那么你的判断就应该体现在幻灯片上。
最近我和一位律师朋友聊天，她分享的一件事让我印象深刻。她一直在使用人工智能辅助撰写法律文书，并强调了在撰写前提供充分的背景信息对于获得有效输出至关重要（这与我过去构建统计模型时经常听到的一句警告不谋而合：垃圾进，垃圾出）。但她还提到另一点：即使草稿完成，仍然需要进行严格的审查。
这一点也适用于这里。
人工智能旨在满足用户需求。这意味着，如果你不小心，它就会开始告诉你你想听的话。这时，第二双眼睛就显得尤为重要——一个置身于来回讨论之外，能够客观质疑现有信息的人。
我一直提倡从不同的角度审视自己的工作。当人工智能介入时，这一步就显得尤为重要。
人工智能无法取代人与人之间的联系。
在 Canva Create，最让我印象深刻的不是技术，而是人。我有机会结识了许多富有思想、求知欲强、充满创意的人，他们非常在意自己的作品最终呈现的效果以及它所产生的影响。
现在人们都在关注人工智能可能会取代什么，也确实有人担心它会阻碍思考或扼杀创造力。但我却持有相反的观点。恰恰相反，现在正是我们更加重视人性的时刻。讲故事从来不仅仅是图表或幻灯片，它关乎连接，关乎理解你的受众，理解他们的处境，并帮助他们以全新的视角看待事物。
虽然人工智能可以生成内容、建议结构并加快制作速度，但它并不关心。它无法察言观色，也无法建立信任。它无法以反映人类语境、细微差别和判断力的方式来决定什么才是重要的。这部分工作由我们人类完成。因此，与其问人工智能会夺走什么，不如问：它让什么变得更重要？
对我而言，答案很简单：人与人之间的联系。数据叙事的核心始终在于此。在人工智能时代，这一点比以往任何时候都更加重要。
原文： https://www.storytellingwithdata.com/blog/data-storytelling-in-the-age-of-ai