标准回答
先对齐目标，讲价值不讲原理
对方是老板/业务同事，关心的是「这玩意能帮我们干什么、靠不靠谱、要花多少」。所以先说业务价值：比如「客服机器人能自动答 70% 常见问题，人力省一半」，再视情况展开。
用类比把概念讲透
把大模型比作一个「读过几乎全网资料、特别会接话的超级实习生」：知识面广、反应快、写东西利索；但它有三个毛病——会一本正经地胡说（幻觉）、不知道最近发生的事（训练数据有截止）、记不住太长的上下文。这样对方立刻能 get 它的能力和边界。
讲清能与不能
能做：起草文案、归纳总结、答常见问题、翻译、写代码初稿。不能盲信：涉及事实、数字、合规的结论要人核对；别把敏感数据随便喂给外部模型。
落到行动
给一句对方能拍板的建议，比如「先在 XX 场景小范围试点，定个准确率标准，达标再推广」，让解释变成可决策的信息。
常见误区
⚠️ 常见踩坑
上来就讲 Transformer、注意力、参数量这些术语，对方听不懂也用不上；或只吹能力不讲风险，导致老板对 AI 期望过高、踩坑后反弹。
追问
追问 1：老板担心「AI 会不会取代我们团队」，怎么回应？
定位成「放大器而非替代者」：它替人干重复、低创造性的活，让团队腾出时间做判断、创意和对客户的事；同时强调它会犯错、需要人把关，所以仍需要懂业务的人来用好它。给具体例子比抽象论断更有说服力。
追问 2：怎么让对方理解「AI 会胡说」这件事？
用实习生类比：它像一个不肯说「我不知道」的实习生，不确定也会硬编一个像样的答案。所以凡是事实、数字、合规结论都要人核对，关键决策不能只信它一句话。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。