你用过AI写周报吗？那种"看起来对、读起来顺、直接交差"的爽感，可能正在让你付出代价。
Sal Attaguile在这篇文章里抛出一个反直觉的观察：AI越能干，人越容易掉链子。不是AI变笨了，是我们变懒了。而且这种"懒"不是摸鱼，是一种更难察觉的——系统性走神。
正方：效率革命真的发生了
没人否认AI带来的速度。起草报告、总结文档、分析数据、生成推荐——这些曾经耗时的任务，现在几分钟搞定。Attaguile自己也承认："大多数时候，它们做得很好。"
这就是效率杠杆的本质：用更少的时间撬动更大的产出。一个能同时处理数十条信息流、永不疲倦、从不请假的系统，确实改变了工作流的基础假设。
企业爱谈"人机协作"，潜台词是AI负责加速，人类负责把关。听起来分工明确，但问题就出在这里——"把关"这个动作，正在被悄悄跳过。
反方：但 oversight（监督审查）正在崩溃
Attaguile用了一个很贴切的类比：开车时的"那个混蛋"。
「我们都经历过——既当过那个被气到的司机，也得承认，自己偶尔就是那个突然变道、不打灯的人。」
为什么还没撞车？因为有人保持了警觉。他们盯着路况，读懂了局势，做了调整。
这个逻辑放到AI场景里同样成立：系统一旦运转，注意力就不是可选项，而是必选项。但现实是，当AI输出"看起来对"的时候，人类的第二眼越来越稀缺。
Attaguile列举的征兆很具体：
• 信任过快——没核实就采纳
• 跳过复查——"差不多就行"
• 直接推进——因为输出"感觉够好"
这些不是智力失败，是监督失败（failures of oversight）。更隐蔽的是后果的延迟性：一个 slightly off 的假设，不会立刻引爆，只会静静地把结论带偏。基于这个结论的决策开始漂移，链条上的每个环节都以为自己在执行正确的事。
「什么都没立刻坏掉。它只是安静地向错误方向移动。」
这就是自满（complacency）的运作方式——不是拒绝思考，而是停止核实。
我的判断：责任没有消失，只是浓缩了
Attaguile的核心论点可以总结为一句话：能力不消除责任，它浓缩责任。
他用了另一个工业时代的类比——起重机。机器能吊起数吨重物，但责任始终落在操作员身上。AI同理：它能大规模处理和推荐，但每一个被跳过的核查环节，都会把风险压缩进最终的决策点。
具体代价因领域而异：
• 建筑：一个细节遗漏导致结构失效
• 金融：资本损失
• 法律：立场瑕疵
• AI本身：规模化错误输出
效率创造了杠杆，而杠杆的方向取决于使用者是否在场。不是物理在场，是认知在场——保持 engaged（参与状态），而非 micromanaging（微观管理）。
两个可落地的自检工具
Attaguile没有停留在批评，给出了两个具体方法：
PPRR — 暂停、解析、反思、返回
这不是制造摩擦，是夺回控制权。面对AI输出时，强制插入一个停顿：先拆解它说了什么，再反思是否合理，最后决定是否采纳。整个过程可能只需几十秒，但打破了"接受-转发"的自动模式。
ESA — 认知自我审计（Epistemic Self Audit）
在采纳任何输出（无论来自人还是AI）之前，问自己：
• 我检查过关键假设吗？
• 如果这部分错了，下游会怎么偏？
• 我有没有因为"看起来对"而跳过验证？
PPRR 保 engagement（参与度），ESA 保 accountability（可问责性）。两者缺一，效率就会悄悄滑向自满。
为什么这件事值得现在讨论
AI工具的渗透率已经过了早期尝鲜阶段，进入日常依赖期。这正是风险最高的转折点——用户足够熟悉，开始放松警惕；系统足够复杂，错误足够隐蔽。
Attaguile的警告针对的不是AI反对者，而是重度使用者。恰恰是那些每天打开ChatGPT、Claude、Cursor的人，最需要审视自己的使用习惯：上一次认真核对AI输出是什么时候？有没有把"AI说的"直接当成"我确认的"？
技术史的一个反复出现的模式：新工具先被高估（神奇化），再被低估（背景化），最后风险暴露时才被重新评估。AI可能正在从第二阶段滑向第三阶段。
效率本身是中性的。它放大的是使用者的习惯——好的更好，坏的更坏。如果监督机制没有同步升级，杠杆就变成了漂移的加速器。
下一次用AI时，停一下。跑一遍快速检查。留在循环里。
热门跟贴