最近我被问最多的一句话是："我知道 AI 厉害，我很焦虑，但我好像用不上。"
这句话很诚实，也很危险。因为它听起来是在描述一个工具的问题，但实际上这是在描述一个决策的问题，而且是一个正在悄悄计价的决策。
一、我先回答一个问题，人工智能改变了普通人什么?
人工智能正在降低一些知识工作的成本，也正在改变人们学习、写作、编程、研究和创造产品的方式。
过去，一个人想获得专业指导，可能需要进入一所优秀的学校、找到一位老师，或者支付不菲的费用。
现在，一部分知识讲解、语言辅助、编程支持和信息整理工作，可以通过人工智能实现更低的成本的完成。
过去，一个小团队想完成复杂的数字产品，可能需要聘请多名专业人员。
现在，在一些任务上，更少的人也能够完成过去需要更大团队才能完成的工作。
这为普通人创造了新的可能性。
而大部分人面对AI所带来的巨大改变时，却又显得茫然不知所措，所以陷入了AI焦虑之中。
二、先把一个误会拆掉：AI 不是一台更快的打字机
大多数人第一次用 AI，是让它写一段文案、改一封邮件、总结一份报告。用完之后的感受通常是："还行，但也就那样。"
这不奇怪。你把它当成一台更快的打字机，它就只能还你一台更快的打字机。
而效率工具的收益是线性的：原来一小时的事，现在四十分钟，你赚了二十分钟。二十分钟改变不了任何人的命运。它只会让你多刷一会儿手机。
这就是为什么很多人试过一次就放下了。他们没有错，他们只是把 AI 放在了错误的坐标系里，放在了"效率"这一栏。而 AI 真正动刀的地方，根本不在那儿。
AI 降低的不是劳动的成本，
是"开始"的成本。
三、真正被归零的，是三样东西
如果只用一个词概括 AI 的价值，我会选"启动成本"。具体拆开，是三样东西同时变得便宜了。
第一，"不敢问"变便宜了
人不是不想学，人是不想在别人面前暴露无知。
这才是学习最大的隐性成本，不是智商，不是时间，是那个"问了会不会显得我很蠢"的瞬间犹豫。这个犹豫拦掉了人生里大量的可能性：课堂上没举手的那道题，会议上没开口的那个方案，转行时没敢请教的那个前辈。
现在你有一个永远不会翻白眼的对象。它没有表情，没有耐心上限，不介意你把同一个问题问第五遍，也不介意你的问题有多幼稚。
提问的心理成本归零，学习的次数就会上升。而次数，才是所有曲线的自变量。
第二，"想不清"变便宜了
很多人以为，要先想清楚，才能开始。这个顺序其实是反的，绝大多数人，是开始了之后才想清楚的。
做方案是这样，写编程是这样，职业选择也是这样。你坐在那里空想三个月，不如把半成品扔出去，看它反弹回来什么。你看到反弹回来的东西，才知道自己真正想说的是什么。
AI 恰好是一个极其廉价的反弹面。你把一团模糊的念头丢给它，三十秒后你会得到一面镜子：哦，原来我脑子里是这么个东西。然后你开始修正它，而修正，比从零构思容易十倍。
第三，"做不起"变便宜了
以前想试一个新方向，先要投入几十上百小时：学一门语言、做一个原型、写一份商业计划、做一个APP。失败一次，几周就没了。于是理性的选择是不试。
现在，一个周末能看到雏形。当失败变得便宜，尝试的次数就会暴涨。
这一点最容易被低估。因为人生里真正拉开差距的，往往不是谁做得更快，而是谁敢多试几次。运气是概率事件，概率是次数的函数。AI 没有让你变聪明，它让你多了几百次机会去撞上那个"原来是这么回事"的瞬间。
四、那用了 AI，还算我的能力吗?
这是最普遍、也最少被认真回答的心理障碍。它背后藏着一个偷换概念：把"亲自动手的过程"，误当成了"能力本身"。
历史上这个担心重复了好几轮。
计算器出来的时候，人们说孩子们再也不会算数了;搜索引擎出来的时候，人们说人类再也不会记东西了。结果呢?数学家没有消失，他们去做更难的计算了;记忆没有退化，判断力变得更值钱了。
规律是这样的：每一次工具的下沉，都会把"稀缺能力"往上推一层。
AI 也一样。它把"把话说清楚"这件事变得几乎免费，于是"知道该说什么"就变得更贵;它把"写出一段像样的代码"变便宜，于是"判断该做什么东西"更贵;它把"生成一份报告"变便宜，于是"提一个好问题"更贵。
所以真正的风险不是你用了 AI 会变笨。真正的风险是：你不用 AI，把最好的时间耗在本可以被替代的环节上，于是永远腾不出手去练那一层更贵的能力。
一个反直觉的事实：AI 不是替你思考，是逼你思考
用过一段时间你会发现一件事：AI 给你答案的质量，几乎完全取决于你提问的质量。你糊弄它，它就糊弄你。你问得含糊，它答得漂亮而空洞。
它是一面镜子，把你思维的清晰度原样反射回来。
很多人第一次用 AI 会隐隐不适，说不清为什么。我猜那个不舒服的来源在这儿：不是它不行，是它太诚实了。你第一次亲眼看见自己的问题有多模糊。
一个不肯把问题说清楚的人，
用上 AI 之后，只会更清楚地看见自己说不清楚。
五、三种最常见的用错姿势
鼓励用，不等于闭着眼用。这三种姿势最浪费时间：
要答案，不要判断。把 AI 当权威，它说什么就是什么。错。它是陪练，不是裁判。所有关键判断的签字权必须在你手上。它负责提供选项，你负责承担后果。
要结论，不要过程。拿到结果直接复制。错。真正有价值的是让它展示推理链，然后你在链条上挑错。挑错的那一步，才是学习真正发生的地方。
要代笔，不要对话。一次生成，不满意就走。错。质量提升最大的一步永远在第二轮，你说出那句"这里不对，因为……"。那句话才是你不可替代的部分。
六、别学提示词，先做这一件事
如果你到现在还没真正用起来，我建议什么都别学。不要买课，不要收藏教程，不要研究什么提示词工程。
就做一件事：接下来这一周，把那件你本来打算说"算了"的事，交给它试一次。
那件你一直想学、但觉得"现在才开始是不是太晚了"的技能;
那个在脑子里转了半年、因为不够成熟而一直没说出口的想法;
那封写了三遍还不满意、最后随便发出去的邮件;
那个你不敢问任何人、怕显得外行的问题。
判断这次尝试成不成功，标准只有一个：做完之后，你有没有说出一句"原来是这么回事"。
有，就成了。
七、写在最后
工具从来没有淘汰过人。每一次技术下沉，淘汰人的都是另一批更早用上工具的人，以及他们因此多出来的那几百次"开始"。
你现在落后的一点，不是能力，是次数。而次数是可以补的，只要从今天开始。
你不是输给 AI。
你是输给"还没开始"。
这句话里唯一的好消息是：开始的门槛，从来没有像今天这么低过。
今天就试一次。把那件你说了"算了"的事拿出来，扔给它三十秒。
我是郑逻辑，关注我，每天拆解一个底层逻辑，陪你看透世界运行的真相。
热门跟贴