看透了这2类用AI的人,外包思考迟早完蛋

昨天在 Hacker News AI 上刷到一篇爆文，直接把现在用 A.I. 的人撕成了两半，最扎心的一句结论就是：用 A.I. 来逃避思考，就是死路一条！

讲真，这篇文章的爆料人可是跟整个科技界头部大厂的管理层都聊过，人家直接摊牌了，说现在的软件工程圈正在裂变成两个模糊的阵营。

第一类人，那叫一个通透。他们用 A.I. 纯粹是为了去除繁杂的苦力活，跑得更快，然后把省下来的时间全砸在真正值钱的地方。啥叫真正值钱的地方？就是界定问题、做取舍、找风险、理清逻辑、产出原创洞察。这些人才是真正在驾驭 A.I.，把工具用到极致。

第二类人呢？说白了就是用 A.I. 来逃避思考。把提示词往框里一贴，拿到一份光鲜亮丽的输出，转头就当成自己的思考成果交上去了。短时间内，这看起来简直像生产力爆表，甚至能让人觉得你是个天才。但原文里有个极其毒舌的定调：这是一条死胡同。

你想啊，未来最有价值的软件工程师，绝不是那种啥事都自己死磕的人，而是那些坚决不把时间花在 A.I. 能干的活上，但同时对 A.I. 替他们做的所有事情了如指掌的人。他们用省下来的时间去更高维地运作，通过严谨来提升思维过程，而不是把脑子外包出去。原文里有一句话简直绝了，必须给你们原话搬过来：

That is intellectual dependency being labeled as leverage.（这就是把智力依赖包装成了杠杆。）

看似天赋，实则抄袭

这事为啥细思极恐？A.I. 现在几秒钟就能生成代码、总结会议、解释概念、出设计稿、写状态更新，确实好用，但也极其危险。

危险在哪？根本不是那种虚无缥缈的道德层面上的让人变懒。而是它让人在没有建立能力的情况下模拟出能力。现在诱惑太大了，把问题丢给模型，拿到一个看似合理的答案，然后照本宣科，好像这就是你自己的理解。这比抄袭还恶劣！学生抄另一个人的答案，好歹背后还有个真人源头。现在这帮人拿出来的是机器生成的推理，他们自己根本不懂，没法辩护，自己也复现不出来。

每一次你用生成的输出代替自己的理解，你就是在跳过那些能培养判断力的练习。你是在用长期的能力去换短期的体面。这种亏本买卖，居然还有一堆人沾沾自喜。

三个比喻，刀刀见血

原文作者为了把这事儿说明白，甩出了三个极其毒辣的比喻，我看完直呼内行。

第一个是考试抄袭比喻。想想那个一路抄答案过来的学生，纸面上看能风光很久，好成绩、受表扬。可一旦到了需要真正理解实力的场合，底裤就露了。底子根本没打起来，不知道怎么推理陌生问题，条件变了也不会自救。A.I. 给工程师设下了同样的陷阱。如果你反复用它来提供你自己根本想不出来的答案，短期看可能很有效，甚至能在可见产出上超过别人。但你的地基是空的。你借来了精通的表象，却没有获得精通。在真正的工程工作中，难的不是重复已知答案，而是处理模糊性、不完整信息、冲突约束和不按套路出牌的问题。浅薄的模仿一到这里就崩盘。

第二个是计算器比喻。没人说我们要永远手算，但用计算器省时间，和因为你压根没学过数字感而用计算器，是两码事。心算强的人用计算器，能估算，能抓明显错误，知道答案合不合理。没这基础的人就彻底依赖了，没法做常识检查，检测不出垃圾，只能盲信屏幕。你想想看，如果你连大概的数感都没有，机器算出来一个离谱的数字，你连按常识质疑的勇气都没有，这不是搞笑吗？A.I. 也一样。有深度的工程师能激进地用 A.I.，因为他们能检查输出、挑战它、优化它、该拒绝时拒绝。他们知道哪里可能有缺陷，哪些边缘情况重要，什么时候东西听起来光鲜但根本就是错的。没深度的工程师处境惨多了，原文原话送给大家：

They are not really using A.I. They are being led by it.（他们不是在使用 A.I.，而是被 A.I. 牵着鼻子走。）

第三个是自动驾驶比喻。自动驾驶能减疲劳、处理常规情况。但如果你在懂开车之前就依赖它，你就不是在变强，你只是个握着控制权的乘客。一旦条件变得非标准：能见度差、路况奇葩、其他司机行为反常、系统故障或突发危险，依赖就暴露了。A.I. 在常见模式、已知结构上表现最好，但工程工作经常闯入非标准领域：需求变动、微妙的漏洞、不清晰的归属、架构目标冲突、部分数据、组织摩擦和没有完美答案的权衡。平时路直标清的时候，有自动化谁都能装老司机，路一烂，真本事才看得出来。如果你常年让系统开车，自己偶尔摸一下方向盘，等到出事你接不住，别觉得意外。

顶尖高手的真实玩法

那最牛的工程师怎么玩？他们绝对是用 A.I. 更多，而不是更少，但姿态完全不同。

他们会让 A.I. 起草样板代码、总结文档、生成测试脚手架、提出重构建议、找出可能的故障模式、加速调查、压缩常规工作。他们乐意卸载机械部分。但他们同时会：提出更犀利的问题；定义真正的问题而不是仅仅对表面问题做出反应；追求清晰简洁，而不是说了一堆废话的华丽辞藻；创造新的高价值知识，而不是简单地在系统中重新哈希现有知识。

然后，他们会把收回来的时间投资到最要紧的地方。

价值的真正来源

多年来，人们一直把软件工程和代码生产混为一谈。现在这个错觉被戳破了。

如果这工作主要是生产语法有效的代码，那 A.I. 当然可以直接取代这行的大部分人。但这从来不是工作中最高价值的部分。价值永远在于判断力。

有价值的工程师，是那个在隐藏约束导致宕机前就看到它的人；是那个注意到团队正在解决错误问题的人；是那个把模糊的争论简化为清晰权衡的人；是那个找出缺失抽象的人；是那个能调试现实而不仅仅是读代码的人；是那个在别人只看到噪音时创造清晰度的人。

A.I. 可以支持这项工作，但它不能拥有它。未来产生最多价值的工程师，往往是那些首先创造使 A.I. 更有用知识的人。他们会创建设计原则、领域理解、模式、上下文和决策框架，从而提高机器的有效性。

各位吃瓜的 HR、猎头和产品经理们，这瓜吃到这，你们品出味儿没？以后招人或者评估绩效，千万别被那种 A.I. 生成的高大上汇报糊弄了。那种看着光鲜但经不起推敲的产出，就是外包思考的毒药。真有本事的人，是用 A.I. 省时间，然后把精力砸在判断力和解决真问题上。如果你发现身边有人连 A.I. 给的垃圾结果都看不出来，还当个宝一样往上交，赶紧离远点，这锅砸下来可是要人命的。

留言聊聊
你身边那种被 A.I. 牵着鼻子走的人多吗？你是用 A.I. 省时间，还是用它逃避思考？

来源：Hacker News AI｜原文：AI should elevate your thinking, not replace it