AI 时代,真正要练的不是会用工具

最近和朋友聊 AI，大家很容易聊到工具。

哪个模型更强，哪个工具更好用，哪个产品可以一键生成页面，哪个工具能把需求直接变成代码。

这些当然重要。

但我最近越来越有一个感受：AI 时代真正拉开差距的，可能不是谁更会点按钮，也不是谁收藏了更多工具，而是谁能更清楚地判断一件事：

什么值得做，为什么做，做到什么程度，什么应该删掉，最后能不能拿到结果。

这件事听起来有点虚，但其实很具体。

1. 执行变便宜以后，判断会变贵

以前很多事情卡在实现层。

不会写代码，想法就停在脑子里。不会设计，页面就做不出来。不会写文案，表达就很慢。不会做数据分析，很多判断只能靠感觉。

现在不一样了。

你会描述，会拆解，会和 AI 来回沟通，一个人就能做出以前小团队才能做的东西。写方案、做原型、生成页面、写代码、产出文案、分析数据，都比以前快太多。

这当然是好事。

但也带来一个新问题：当大家都能生成东西以后，生成本身就没那么稀缺了。

AI 可以很快给你 10 个方案，但哪个方案是对的，哪个只是看起来完整，哪个其实没有用户价值，哪个应该删掉，还是要靠人判断。

所以我个人觉得，AI 不是让人的价值变低，而是把人的价值往上推了一层。

以前重要的是：

我会不会做。

以后更重要的是：

我知不知道该做什么。

2.品味不是好看，而是高质量取舍

很多人说 AI 时代品味很重要。

一开始我也容易把品味理解成审美，比如页面好不好看，文案高级不高级，视觉舒服不舒服。

但放到产品和工作里，品味其实没那么窄。

品味更像是一种综合判断力：在具体目标、用户场景和现实约束下，判断一个东西好不好、值不值得、该不该做，以及应该怎么做。

比如做一个个人知识整理页面。

低品味的做法，是把所有笔记、链接、文件、标签都整整齐齐摆出来，看起来信息很完整。

但真正用的时候，你可能还是找不到自己要看的东西，也不知道下一步应该做什么。

更好的做法，是按任务组织：

• 我最近在研究什么？
• 我今天要继续写哪篇文章？
• 哪些资料还没整理？
• 哪些想法可以变成输出？
• 哪些内容值得复盘？

用户不关心背后用了多少工具，也不关心你搭了多少数据库。用户关心的是，我现在要完成什么任务。

这就是品味。

它不是装饰，而是知道什么信息应该放前面，什么概念可以藏起来，什么功能看起来厉害但其实增加负担。

说到底，品味最难的不是加东西，而是删东西。

3. 软实力不是会聊天，而是能在不确定里做判断

以前提到软实力，很多人会想到沟通、表达、人际关系。

这些当然是软实力的一部分，但在 AI 时代，我觉得软实力会变得更硬。

它包括问题定义能力、产品感、审美和表达、商业感、运营感、跨角色整合能力。

比如问题定义能力。

一个普通说法是：

我要做一个 AI 写作工具。

这个说法没错，但太粗了。

更清楚的说法可能是：

我想帮助经常写文章的人，在选题很多但思路很散的时候，快速整理出一个可以动笔的文章框架，从而降低开始写作的阻力。

这两句话差别很大。

前一句是在说工具。

后一句是在说用户、场景、痛点和结果。

AI 可以帮你生成方案，但前提是你能把问题定义清楚。问题定义不清楚，AI 只会很努力地帮你把一个模糊想法做得更复杂。

这也是我现在对“软实力”的新理解。

它不是会说漂亮话，而是在信息不完整、方向不确定、选择很多的时候，仍然能做出更稳的判断。

4. 真正有竞争力的人，是能闭环的人

AI 之后，岗位边界会越来越弱。

产品可以借助 AI 做原型，设计可以做交互和文案，研发可以理解业务和产品，运营也可以快速搭工具、跑实验。

这时只守着一个岗位边界，可能会越来越危险。

不是说专业不重要，而是单点专业需要和闭环能力结合起来。

什么叫闭环？

发现问题，定义需求，设计方案，快速验证，推动实现，上线迭代，最后拿到结果。

以前很多人的价值来自岗位：

我是产品，所以我写需求。

我是设计，所以我出图。

我是研发，所以我写代码。

我是管理，所以我协调。

但未来更重要的可能是：

这件事从想法到结果，中间最关键的判断和推进，你能不能负责起来。

只传递信息、同步进度、催别人干活，这类价值会被压缩。因为很多信息流动、会议纪要、项目状态，工具都会做得越来越好。

但能定义问题、能看懂技术边界、能判断价值、能动手做 Demo、能推动一件事拿到结果的人，会越来越稀缺。

这类人不一定每一项都最强，但他能把事情串起来。

5. 怎么练？从小项目开始

这些能力听起来很大，但其实可以从很小的训练开始。

每天看一个案例，写三句话：

• 它解决什么问题？
• 它好在哪里？
• 我能学到什么原则？

每周拆一个产品：

• 它服务谁？
• 核心路径是什么？
• 第一次使用哪里顺，哪里别扭？
• 如果我来改，我会先改哪里？

每个月做一个小作品。

不一定是公司项目，也不一定要和真实业务强相关。反而可以从更安全、更个人化的场景开始，比如：

• 一个个人知识整理页面
• 一个读书笔记自动摘要工具
• 一个文章选题生成工具
• 一个方案自查清单助手

这些东西看起来小，但很适合练习完整闭环。你需要想清楚它服务谁，解决什么问题，第一步怎么用，结果怎么呈现，哪里可以删掉，哪里需要让用户更容易理解。

不一定要做得多大，但要完整。要有目标用户、核心场景、使用路径、关键文案、AI 能力说明和一次复盘。

这比单纯看很多课程更有效。

因为判断力不是听出来的，是一次次看、拆、做、改、被反馈之后长出来的。

6. AI 负责生成，人负责选择

我现在越来越觉得，AI 最有价值的地方，不只是帮我们更快完成工作，也可以帮我们训练判断。

让 AI 生成多个版本，然后自己比较。

让 AI 扮演反方，专门挑刺。

让 AI 对比两个方案，指出哪个更清晰、更克制、更有用户价值。

让 AI 把一次拆解提炼成原则。

但最后的选择不能交给 AI。

AI 很适合生成平均答案，但从 70 分到 90 分，往往靠人的编辑力、判断力和取舍力。

也就是说，AI 可以负责给你一堆可能性。

但你要负责说：

这个留下。

这个删掉。

这个还不够准。

这个用户不会买账。

这个看起来完整，但没有结果。

这个才是我们现在应该做的第一版。

结尾

写到这里，我觉得 AI 时代最重要的变化，不是工具变多了，而是我们对自己的要求要变了。

以前我们可能更关心自己会不会某个技能。

以后可能更要问自己：

• 我能不能定义一个真问题？
• 我能不能判断一个方案值不值得做？
• 我能不能把复杂东西讲清楚？
• 我能不能借助 AI 快速验证？
• 我能不能推动一件事从想法走到结果？

这些问题都不容易。

但好处是，它们都可以训练。

从一个产品拆解开始，从一个小方案开始，从一次复盘开始，从把 AI 生成的东西认真改一遍开始。

慢慢来。

AI 会让执行越来越快，但也会让真正的判断、品味和闭环能力越来越值钱。