一个关于蒸汽机和煤炭的古老悖论图：效率提升反而导致消耗增加的悖论1865年，经济学家威廉·斯坦利·杰文斯提出了一个让当时的企业家们困惑不已的发现：瓦特改良蒸汽机后，效率大幅提升，所有人都预期煤炭消耗会大幅下降。结果恰恰相反——煤炭消耗量暴涨了整整9倍。原因很简单：效率提高了，用蒸汽机就划算了，于是蒸汽机被广泛应用到更多场景，刺激了更多需求，最终消耗的煤炭反而比之前更多。这个悖论后来被称为「杰文斯悖论」，成为经济学中一个经典的反直觉现象。如果你觉得这只是工业革命时代的老黄历，那我请你想想今天发生在办公室里的事。AI写作、AI编程、AI做PPT……每一个工具都在告诉我们：效率提升10倍，省下的时间可以去做更有价值的事。真的吗？我观察到的现实恰恰相反。AI提高了效率，但没有人因此变得更轻松。相反，所有人似乎都在更拼命地跑——不是为了前进，而是为了留在原地。两个让人睡不着觉的问题如果你在职场待过几年，一定有过这种感受：明明用了各种效率工具，加班却一年比一年多。明明AI可以帮你写代码、做方案，但deadline并没有因此变宽裕。更诡异的是，你做的事可能是10年前的3倍，但工资没涨、晋升变慢、成就感反而降低了。这里有两个核心问题需要回答：第一，为什么我们做的事越来越多？第二，为什么做多了却拿不到更多回报？这两个问题看起来很简单，但它们背后藏着AI时代最深层的结构性矛盾。先说第一个问题。AI提高了单个员工的产出能力，但老板很快会发现：既然你产出翻倍了，那我们可以接更多项目。于是人员没有增加，项目数量却翻了三倍。你确实高效了，但你的工作量也翻了三倍。这还没完。AI产出的是「看起来完美的半成品」——代码能跑，报告能看，方案像模像样。但管理者心里没底：AI写的代码有没有隐藏bug？报告的数据准不准？方案的方向对不对？于是管理者变成了专职质检员，每一份AI产出都要人工审核把关。审核的人比干活的人还累。微软和领英2024年发布的职场报告印证了这一点：AI节省的时间，很大一部分被用来处理别人用AI制造出来的更多信息。你的同事用AI写了一份报告发给你，你得用AI分析这份报告的逻辑漏洞，然后生成一份更详细的分析……这个循环没有尽头。再说第二个问题：为什么效率提高了，回报却没有增加？因为当所有人都用AI的时候，门槛被拉平了，你的效率提高，对手的效率也提高了。大家一起提高，等于都没提高。市场被打回原点。图：拼命跑只是为了维持在原地这个过程有一个很形象的比喻——「AI自动滑梯」。投资人大卫·西蒙说过一句话很扎心：不跑会往下掉，拼命跑只是维持原位。不用AI不会让你立刻倒下，但当对手都在用的时候，不用就等于在竞争中持续失血，迟早被淘汰。可笑的是，用了也不会赚更多。这就是没有价值增量的内卷。为什么越努力，越累，越没有收获让我们把镜头拉近一点，看看具体发生了什么。一个程序员用AI工具写代码，确实能提高效率。代码量暴增三倍。但代码多了，测试就崩了。测试用例覆盖不了这么多代码，bug率反而上升。最后他花大量时间修bug，那点AI节省的成本被吃得一干二净。一个营销团队用AI批量生成内容，一天能出50篇推广文案。但问题是，所有人都在用AI生成内容。内容供给爆发性增长，平台的算法不得不调整——因为内容太多了，必须精选。那就提高推荐门槛吧。结果呢？点击率暴跌，获客成本反而上升。这不是哪个行业的特例，这是系统性的困境。我见过一些大厂的朋友，他们告诉我一个有意思的现象：公司裁员之后，把AI工具部署上去，宣称效率提升了多少多少。但活还是那么多，只是人少了。剩下的人要操作更多AI工具，产出更多内容，然后互相审核对方AI产出的内容。大家都在高强度运转，但产出的是更多需要高强度审核的半成品。有人说这叫「内卷」。我觉得这个词太温和了。更准确的说法是「负和竞争」——所有人都在努力，但所有人的处境都没有变得更好，甚至变得更差。判断力：AI时代唯一的稀缺品面对这样的局面，我们能做什么？AI是一个放大器，它让强者更强，也让平庸者以更快的速度产出更多的平庸。差距不是缩小了，是拉大了。你有一个好想法，AI能帮你快速验证、迭代、执行。这个价值是真实的。但如果你没有想法呢？AI只能帮你生产一堆看起来正确但毫无洞察的内容。这些内容消耗了你和受众的时间，却不能解决任何真正的问题。这就引出了我在这个时代最核心的一个判断：判断力是AI时代唯一的杠杆。图：判断力是在信息洪流中精准抓住关键点风险投资家Naval Ravikant说过一句话：判断力是21世纪最重要的技能。他说的语境是投资，但这句话在AI时代有了更普遍的意义。做对方向，AI能帮你光速放大成果；做错方向，AI能帮你光速放大错误。方向对不对，取决于你的判断力。AI可以帮你做100件事，但哪件值得做，需要你来判断。AI可以给你100个答案，但哪个答案真正解决了你的问题，需要你来判断。AI可以生成无限的内容，但哪些内容真正有价值，需要你来判断。不会判断的人，AI越多越累，因为他要处理AI制造的更多噪音。善于判断的人，AI越多越轻松，因为他能用AI筛选出真正重要的东西。AI不是免费的，它需要你付出另一种成本很多人把AI当成免费的午餐。这种想法本身就是危险的。AI确实不收你月费，但它消耗的是你的时间和注意力。你问AI一个问题，它给你一堆答案，你得花时间去理解、去判断、去筛选。表面上你在节省时间，实际上你在消耗另一种稀缺资源——你的认知带宽。更隐蔽的成本是：问得越宽泛，AI的洞察越弱。这是我在实际使用中发现的一个规律。AI的厉害之处在于精准——你问得越具体，它越能给出有价值的回答；你问得越宽泛，它越只能给你一些正确的废话。为什么？因为AI是根据你的提问来理解你的需求的。你的问题模糊，AI的回答就泛泛。你的问题清晰，AI的回答就精准。你需要自己先想清楚你要什么，才能让AI帮你得到什么。这意味着，AI并不能替代你的思考，它只是加速你的思考。你思考的深度，决定了AI帮你产出的价值。那些幻想「我只要会用AI就能躺赢」的人，最后大概率会被AI累死。他们的问题越来越多，需要审核的内容越来越多，做的无用功也越来越多。所以，AI从来不是免费的。你需要付出的是：保持清醒、持续思考、不断追问。未来会怎样：一种可能的图景OpenAI的CEO Sam Altman有一个预言很有意思：未来的公司会更像投资机构。什么意思？过去一家公司是「项目驱动」的——有一个项目，招一批人，干完再找下一个项目。未来的公司可能是「AI驱动」的——AI无限量提交项目提案，人类全员变成投资经理和风控官，决定哪个提案值得做、哪个要放弃。这意味着未来的核心工作不是执行，是判断。AI领域的大神Andrej Karpathy也有一个更具体的描述：未来人的工作主要是给AI分配任务、审查AI的产出、找出AI的幻觉。翻译一下就是：未来最值钱的人是那些知道问什么、知道怎么验证、能发现AI犯错的人。这听起来有点抽象，举个例子。一个优秀的产品经理，未来可能不需要自己写PRD文档了，AI可以帮他生成。但他仍然需要判断：用户真正的痛点是什么？AI生成的PRD有没有理解错需求？哪个功能优先级更高？这些判断，需要对用户的深度理解、对业务的长期积累、对市场的敏锐洞察——这些是AI短期内无法替代的。我们该怎么应对说了这么多，我的观点其实已经比较明确了：第一，接受这个现实，但不要被它裹挟。AI效率提升带来的竞争加剧是一个结构性趋势，个人很难对抗。但你可以选择不随波逐流。当所有人都在用AI批量生产垃圾内容的时候，你选择做更少但更精的东西；当所有人都在追逐AI工具的新功能时，你选择先把你的判断力这个底层能力打磨好。第二，把AI当作杠杆，而不是替代品。AI的价值在于放大你的能力，而不是替代你的思考。你要问自己：我有什么独特的判断？我有什么AI没有的洞察？我能提出什么AI提不出的问题？把这些东西培养起来，AI才能真正为你所用。第三，警惕「忙碌的幻觉」。很多人用AI做了很多事，但仔细一看，做的事越来越没有价值。识别「忙碌的幻觉」很重要——不是看你做了多少事，而是看你做的事创造了多少价值。定期停下来问自己：我做的事，有多少是真正重要的？第四，让AI帮你筛选，而不是帮你思考。你可能每天要处理100条信息。让AI帮你筛选出最重要的10条，这叫善用AI。你让AI帮你决定这10条信息该怎么处理，这叫懒于思考。前者让你更高效，后者让你更平庸。最后回到文章开头那个悖论。杰文斯悖论的本质不是效率提高了不好，而是效率提高带来的收益被系统性的因素消耗掉了。AI时代也是一样。AI本身不是问题，问题是：AI提高了个人效率，但系统没有相应调整。老板还是按人头分配工作量，平台算法还是根据内容数量分配流量，市场还是按相对优势定价。当个人的效率提高了，但这些结构性因素没有改变的时候，所有人的处境都不会变好。所以，AI不会让我们更轻松，除非我们重新思考效率、价值、回报之间的关系。这不是技术问题，是制度问题和认知问题。当然，抱怨制度是没用的。我们能做的，是在现有框架下做出最优选择。图：选择决定方向，方向决定未来选择做一个有判断力的人，而不是做一个高产的机器。选择做少数真正重要的事，而不是做大量AI可以替代的事。选择用AI放大你的洞察，而不是用AI掩盖你的平庸。这样，效率的提高，才真正有意义。
夜雨聆风
