3 分钟 AI 学院 | AI时代,人的价值在哪里

一个程序员用 Claude 写了三万行代码，功能齐全，测试全过。他看着屏幕说：”这玩意儿写得比我好。”然后沉默了很久。

那个程序员叫李然，做前端八年。他说出那句话的时候语气里没有愤怒，也没有恐慌，就是一种很平静的困惑——好像自己认真经营了这么多年的手艺，突然被什么东西轻轻掀了一下，发现原来那层手艺底下，空空的。

这种困惑正在蔓延。不是那种”明天我就失业了”的恐慌，而是一种更微妙的不安：如果机器什么都能做，那我到底在做什么？

AI 拿走的是你最不想干的那部分

先回答一个反直觉的问题：AI 抢走的，可能正是你讨厌干的那部分活。

有个设计师朋友跟我说，她当初选设计这一行是因为喜欢”看上一个东西就知道它该怎么长”的感觉。进了公司之后呢？每天抠图、排版、切三张尺寸、改老板口头说的”感觉不对再调一下”。她说自己是”一台慢速的 Photoshop 脚本”。

一个数据分析师也跟我聊过类似的感受。她入行是因为想通过数据影响商业决策，结果一天八小时有六个小时在写 SQL，剩下两个小时在 debug 别人写的 SQL。”成了一个更快的 SQL 机器。”她原话是这样说的。

AI 能接走这些活。而且接得很好。

但这不意味着你的价值被否定了。恰恰相反——当你不再需要花六个小时敲键盘排版本的时候，你可能终于有时间做那件你当年选择这份工作最想做的事情了。

效率提升意味着你花更少的时间敲键盘做重复劳动。比例调整则意味着，省下来的时间去做回真正需要判断的事。这两者对从业者的感受来说，天差地别。

品味，是越来越值钱的能力

但 AI 拿走这些之后，总得有人来做另一件事。

Robert Pirsig 在《禅与摩托车维修艺术》里提过一个概念，叫”良质”（Quality）。最简单的例子就是：你读到两篇文章，一眼就知道哪篇更好。但你要说清楚”为什么更好”，可能绞尽脑汁也想不明白。

你能识别出好东西，但在你说出理由之前，那个识别就已经发生了。

这就是良质的核心悖论——每个人都知道什么是好的，但没有人能在第一时间定义它。

AI 擅长的是已经被定义过的规则。语法规范、评分标准、设计原则、代码模式——这些都是”静态良质”，是可以写成文档教给机器的东西。AI 在这些维度上已经远超人类，而且没有停下来的意思。

但它处理不了”动态良质”——就是你听到一段音乐时被打动的那个瞬间，就是你看一个产品界面时说”这个对了”的那一秒。那个瞬间没有规则可查，因为规则是从那些瞬间里沉淀出来的。

你就是动态良质的感受器。

这不是什么鸡汤。这是一个可以落地的区分。

你用 AI 写一篇文案，它能给你十个版本，每个都在字数、关键词密度、品牌术语准确度上没有硬伤。但你扫一眼就知道，有三个版本”不对”。

有人做过一个实操实验：同样用 AI 做内容，从”随便问一句”到”建一套系统”，中间隔的不是技术问题，是品味。而品味这东西，训练方式只有一种——大量地感受好的东西和坏的东西，直到你的直觉系统比任何人都灵敏。

信任，是最后的护城河

品味有了，还不够。还需要信任。

想象一下五年后的互联网。你打开任何页面，都有可能是 AI 写的。你搜到的任何评价，都可能是 AI 生成的。你看到的产品介绍、新闻文章、用户反馈——大部分都可能是无中生有。

在那种环境里，一个简单的问题会变得极其珍贵：我能不能相信这是真人做的？

不是技术有多精湛——那已经不值钱了。是真的出自一个人之手，这个人有过失败的经验、有立场、有利害关系，如果搞砸了他要承担后果。这种信任感在 AI 内容泛滥的时代会变成一种稀缺资源。

俞军讲过一套交易模型，核心思想很简单：所有经济行为都是价值交换，而信任降低交易成本。你愿意为一个陌生人的服务付高价，往往不是因为他的技术指标最好，而是因为你知道他会为你的利益负责。

AI 给不了这种东西。它没有利害冲突，没有损失风险，不需要对自己的输出负任何实际责任。它”诚实”是因为它不在乎——这和诚实是两回事。

所以未来真正值钱的不是你会不会用 AI。而是你有没有一个让人愿意跟着你、信任你的东西。这个东西可能是你的个人品牌、你的作品集、你在某个领域积累十年的声誉——总之是那种”找你比找别人靠谱”的理由。

回到具体的事

说了这么多能力层面的东西，最后说一句心态上的。

有调研显示，相当多职场人对 AI 带来的就业冲击表示担忧，其中重度焦虑人群的抑郁比例甚至超过了对经济衰退的担忧程度。为什么会这样？不是因为 AI 真的有多可怕。

一个叫 Superlinear Academy 的课程讲过这件事。他们发现大多数人的焦虑来自一个结构性问题：注意力被不断引导到”别人在做什么”而不是”我在做什么”。身份焦虑盯着别人的头衔，物质焦虑盯着别人有什么工具，信息焦虑盯着别人知道什么新东西。一旦开始比较就没有终点——因为永远有人走得更快。

破解的办法其实很朴素，朴素到听起来不像什么方法论：去做一件具体的事。

选一个你自己工作中真实存在的问题，用 AI 试着解决它。读一篇你想了很久但一直没读的原始论文，不是博主的二道解读。把你用了半年的旧工作流拆开重做一次。

抽象的东西让人焦虑，具体的东西不会。

MIT 的前校长 Sally Kornbluth 在一次访谈中被问到年轻人该学什么。她的回答出人意料地说，AI 给了无数双”手”，重复性的技术工作都可以自动化。你必须做提出问题、做出创造性判断的那个人。 旁边坐着的嘉宾补了一句更直接的话：”Google 把信息检索外包了，AI 系统正在把认知本身外包出去。”

如果你打算只做那双”手”，那确实危险。但如果你本来就不甘心只做一双”手”——如果你的内心深处一直觉得工作不只是完成任务，而是表达某种东西——那么 AI 反而是个好事。因为它逼你把那些被日常琐事掩盖的、真正属于你的东西重新拿出来。

人换了一个位置站

回到开头那个程序员李然的故事。

他说完”这玩意儿写得比我好”之后又坐了五分钟。然后站起来去倒了杯水，回来继续工作了。后来他告诉我，从那以后他把大部分生成代码的时间省下来去做了一件事——研究用户的实际使用行为，然后重构了整个交互逻辑。

“以前我没有时间管这些。”他说。

我也不知道这个故事能不能说服谁。毕竟每个人的具体情况不一样。但有一点我能确认：人在这个时代的价值没有被消灭，只是换了一个位置。

机器能做所有能被说清楚的事。而你剩下的那些说不清楚的部分——你觉得好的东西、你想追问的问题、你在乎的事情——那些才是越来越值钱的东西。

机器能做所有能被说清楚的事。剩下的说不清楚的部分，就是人的护城河。

参考资料

[1] Superlinear Academy，”AI焦虑的三种形态和解决方法：从《道德经》第三章说起”。https://www.superlinear.academy/c/ai-resources/anxiety

[2] 房晓楠 × 张晓萌，”越懂 AI 的人越不焦虑”，AGI 接口。https://mp.weixin.qq.com/s/IH7cba1kdOIoDh-zjNcVYg

[3] Wang Huan，”AI 帮你做内容，为什么有人 20 分有人 80 分？”，wanghuan.ai。https://wanghuan.ai/blog/ai-content-quality-levels

[4] yage.ai，”AI 让我们重新开始享受自己的职业”。https://yage.ai/share/ai-profession-mechanical-judgment-spectrum-20260417.html