一直用 AI,人会变笨吗?

昨天有人问了我一个问题。

他说：

如果你现在很多任务都交给 AI 来判断、出方案、甚至开始沿用方案去干活，那人会不会越来越笨？

这个问题不是随口问的。

因为我当时正在讲，我现在很多工作已经不是从零开始想了。

我会让 AI 读取我的数据库，结合我过去沉淀下来的案例、方法论、门店信息、内容系统和判断框架，先帮我形成方案。

然后我再回到现实生活里，组织人、安排事、推动执行。

有些重复性更强的工作，我甚至可以直接让 AI 沿着这套方案继续往下干。

所以对方的问题很自然：

如果一直这样，AI 做判断，AI 出方案，AI 动脑子，那人的大脑是不是会慢慢退化？

我的答案是：

会。

但这里面真正危险的，不是你用了 AI。

而是你开始默认把思考外包给 AI。

不是 AI 让人变笨，是默认模式让人变笨

我现在越来越觉得，未来人与人之间会出现一个很重要的分水岭。

这个分水岭不是：

• • 会不会用 AI
• • 会不会写提示词
• • 会不会找到最新工具

而是：

你在和 AI 协作时，大脑到底处在什么模式里。

有一种模式，叫默认外包。

AI 给你一个建议，你说：

好吧，就这么干吧。

AI 给你一个方案，你说：

不行，还有没有其他办法？

看起来你还在参与决策。

但实际上，你只是从 AI 给你的几个选项里做选择。

你没有重新定义问题。

你没有理解它为什么这么推。

你没有判断这个方案成立的前提是什么。

你也没有追问：这件事背后有没有一个更值得回答的问题。

时间长了，人就很容易退化成一个“方案选择器”。

AI 在前面推理，人只在后面点头、否定、换一版。

这才是真正会让人变笨的地方。

真正退化的，是复杂推导能力

很多人讨论 AI 会不会让人变笨时，容易把问题讲得很泛。

好像只要用了 AI，人就不思考了。

我不这么看。

低价值、重复性、纯执行的任务，本来就不值得每次都消耗人的认知资源。

比如整理格式、生成初稿、归纳会议记录、把一段材料转成清单。

这些事交给 AI，并不会伤害你。

甚至恰恰相反，它能帮你省出精力，去处理更重要的问题。

真正危险的是另一类任务：

那些会影响你长期判断力的任务。

比如：

• • 一个项目为什么这么做
• • 一个门店这个月到底该打什么主目标
• • 一个内容选题背后真正的问题是什么
• • 一个系统应该怎么设计边界
• • 一个业务动作到底应该先验证什么

这些问题，如果你每次都直接让 AI 给答案，而你只负责说“可以”或“不可以”，那你确实会慢慢失去复杂推导能力。

因为你跳过了最关键的训练过程。

你没有经历从事实到判断的过程。

你没有经历从多个方案里拆代价的过程。

你没有经历从表层问题追到更底层问题的过程。

你只是拿到了结果。

而一个人真正变强，往往不是因为他拿到了结果。

而是因为他反复训练了得到结果的路径。

AI 应该是教练，不应该只是代工

所以我现在在重要项目里，会刻意给 AI 一个不同的指令。

我不会一上来就说：

帮我把这件事做完。

我会说：

你的第一目的不是立刻帮我完成工作，而是先出一套以教会我为目的的文档，先让我掌握。

这句话对我很重要。

因为它会把 AI 从“替我做事的人”，重新放回“训练我判断力的教练”这个位置。

我不是不要 AI 帮我做。

我当然要。

但在重要项目里，我要先知道：

• • 你为什么这么判断
• • 你基于哪些事实
• • 你排除了哪些可能
• • 这个方案成立的前提是什么
• • 这件事如果失败，最可能败在哪里
• • 有没有一个更高维度、更值得回答的问题

当我理解了这些东西之后，AI 再去执行，才是健康的。

因为这时候，我不是被 AI 带着走。

我是能够掌控方向的人。

人不能只做 AI 的甲方

很多人现在用 AI 的方式，其实很像做甲方。

他说一句需求，AI 出一版。

不满意，再出一版。

还不满意，再换一个方向。

这当然比以前快很多。

但如果长期停在这个模式里，人会形成一种错觉：

我好像还在掌控。

但实际上，你掌控的只是结果偏好，不是判断过程。

你只是知道自己喜不喜欢这个答案。

但你未必知道这个答案为什么成立。

你也未必知道它什么时候会失效。

更重要的是，你未必知道有没有一个更值得回答的问题。

比如你问 AI：

这件事该怎么做？

但真正有价值的问题，可能不是“怎么做”。

而是：

这件事现在该不该做？

或者：

我们是不是问错了问题？

或者：

如果只能做一个动作，哪个动作对现实世界的推动最大？

这些问题，不能完全交给 AI。

因为它们不只是智力问题。

它们还包含你的目标、代价、资源、责任和对现实世界的体感。

用 AI 变强的人，有一个共同动作

我现在会把 AI 使用者分成两类。

第一类人，用 AI 拿答案。

第二类人，用 AI 训练自己的判断。

第一类人会越来越快。

但不一定越来越强。

第二类人一开始可能慢一点。

因为他总是在追问 AI：

你为什么这么判断？

你这个方案背后的结构是什么？

如果我下次不用你，我应该怎么自己判断？

你能不能把这件事教会我？

但长期看，第二类人会越来越强。

因为他每一次和 AI 协作，都不是单次交付。

而是在升级自己的判断系统。

这就是我今天最想说的区别：

AI 不会自动让人变笨。

真正让人变笨的，是你把自己放在默认接受的位置。

当你只接受答案，你会退化。

当你学习推导，你会进化。

我的做法

所以现在在重要项目里，我会给自己设一个规则：

先学会，再外包。

不是所有事情都这样。

低价值的、重复性的、纯执行的事情，可以直接交给 AI。

但只要这件事会影响我的长期判断力，我就必须让 AI 先教会我。

我会要求它先输出一份面向我的推导文档。

不是为了写得好看。

而是为了让我掌握这件事的判断结构。

等我掌握之后，我才能对 AI 说：

这里不对。

这件事应该换一个方向。

我们不要急着回答“怎么做”，先讨论有没有一个更值得回答的问题。

到这个时候，AI 才真正变成我的放大器。

而不是我的替代品。

最后的判断

一直用 AI，人会不会变笨？

会。

如果你只是让 AI 替你动脑，然后你负责选择答案。

但也不会。

如果你让 AI 把推导过程摊开，让它教会你，让它陪你升级判断。

未来真正的差距，可能就在这里。

不是谁用了 AI。

而是谁在使用 AI 的过程中，还能持续训练自己的大脑。

也不是谁更快拿到答案。

而是谁能借助 AI，越来越会定义问题、理解结构、判断代价、掌控系统。

所以我现在不会问自己：

这件事能不能让 AI 帮我做？

我会多问一句：

这件事，我是应该让 AI 直接代工，还是应该先让 AI 教会我？

这个问题，可能会决定一个人是在 AI 时代变强，还是被 AI 慢慢用废。