最先被 AI 筛掉的,是那批＂只会用工具＂的打工人

"

越用 AI 越发现一个反直觉的事实：那些用不好 AI 的人，问题大多不在工具，在自己的专业判断力。

字节跳动 CEO 梁汝波最近给 AI 时代的人才画了张像，结论挺反常识——最先出局的，不是不会用 AI 的人，是那批只会用 AI 的人。

这个判断来自他 8 月的年中全员会。有人问他 AI 时代什么样的人算优秀，他没绕弯子：最值钱的不是会用工具，是利用 AI 创造价值。

发现价值、定义问题、协调资源、把事做成。他还补了句更狠的：从 AI 的发展阶段看，最晚被替代的角色是 Organizer，组织者。

意思很直接——执行层 AI 先换掉，但那个判断该做什么、把人和 AI 拢到一起把事做成的人，它换不掉。

他这番话其实把人才标准重新排了序。过去看你一个人能干多少活，现在看你能不能判断什么值得干、把模糊的问题拆清楚，然后把执行甩给 AI。

字节内部有人总结得很直白：手可以换，脑子不能丢。放回我们自己身上也一样——工具人人都会用了，最先被筛掉的，就是那批只停在用工具这一层的人。

我今年把 AI 接进了几乎每天的工作流，用得越深，这一点越确定。很多人把会不会用 AI理解成会不会写 prompt、装没装最新的插件。

——那是表层。真正决定你能不能从 AI 手里拿到东西的，是你对自己那个领域，到底理解到什么程度。

AI 最迷惑人的地方，是它把两件完全不同的事，伪装成了同一件事。会不会提问和会不会判断输出的好坏，都被塞进了会不会用 AI 这个大词里。

于是所有人都在比谁的工具链更花哨，没人停下来想：提问的质量，取决于你脑子里有没有真问题。

判断的质量，取决于你知不知道什么叫好。

说白了，AI 是个放大器，不是发电机。你往里投喂什么维度的信息、你能不能识别它给的答案是不是在扯淡，全看你自己的底子。

底子空的人，用再贵的工具也是空转。

失守分两层，而且往往同时发生。

第一层，问不到点上。你对一个领域没有深度理解，你根本不知道该问什么、该往哪个方向问。

就像一个对客户只摸到表皮的人，让 AI 写一条卖货文案——他只会丢一句帮我把这款产品写得好卖一点。

却根本说不清客户真正的痛点在哪：是买过好几次都嫌麻烦懒得煮、是一个人住份量太大吃不完、还是怕添加剂不敢给老人孩子吃。

这些决定文案能不能戳中人的真实维度，他一个都没喂给 AI。

不是 AI 不行，是你没把决定答案质量的那个变量，交到它手上。这不只是少问一句的小事。

领域知识决定了你的问题空间——你知道得越深，能提出的问题就越刁钻、越接近本质。

你脑子里一片空白，连该问什么都意识不到，AI 再强大也只能在你的盲区外打转。

这和学校里做题不一样。考题把边界条件都替你框好了，你只管解。

真实业务里，那些决定成败的约束从来不会有人列出来——得你自己从经验里挖出来，再喂给 AI。

挖不出来，AI 就只能在你的盲区外打转，给你一套漂亮但落不了地的东西。

第二层，判不了好坏。AI 给你一段逻辑通顺、数据齐全、读起来挑不出毛病的答案，你看不出它哪里错、能不能落到地、是不是在自洽地胡说。

这时候它输出得越快，你浪费的时间越多。因为你没有能力分辨这东西对我到底有没有用，等于把判断的开关，交给了空白的大脑。

它看起来高效，只是因为你没能力发现它低效。

更要命的是，这两层会互相喂养。你越不懂，越没法验证 AI 的对错，于是越只能信它。

越信它，自己越不动脑，判断力越退化。等到真要你独立拿主意的时候，你才发现自己已经接不住了。

AI 没有让你变弱，是你把判断的肌肉交了出去，它自己会萎缩。

这里有一个被严重低估的研究结论。哈佛商学院和波士顿咨询做过一组对照实验，让七百多名咨询顾问在复杂任务上分别使用和不使用 AI。

在 AI 能力范围内的任务，用 AI 的人速度和质量都明显提升；但一旦任务超出 AI 的边界，一部分人反而因为过度信任 AI的回答，直接采纳了推理错误的结论，最终产出比不用 AI 还差。

关键差异不在工具，在一个词：元认知——也就是我知不知道自己知不知道。

表现最好的人，从来不把 AI 当答案，只当认知伙伴：该用它的地方用它发散和整合，该自己上场验证的地方，靠行业经验和批判性思维去推翻它。

往外看一层，决策的真相更清楚。AI 能替你扩大选项集，但它不承担选错选项的后果。

在一个能以惊人速度生成答案的经济里，知道该采纳哪个答案，可能比会生成答案更值钱。

当工具人人都有、能力人人都差不多，人和人的差距就彻底暴露在用法的层面。

同一份 AI 给出的建议，有人看到增长机会，有人看到监管风险，有人发现数据反映的其实是昨天的市场。差别不在手速，在判断。

换个更本质的说法：判断，是在相互冲突的价值观之间做权衡，是在没有标准答案的地方拍板。

这部分从根上就没法被自动化——它能给你十个方案，选哪个、为后果承担什么，永远是人自己的事。

AI 可以替你把信息铺开，但把信息收拢成一个决定，那一步省不掉。

一位资深金融首席说得直白：AI 在从 1 到 100 上极强，但在从 0 到 1 的左侧判断上几乎无能为力。

因为那部分超额收益，藏在还没有形成文字共识的地方。这话换个领域也成立：真正的判断，落在数据没记录、文本没沉淀的空白处。

而空白处，只有走过的人看得见。

再把视野拉开，说多智能体协同。

把视野从单人协作拉到多智能体协同，这是我最近一直在跑的事，趋势也看得更清楚了：不同行业里，好几个 AI 分工干活、自己调度自己，已经不只是设想。

业内的判断是，到 2031 年，客服、销售、营销这类岗位的智能体渗透率会接近百分之百。

从一人一工具，走向一人指挥一支硅基军团。

那这个趋势筛谁？第一批筛走的，是对自己专业领域研究不深的人。

因为他连单人和 AI 协作都搞不定——提不出好问题，也判不了好坏，多几个 AI 只是多几倍的无效输出，问题不会自动消失。

第二批筛走的，是对自己领域的上下游了解不够的人。

协同的本质是连接，你只知道自己在做的那一小块，不知道上游怎么来、下游怎么走，你就没有能力把不同 AI 的产出，拼成一条真正能用的链路。

你站在中间，前后都接不上。

多智能体系统里，每个 AI 只负责自己那一小段，真正把各段缝成一条可用的链路、并在缝的地方做取舍的，还是人。

谁能在缝里做决定，谁就坐在协同时代的主驾驶位上；谁只守着自己那段，谁就被压成了可被替换的一颗螺丝。

这个趋势会把组织慢慢推成沙漏型：中间的执行层被空心化，顶层做决策的人、和能打通上下游的通才，反而更值钱。

对你个人的含义很简单——别把自己活成中间那层。要么往上走，要么把上下游打通，停在中间最危险。

工具变强，不会让半桶水的人变强，只会让他的短板更显眼。

说到这得划一条边界，免得跑偏。我不是让你去深耕 AI 技术本身。

对绝大多数在一线、在业务里干活的人，那不是重点，也不该是重点。你应该花心思的地方，始终是你自己的专业。

只有你真的在 field 里泡过、摔过、反复推演过，你才会长出来那种叫判断力的东西。

它让你知道该问什么、能识别什么是好答案、也敢在 AI 都说可以的时候说不行。

所以回到开头那句话：你问 AI 问不出好答案，大概率不是 prompt 没写好，是你的领域地图还太稀。

先把地图画密，工具自然就听话了。地图这件事，没有任何 AI 能替你画，因为它画的那张，永远缺了你亲自走过才留下的那条小路。

而且这个持续不能省。判断力是会贬值的，你三年前想透的东西，今天可能就已经过时。

行业在动，你在原地，认知就会悄悄缩水。所以思考和实践不是一次性动作，是得一直保持的状态。

很多人误以为我学过了就等于我会了。不是。

你上过课、读过书、做过几个项目，那只是起点；判断力的保质期很短，它只在你还在反复碰真问题、还在为真实的两难做选择的时候才活着。

一旦你退到让 AI 先出个方案的舒适区，它就开始悄悄退场。

工具会一直降价，门槛会一直变低。最后留在牌桌上的，是最知道自己在干什么的人。

别再问怎么把 AI 用得更溜了。先问我对自己的领域，到底想透了多少。

这个答案没长出来之前，再多工具，也只是让你更快地生产出自己看不懂的东西。