AI什么都能做之后,人到底还需要做什么?

之前的文章里，我曾经分享过的一个观点：在AI时代，个人要着重修炼三项内功——场景化、流程化和标准化。过了一段时间回头再看，我发现这三个词，其实都能归结到另外一个词上，判断力。

从人的动作来看，核心就三个动作：

（1）判断任务到底值不值得AI化，这是人机协作场景的决策；

（2）判断AI执行任务下一步往哪里走，这是流程上的决策；

（3）判断AI输出的结果能不能采纳，这是标准上的决策。

判断力，就是人最终拍板定夺的能力，也是我们要为AI的产出兜底的那层能力。

经济学家张维迎说：“大数据仍然代替不了企业家决策。”

硅谷投资人纳瓦尔说：“在无限杠杆的时代，判断力成为你拥有的最重要技能。”

世界经济论坛《未来就业报告》连续多届把分析性思维列为雇主最看重的核心技能首位，2025年有七成企业认为它不可或缺。

前几天在AI讲师团的飞书群里，有位讲师做内部分享，也专门讲到了判断力。

大家都在说判断力重要。

判断力，正在成为这个时代真正稀缺的能力。

可问题是，所有人都说它重要，却没有人讲清楚它到底从哪里来，什么样的判断又算是好判断。这篇文章，我想把对「判断的判断」聊清楚一点。

我们为什么平时感受不到判断的存在？因为人生中需要做重大决策的时刻，毕竟是少数。大部分时间里，我们都被习惯推着走。

但被习惯推着走，不等于没有判断。我们每时每刻都在依托习惯做判断，只是没有觉察而已。

最简单的例子，中午吃什么。你其实也在判断，是美食取胜，还是健康取胜，还是为了体态节食减肥取胜。

小到一顿午饭，大到选工作、买房子、结婚，从下往上看都是判断。要是坐上了领导岗位，那更不用说，公司的业绩、部门的绩效，一堆决策等着你拍板。

从脑科学的角度，怎么定义判断？卡尼曼在《思考，快与慢》里讲到过人脑做选择的双系统模型。

系统1是快思考，靠直觉和习惯，几乎不耗能量，日常判断基本都是它在替你完成，这也是你感觉不到判断存在的原因。

系统2是慢思考，需要主动调集注意力去分析、推理、比较，重大决策靠的是它。

判断这件事，往根上说，就是这两套系统在不同场景下的切换和配合。能不能在需要的时候把系统2请出来，而不是任由系统1顺着习惯往下冲，这是判断力高低的第一道分水岭。

管理学上也有说法。决策理论里有个基本动作，先定标准，再选方案。标准没定清楚，方案摆得再多，也选不出来。

说完了是什么，回到这篇文章真正想回答的问题，判断力从哪里来。我想了很久，至少有三个来源。

判断力不是天赋，和其他能力一样，是可以通过类似刻意练习的方式获得的，这一点脑科学能给出确定的结论。但前提是，你得自己去经历。判断的样本，只可能来自你亲身下场的那一次次实践，来自踩过的坑，也来自做对之后的复盘。刻意练习里有个关键，反馈。你做完一个判断，很快知道对错，这个样本才真正刻进脑子里。这也是为什么带过项目的人和只看过项目报告的人，判断力完全不在一个量级。

我们一边依赖AI提效，希望自己少干一点，一边最重要的能力，恰恰来自干活过程中的得与失。

这里藏着一个悖论，值得单独拎出来说。AI能力越来越强，自己亲手干的活可能就变少了。可亲历样本少了，判断力又长不出来。这个悖论，AI时代只会越来越尖锐。

我理解很多人的想法，都让AI干了，怎么反而又要劝自己多干。但真实的能力增长没法偷懒。数据一轮一轮修正，文稿一遍一遍审改，这都是培养手感的必修课。

尤其是刚毕业的新人，该自己上手、亲自操刀的事，还是要去体验一下。体验本身不是目的，目的是从每一次经历里，刻意总结出一点东西来。哪怕只是总结出一句「这类事，下次要先问清楚需求再动手」，这个动作本身，就是在给判断力攒样本。

观察身边那些判断力强的人是怎么做决策的，他们拍板的时候用的到底是什么标准，什么工具，什么方法，靠的是直觉还是有一套决策的思维模型，遇到信息不全的时候先关注什么、或者先筛掉什么，这些都很值得拆解学习。

别人踩过的坑，你不必全部重新踩一遍，这是借鉴最大的价值。但注意，借鉴不是照抄。别人的标准要变成你的，中间必须过一遍你自己的实际情况，不然就是纸上谈兵。

这个道理其实很朴素，但越朴素的东西越容易被忽略。

判断不是凭空冒出来的，它建立在你脑子里的那张地图上。你对一个领域掌握的信息越结构化，关键时候就越能做出像样的判断。

这里有个现成的例子。认知科学家赫伯特·西蒙研究过国际象棋大师，发现他们看棋局的时候，记住的不是一颗颗散落的棋子，而是一个个模式，西蒙估计大师脑子里攒了上万个这样的模式。

判断力强的人也是这样，他们脑子里存着一套模式库，关键时候调出来就能用。AI时代信息获取早就不是问题了，问题恰恰是信息太多、太碎，地图得你自己画。脑子里是一团浆糊的人，判断力无从谈起。

当然，查理芒格列了一百个思维模型，你并不需要全部掌握，而是结合自己所在领域、关注问题来择优使用即可。

这三个来源，第一个是里子，第二个是梯子，第三个是地图。

判断力的来源讲完了，那么在人机协作的时代，判断力到底怎么发挥作用。核心就一句话，判断力贯穿AI干活的全过程。

初始阶段，先想清楚你要什么结果。对结果的预期判断，从你发出第一条指令之前就已经介入了。你要的到底是什么样的产出，什么算好，什么算不行，这些不提前约定，AI再强，也是蒙着眼睛跑。很多人觉得提示词写不好是技巧问题，我跟你说，根子上是判断问题。你判断不清楚自己要什么，提示词自然写不清楚。

过程阶段，盯住方向有没有走偏。AI干活的过程会经历很多次迭代，每一次迭代，你都要结合自己的经验和方法，判断方向对不对。中间不把关，最后的结果大概率不是你要的。比如让AI写一份方案，你不能只看它有没有写完，要看它的假设站不站得住，数据从哪来的，逻辑合不合理。这些都得靠你的判断。这个时候，你平时攒下的那些判断样本就派上用场了。

结果阶段，守住AI交付的底线。最后一关，是对生成结果的整体把握。AI写得再顺，你也得自己通读一遍，看它有没有张冠李戴，有没有把不存在的事说得有鼻子有眼，数据出处对不对得上，逻辑中间有没有断。每个行业都有自己的底线，合规红线、专业规范、风控要求，最后担责的始终是你。

你看，从输入，到过程，再到输出，全链路都是人的判断力在兜底。

回到开头那三个词。场景、流程和标准，说到底都是判断。判断力这个东西，没法外包，只能自己攒出来。它来自你踩过的坑，来自你观察过的人，来自你脑子里的那张认知地图。AI时代工具只会越来越强，但最后那一下拍板，还得是你来。

给你留一个今天就能做的动作。下一次让AI干活之前，先花两分钟，把你要的结果和不能接受的底线写下来。

请始终记得，AI负责干活，人负责定夺。