AI大家都会开火,那就成为更好的厨子

很多人的AI焦虑，都源于一个朴素的疑问：当工具越来越能干，我们还有存在的价值吗？

不妨从最日常的做饭说起。早些年做饭，是一门门槛极高的手艺。人们需要亲手劈柴生火、把控火候，靠着日积月累的经验，调节火焰大小、控制烹饪时长，差一点火候，菜品的口感、味道就天差地别。而如今，燃气灶、电磁炉、空气炸锅轮番普及，生火、控温、恒温加热这些最考验新手功底、最耗费时间的操作，全部被器具标准化、自动化了。

工具大幅降低了做饭的操作门槛，却催生了一个耐人寻味的现象：电磁炉完美替代了繁琐的生火工序，让人人都能轻松加热食物，却没有因为这项工具的普及，诞生更多美味佳肴。道理很简单。把食物加热，和做好一道菜，不是一回事。加热只是标准化的机械操作，而做菜，包含了选料、配比、工序、调味、审美，是基于经验、判断和审美做出的完整创造。工具解决了“怎么做”的基础操作，却无法定义“做什么”“为什么这么做”以及“什么才算做好”。

把这个逻辑平移到写作、学术和工作中，就能看懂当下的AI焦虑。

过去写文章、做研究，大部分时间都耗在琐碎的基础工作上：逐篇检索整理文献、逐句打磨语言文字、逐步搭建内容框架、手动调整排版格式。而现在，AI可以高效承接这些重复性、操作性的工作。于是很多人陷入迷茫：当检索、润色、排版、搭框架这些基础工作都能被AI轻松完成，我们的能力还有什么价值？我们是不是快要被工具替代了？

其实，这个问题从一开始就问反了。真正值得深思的从来不是“AI能做什么，所以我没用了”，而是当所有“怎么做”的基础操作都可以交给工具之后，人是否更应该专注回答“做什么”“为什么做”“做到什么程度才算好”。

过去评判一项能力是否掌握，我们的标准非常单一且固化：学会一套理论、掌握一种研究方法、熟练使用专业软件、精准检索文献、写出结构规范的论文。在很长一段时间里，这些技能都是个人能力的核心门槛，也是我们花费大量时间打磨的核心本事。

但AI的普及，彻底打破了这套能力评价体系。曾经需要数年积累才能熟练掌握的操作性技能，如今AI可以在短时间内快速吸收、完美复刻。这会彻底打开一个区别：会使用厨具，不等于会做菜。

回望工具迭代的全程，每一次新技术、新设备的出现，都不是单纯让旧工作变快，而是淘汰低阶能力，倒逼人的核心能力升级。电磁炉接管了“稳定控温、持续加热”的机械工作后，厨师再也不需要靠反复添柴、控火来证明自己的专业能力，火候这种基础操作，不再是厨师的核心竞争力。

一个成熟的厨师，从来不会围着自己的工具找任务，不会纠结于“我今天必须用这口锅、这把刀”。他的思考起点永远是需求与结果：我今天要做一道什么菜？要满足什么样的口感、风味和场景？

先确定要做的菜品、要达成的结果、要解决的需求，再反向推导适配的资源和工具：需要什么食材、搭配什么辅料、选用何种刀具、适配什么火候、遵循怎样的烹饪顺序。工具是服务于目标的手段，而非束缚目标的枷锁。

由此可以提炼出一句贯穿所有领域的核心准则：成熟的人，不围绕自己拥有的工具寻找任务，而围绕自己要解决的问题组织工具。

这也是普通执行者与核心创作者、普通研究者与资深研究者的本质区别。

低层次的思维，永远是“为工具找问题”。学了数字治理，就刻意堆砌所有相关选题，强行套用知识；学了某个理论，就四处寻找案例生硬嵌套，为了用理论而用理论；AI生成了固定框架，就机械填充内容，只求完整、不求深度。这种思维下，人是工具的附庸，所有工作都只是机械完成操作，没有任何核心创造。

而真正的“厨子式思维”，是“为问题配工具”。先从现实中发现一个无人解答、值得深究的真问题，确立自己要解决的核心目标，再反向思考：为了解释这个现象、破解这个问题，我需要哪些理论支撑、哪些文献资料、哪些研究方法、哪些辅助工具。

在这种思维里，理论、方法、概念、AI、甚至整套学科体系，都只是服务于问题的器具。它们不再是需要我们死记硬背、刻意展示的技能，而是我们按需调用、灵活组合的资源。整个工作、研究的核心中心，永远是“亟待解决的真问题”，而非手里掌握的各类工具。这也正是近期反思“问题意识”的最终归宿。

AI可以快速生成五个、十个备选标题，但无法精准甄别哪一个贴合主题、更有深度、更具价值；AI可以把文字修改得语法完美、句式工整，但只有人能敏锐察觉文字看似通顺、实则空洞、偏离核心的问题；AI可以搭建出结构完整、逻辑工整的研究框架，但只有人能判断这个框架是不是空有皮囊，有没有承载真正值得探究的问题。

AI时代大家都会开火，就看谁会成为厨子。