过去两年，我发现一个很有意思的现象。同样是使用AI，有些人越用越厉害，有些人却越用越普通。

前者借助AI，能够迅速穿透一个复杂问题，找到过去看不到的机会，甚至一个人完成过去一个团队才能完成的工作。

后者也在用AI，写方案、做PPT、总结会议、起草邮件，效率确实提高了不少，但仔细看看他们的工作成果，却越来越相似。

他们写出来的商业计划书，结构差不多；提出的营销策略，套路差不多；分析行业的结论，也总是那几句正确而无用的话。

这件事值得警惕。

因为我们原本以为，AI会让普通人变得更聪明，让每个人都拥有过去只有少数精英才能享受的知识和能力。

但现实可能正在走向另一个方向：AI正在降低知识的门槛，却在提高思考的门槛。

当人人都能轻松获得一个看起来不错的答案，真正稀缺的，反而是提出一个好问题的能力。

AI时代，最便宜的东西可能就是答案

在没有AI的时候，一个人想完成一份行业分析报告，需要搜集资料、阅读文章、整理数据、构建框架，再花几个小时甚至几天写出来。

这个过程虽然辛苦，却有一个隐藏的价值：你必须自己思考。

资料之间有什么矛盾？哪些数字值得相信？行业变化背后的原因是什么？你的结论与别人有什么不同？

你不得不在寻找答案的过程中不断提出问题。

现在不一样了。

打开AI，输入一句话：“帮我分析一下中国餐饮行业未来三年的发展趋势。”

几十秒钟，一篇结构完整的报告就出来了。

消费分层、数字化转型、供应链优化、品牌差异化、降本增效，五个方向，一个不少。

逻辑正确吗？大体正确。

有用吗？未必。

因为这些观点不仅你能得到，你的竞争对手能得到，你公司的实习生也能得到。

当一个答案人人都能拥有，它就很难再成为你的竞争优势。

过去，人与人之间的差距，很大程度上来自掌握的信息、知识和技能不同。

今天，这些差距正在被AI迅速压缩。

但另一个差距开始放大：面对同样的信息，不同的人究竟会提出什么问题？

我认为，AI时代正在发生一次重要转变：从工具红利，走向提问红利。

工具红利解决的是谁能更快完成工作。

提问红利决定的是谁在做真正值得做的工作。

前者提高效率，后者决定方向。

方向错了，效率越高，可能离目标越远。

同样一个AI，为什么有人用出了完全不同的结果？

假设两位企业老板，都遇到了销售增长停滞的问题。

第一位老板问AI：“公司销售不好，帮我制定一个提升业绩的方案。”

AI很快给出建议：优化销售流程、加强员工培训、完善激励机制、拓展获客渠道、提升客户满意度。

五条建议整整齐齐，看起来很专业。

但问题是，这些事情老板可能早就知道了。

于是，他又问：“能不能具体一点？”

AI便把五条建议扩展成二十条执行措施。

这时候，一个危险的现象发生了。老板觉得自己正在深入解决问题，实际上只是让AI把一个模糊的问题包装得越来越精致。

另一位老板则这样问：“我们是一家年营收3亿元的工业设备企业，过去三年销售增长分别为25%、12%和3%。销售团队从30人增加到60人，但人均产出持续下降。行业整体需求并没有明显萎缩，两个主要竞争对手仍保持两位数增长。

我怀疑问题不在销售执行，而在客户结构、产品竞争力或者组织机制。

请先不要给解决方案。站在外部董事的角度，提出十个能够区分这三种可能性的关键问题，并告诉我需要验证哪些数据。如果最后证明问题出在产品竞争力，我们过去增加销售人员的决策究竟错在哪里？”

这两个问题有什么区别？

第一位老板要求AI给答案。

第二位老板要求AI帮助自己找到真正的问题。

第一位老板把AI当成一个能力很强的秘书。

第二位老板把AI当成一个可以参与推理、质疑假设、检验决策的思考伙伴。

他们的差距，不在于掌握了多少Prompt技巧，而在于对经营问题的理解深度不同。

真正的高阶提问，不是把一句话写得更复杂，而是把一个问题想得更清楚。

好问题，往往藏着一个人真正的认知水平

很多人把Prompt理解成一种技术，以为只要学会几个模板，告诉AI扮演某个角色，分步骤思考，输出表格，就算掌握了高阶提问。

这些方法当然有用，但远远不够。

因为角色、格式和步骤，只能改善答案的呈现方式，不能自动提高问题的质量。

真正的好问题，至少包含四个层次。

第一，知道自己究竟要解决什么。

一家企业利润下降，究竟是成本过高、价格过低、产品结构恶化，还是整个商业模式出了问题？

如果连问题是什么都没想清楚，AI只会给出一堆覆盖所有可能性的建议。

第二，知道问题存在什么边界。

企业有多少现金？能承受多久亏损？哪些业务不能放弃？哪些资源无法短期获得？

没有边界条件的建议，往往看起来正确，执行起来却毫无意义。

让一家现金流紧张的中小企业投入巨资进行品牌升级，就像建议一个快要溺水的人先去学游泳。

道理没错，时机错了。

第三，知道谁与谁在博弈。

商业世界不是一道数学题。

你降价，竞争对手可能跟着降价；你提高销售佣金，员工可能更愿意推销高佣金而非高利润产品；你要求经销商增加库存，经销商可能转而投向其他品牌。

一个好的商业问题，必须考虑不同参与者的利益和反应。

第四，知道什么事实能够推翻自己的判断。

这是最难的。

多数人使用AI，是希望它证明自己是对的。

真正优秀的决策者，反而会问：

“如果我的判断是错的，最可能错在哪里？”

“什么证据出现，就意味着我们必须放弃现在的战略？”

“假设我是竞争对手，我会如何利用这个方案的弱点？”

当你开始这样提问，AI才真正有机会成为一个有价值的思考工具。

当然，AI提出的反对意见同样需要事实验证，不能因为它能说出十种风险，就认为十种风险都真实存在。

AI最大的危险，不是胡说八道，而是让平庸显得很专业

过去，一个人的思维混乱，往往很容易暴露。

方案写不清楚，汇报没有逻辑，讲话抓不住重点，别人一听就知道他的能力边界在哪里。

AI出现以后，这种判断变难了。

一个没有认真研究过行业的人，可以在几分钟内生成一份几十页的行业报告。

一个没有真正理解用户需求的人，也可以写出一套完整的品牌定位。

一个从来没有带过团队的管理者，甚至能够拿出一份结构严密的组织变革方案。

标题漂亮，逻辑顺畅，图表完整，专业术语一个不少。

但这不代表他理解了问题。

我把这种现象称为认知的精致化包装。

过去，不懂就是不懂。

现在，不懂的人也可以表现得很懂。

这会带来一种新的管理风险：越来越多的组织，可能把表达质量误认为思考质量，把方案完整误认为判断正确。

尤其是企业老板。

如果一个老板本身就喜欢听顺耳的话，习惯先有结论再找证据，那么AI可能成为一个效率极高的观点强化工具。

老板说市场不好，AI可以分析市场下行的十大原因。

老板说员工不行，AI可以列出团队执行力不足的八种表现。

老板说应该进入一个新赛道，AI又能迅速整理出行业发展的巨大机遇。

AI并非只能迎合用户，但当问题本身带着强烈的结论预设，又没有要求验证反证时，它确实可能沿着这个方向生成一套看似严密的论证。

最危险的不是AI替你做错了决定，而是它让你对一个错误决定越来越有信心。

未来真正优秀的人，可能是最会向AI说“不”的人

我一直认为，企业家最重要的工作，不是提供答案，而是定义问题。

因为企业经营中真正困难的事情，往往没有标准答案。

要不要进入一个新市场？

一家连续亏损三年的业务究竟该不该关掉？

一个业绩优秀但破坏组织文化的高管，该不该留下？

公司究竟应该继续做大，还是主动收缩？

这些问题背后，有事实、有利益、有价值观，也有无法消除的不确定性。

AI可以帮助分析，但不能替代企业家承担选择的责任。

所以，我越来越建议企业家改变使用AI的方式。

不要一上来就让AI写方案，而是先让它帮助界定问题。

不要只让AI给出支持意见，还要让它寻找反对证据。

不要满足于它提供的三个选项，而要追问有没有被遗漏的第四个选项。

更重要的是，当AI给出一个看起来无懈可击的答案时，敢于继续问：

“这个结论依赖什么假设？”

“你有没有把相关性误认为因果关系？”

“哪些信息是你不知道、但会改变结论的？”

“如果必须用自己的钱承担决策后果，你还会这样建议吗？”

最后一个问题，当然不能让AI真正拥有风险意识，因为它不会为你的决策买单。但它可以提醒我们，把风险收益和最坏情形纳入讨论。

高质量的人机协作，不是人提出要求、AI完成任务，而是人与AI不断相互质疑，直到问题变得足够清晰。

在这个过程中，人的价值不但没有下降，反而更加重要。

因为最终决定相信什么、放弃什么、承担什么的人，仍然是你自己。

AI正在重新划分人与人的差距

工业时代，机器替代人的体力。

信息时代，计算机替代人的部分重复性脑力劳动。

AI时代，更复杂的知识处理、内容生产和分析工作，也开始被机器承担。

这意味着什么？

意味着过去许多人赖以建立职业竞争力的能力，正在逐渐变成基础设施。

会写一篇漂亮的报告，不再稀缺。

会做一个精美的PPT，不再稀缺。

甚至能够快速整理行业信息、总结商业案例，也越来越难构成真正的壁垒。

未来的差距，可能越来越集中在几个问题上：

你能不能发现别人没有发现的问题？

能不能识别一个看起来合理的结论背后隐藏的错误？

能不能在信息不足时做出有质量的判断？

能不能在所有人都趋向相同答案时，提出不同的解释？

这才是AI时代更值得投资的能力。

不过，提问能力也不是天生的。它来自长期的观察、实践、阅读、复盘，尤其来自真实世界的反馈。

一个经历过现金流危机的老板，问融资问题时往往会更在意偿债期限、最坏情形和控制权。

一个真正管理过数百人团队的领导者，讨论组织变革时会想到利益冲突、隐性权力和执行阻力。

这些经验不一定让他们每次判断都正确，却可能帮助他们提出更接近问题本质的疑问。

反过来，如果一个人长期依赖AI替自己完成从问题定义到结论输出的全部过程，缺少独立思考和现实检验，那么效率提高的同时，判断能力也可能逐渐退化。

这不是AI必然造成的结果，而是人的使用方式决定的。

结语：AI不会自动让你变聪明，它只会放大你的思考方式

我想起一个很朴素的道理。

一个人去请教高手，如果自己连问题都没有想明白，即使高手给出了很好的建议，也未必听得懂，更未必用得好。

今天的AI，把过去极其昂贵的知识与分析能力，放到了几乎每个人面前。

这是一次巨大的技术平权。

但技术平权，不等于认知平权。

当知识不再稀缺，如何理解知识就变得更加重要；当答案随手可得，知道应该追问什么就变得更加珍贵。

AI可能让一个原本普通的人拥有惊人的生产效率，也可能让一个缺乏判断力的人，以前所未有的速度生产看似专业的平庸。

两者之间的分界线，不是会不会使用AI，而是有没有独立思考的能力。

所以，我认为未来人与人之间真正的差距，不是有人拥有AI，有人没有AI，而是：有人用AI不断挑战自己的认知，有人用AI不断证明自己原本就对。

AI越聪明，人就越不能放弃思考。因为未来最平庸的人，未必是没有答案的人，而可能是拥有无数答案，却从来没有认真想过自己究竟在问什么的人。