谷爱凌谈AI:工具越高效,人为什么反而更忙?

“如果工具让我们效率更高、能力更强，就意味着我们能做更多事情。这样一来，挣扎也许还会增加。”

——谷爱凌在新加坡管理大学访谈中的回答

用AI写方案、查资料、整理会议记录，最初会让人产生一种轻松感：重复工作交给机器，自己终于可以腾出一点时间。

可那段时间往往还没真正闲下来，就被新的任务填满了。原来半天完成一份材料，现在一小时就能完成，接下来等着你的，可能是更多版本、更短的截止时间，或者另一项任务。

工具确实更有效了，人却没有明显轻松下来。

谷爱凌在访谈中的回答，点出了效率提升最容易被忽略的一面：人的能力一旦扩大，新的目标和要求很快就会跟上。

01｜工具压低旧门槛，也会推高新标准

主持人问谷爱凌，AI会不会让学习变得太容易，让人失去必要的挣扎。

谷爱凌把问题转向了另一个角度。她用自由式滑雪的气垫训练设施举例：气垫降低了练习高难度动作的风险，运动员却没有因此减少训练。他们把新增的安全空间，用来尝试过去不敢尝试的动作。新的旋转方式不断出现，整个项目的水平也随之提高。

AI进入工作后，同样会扩大“做得到”的范围。过去一天完成一份分析，现在一天可以处理三份；过去只需提交文字方案，现在还可以补充数据、图表和多个备选版本。

交付能力提高以后，组织很容易把更快的速度写进下一轮要求。工具省下了一个动作所需的时间，却不会替我们决定：这段时间应该用来增加产量、提高质量，还是留给别的事情。

02｜做得快，只是任务效率

谈论AI效率时，我们经常把三个层次混在一起。

• 任务效率，指同样一件事完成得更快。

• 工作效率，指真正重要的事情得到优先处理，低价值环节逐渐减少。

• 生活效率，则意味着能力提高之后，一个人仍有空间学习、思考、恢复。

AI首先撬动的是任务效率。它可以迅速生成初稿、归纳资料、整理会议记录，却无法判断这项任务是否值得做，也不知道内容做到什么程度就可以收手。

生成速度也只是表面的速度。事实核对、内容修改、沟通确认和返工，都要算进总时间。只有把这些环节放在一起计算，才能看见真正省下了多少时间。

还有一种情况：单项任务确实变快了，随即被塞进更多任务。单位时间内的产出增加，工作总量也跟着膨胀。

03｜省下来的时间，最后归谁

AI释放出来的时间和精力，可以看作一笔“效率红利”。

这笔红利通常流向三个地方：增加任务数量、提高工作质量，或者归还给人的学习与生活。

很多组织会优先选择增加产出。一个人使用AI后交付更快，新的速度很快会变成新的基准。

当任务量、截止时间和质量标准主要由组织决定，个人很难完整保留这笔红利。更实际的做法，是把效率变化说清楚：AI省掉了哪些环节，又增加了哪些核对成本；新任务进来以后，哪项旧任务需要延后；交付速度提高时，质量和数量是否也被同时加码。

04｜AI能加速执行，不能替你取舍

访谈中，主持人还问谷爱凌：认识自己这件事，将来能不能交给机器？

她的回答很明确。AI可以提供框架和更多数据，了解自己的工作仍要由本人完成；选择成为什么样的人，也只能由自己负责。

她还提到，参加毕业典礼后，周围的人以为她终于会有很多空闲时间，她却发现自己的日程比以前更满。

访谈最后，她想留给未来自己的问题是：哪些观察、哪些信息输入，最终帮助自己找到了最在意的方向？

她相信自己有能力努力，更想弄清楚怎样识别方向。这个问题放在AI时代同样重要。

缺少这些判断，人很容易沿着一个未经选择的方向越跑越快。

05｜给效率红利一个明确去处

使用AI之前，可以先判断四个要点。

第一，写清这次提效要换来什么。

你更看重交付速度、内容质量，还是减少重复劳动？先确定一个主要目标。什么都想要，往往什么都做不好。

第二，计算净节省。

把核对、修改、沟通和返工算进同一张账。比较使用AI前后的总耗时，才能知道它带来的实际收益，而不是只记住初稿生成得有多快。

第三，提前安排省下来的时间。

如果一项工作预计能省下一个小时，就在开始前决定这一小时的用途。它可以留给一项长期重要的工作、一段不被打断的学习，也可以用来休息。

第四，给任务画一条收工线。

开始前确认什么程度可以交付，哪些内容必须人工判断，哪些细节已经不值得继续优化。

如果任务量主要由别人决定，可以先从优先级入手。接受一项新任务时，问清楚哪项旧任务需要延后；增加一个新版本时，确认它解决的具体问题。

谷爱凌用滑雪气垫说明了技术如何推动人挑战更高的目标，也提醒我们：工具无法决定什么值得追求。