ARTICLE · 1247826
AI 越用越好的人,脾气正在越来越差
如果你最近工作上 AI 用的越来越多，而且还免不了带带团队或项目，今天这篇文章得看。
不知道你是不是也正在经历，反正我最近常常碰到一个情况：一件事和同事讲过了，交回来的东西没到位，心里那股火比以前来得快，嘴上虽然没说什么，但脸上大概是写着的。
比起这个，更让我警觉的，是有一次心里冒出来的一个念头：要是一起做策略的人，都像我的 AI 那样就好了，马上就能给我判断，不满意就让他改，改多少版都是一个态度，不叹气，不解释，也不会反问“那你的意思是？”，我只要把偏人和人对接执行的事交给真人就行。
这个念头只停了几秒，但我被自己吓了一跳，因为它不是一句气话，脑子里连分工表都快排好了，当然，最后我没有这么来，还是把自己的思路从头讲了一遍，期待下次他能讲得更好。
但内心这个困惑一直没走开：是不是越会用 AI 的人，越容易对人不耐烦？人还值得慢慢带吗？如果值得，到底该带什么？
先从那张分工表说起，它是怎么在我脑子里排出来的？
一、我在拿人和机器，比同一份活
把那个念头拆开看，它的潜台词其实是：出策略这活，机器干得又快又好，人就去干机器干不了的那部分。
说白了，我把人和机器放在了同一个岗位上，按同一张表比效率，这么比，人肯定是要输的：机器几秒，人几天；机器随叫随到，人要排期；机器改十遍不吭声，人改两遍就开始犯嘀咕。但这里要再往下问一层，AI 其实也经常错，而且错得一本正经，我对它的错却宽容得多，删掉重来就是，连情绪都没有，那同样是错，为什么对人我就来火？
我目前想到的答案是：成本变了。
AI 出错，返工成本接近零，点一下重新生成，没人知道，我也不用解释。人出错，返工是看得见的：要约时间，要组织语言，要把我以为讲过的东西再讲一遍，还要照顾对方的情绪，讲重了怕打击积极性，讲轻了下次还这样。
所以我烦的其实不是人慢，是“再讲一遍”这件事，过去它就是带人的日常，没人会单独计算，现在它成了一笔我能清清楚楚算出来的损耗，因为我每天都在体验另一种不用再讲一遍的工作方式。
但这里有一处很深的陷阱，就是：我比的东西可能比错了。
AI 给我的是答案，我心里想要的却是判断，这两样东西长得很像，都是一段结论加几条理由，但答案只是对一个问题的回应，判断是对一件事的取舍，包括这件事所处的复杂环境，以及取舍背后的真实责任和代价。天天从 AI 那里拿答案，拿久了，就以为判断也能这么拿，再拿这个标准去量人：怎么你给我的东西，还没有 AI 几秒给的像样？
写到这里有点脸红，比错了，还比得理直气壮，可如果只是我自己比错了，大不了改，麻烦在于，一直这么比下去，被改变的会是人。
二、一直这么比，人会变成 AI 的复印机
想一想，如果带人的人只认“快”和“像样”，带的人会学到什么？
学到的是：最省事的办法，就是把你的思路和逻辑框架喂给 AI ，一旦要干点什么，自己也去问 AI ，把答案理顺、排版、交上来，速度上去了，页数也上去了，挑不出大毛病。
时间一长，他们就成了 AI 的复印机，每天都很忙，忙着给答案，自己却没有判断，也怕自己认为对的事你不认同，与其被骂不如沉默，这件事吓人的地方在于，表面上一切都在变好，交付更快了，材料更厚了，汇报更顺了，只有一样东西在悄悄变少：大家自己想事情的次数。
判断力到底是怎么长出来的？很少是看书、听课长出来的，基本都是被打回打出来的。交上去，被人一眼看出问题，答不上来，回去重写，写到一半才意识到自己原先把什么搅在了一起，这种“答不上来”的瞬间，是判断力唯一的训练场，只有在那一刻，你才会发现缺的是脑子里的哪一块，不只是方案里的哪一页。
一个人被打回三次，第四次交上来的东西会不一样，这个变化长在他身上，换项目、换老板、换公司都带得走，但 AI ，虽然RSI在越来越强，但和人在这点上比仍有距离。
复印机最大的问题，就是它永远不会答不上来，每一个该卡住的地方，都被 AI 提前填平了，训练场没了，下次也就没了，再过几年，大家的身边会有一群很会开会、很会汇报的伙伴，却没有一个能接班，机器能给你答案，给不了你接班人。
三、所以判断力得带，先从我讲清楚开始
绕了一圈，开头那个问题反而有答案了：人还值得慢慢带吗？值得，因为判断力只能长在人身上，而它不会自己长，得有人带。
可话说回来，带，我以前不也在带吗？
我一直觉得自己讲得挺清楚的，但回头想想，我讲的多半是结论：“这次要聚焦”、“要有数据支撑”、“策略要有锐度”，每一句都对，但我没讲自己是怎么一步步走到这些结论的，我给了地图上的终点，然后怪别人半路迷路。
这件事上，我和 AI 犯的是同一个毛病：只给答案，不给过程。交回来的东西不到位，责任至少有一半该记自己身上。所以要带的，不是更多的结论，而是形成结论的“过程”，即判断一件事情的顺序。
四、判断力，就是想一件事的顺序
每个人都有自己判断力背后的顺序，不同的事情，背后的顺序可能也不一样，我的顺序大致是：第一性原理（价值/逻辑）、第一序目标（谁是主线/谁是支线）、第一场胜利（看清全局/抓住局部）、第一次复盘（继续/停止）。
1、第一性原理：做这件事情的价值是什么，受益方是谁，哪些是构成这件事情胜利的基本元素，目前是最好的时机吗，这些理得越清楚，后面越好走。
2、第一序目标：订单还是收入，用户规模还是用户活跃，组织收益还是组织效率？谁是主导目标，哪些是约束指标，一定要思考清楚，目标很难多头讨好，可以有节奏有取舍，这里明确得越早，后面越不纠结。
3、第一场胜利：分析永远比行动舒服，但比完美更重要的是完成，看清全局固然重要，但找到那个“短期、具体、可执行”的局部更重要，这里选得越准，后面越容易积小胜走向大胜。
4、第一次复盘：不要打到哪里再算到哪里，孙子兵法2000年前就告诉我们，“算”是一切的前提，打只是为了验证改进一步，还是退一步，这里算得越对，后面投入越合理。
在我这里，这“四个第一”，可能就要比记住某一次的结论重要得多，今天是一个产品要上线，明天是一篇内容要发表，后天是一场活动要落地，每次都得让自己的判断力变得更强。
讲到这里，我才发现那张分工表错在哪，真正的分工，不是“判断给机器，关系给人”，是人定义判断的顺序，AI 在这个顺序里提速，有顺序的人用 AI，是加速器；没顺序的人用 AI，就是一台更快的复印机。
最后，回到标题，道理是想通了，可脾气就会变好吗？
五、得把自己的耐心练回来
我不想把自己写成一个想通了的好上级，说实话，下次再看到没到位的东西，我大概还是会烦，那个“要是都是机器人就好了”的念头也还会冒出来，因为 AI 每天都在帮我把那条基准线往上推。
但我开始觉得，耐心正在变成一种很重要的能力，以前它是带人的基本功，人人都该有，以后，越会用 AI 的人，越容易把它丢掉，肯再讲一遍的人会越来越少，也越来越值钱。
这份耐心不是一直忍，它大概率是你能压住那股火，把自己的顺序讲出来，再让人在一次次答不上来里，自己长出判断。
AI 让答案越来越便宜，耐心让人越来越值钱，如果你下次上头的时候，有想到我今天这篇文章，便是我们的一次小进步。
