AI 时代的判断力:答案越来越便宜,选择越来越贵

回想一下三年前找一个答案有多费劲。

想搞懂一个技术方案，要翻十篇文档、问三个同事、自己搭环境试错，一个下午就这么没了。现在同样的问题，扔给 AI，十秒钟给你五个方案，每个都写得头头是道。

于是问题变了。以前是「没有答案」，现在是「答案太多」。

十个方案摆在桌上，选哪个？为什么是它而不是别的？选错了谁负责？这三问，AI 一个都替你答不了。

答案在贬值，选择在升值。而选择这件事，有个老名字：判断力。

一、答案在贬值，选择在升值

过去很多专业的护城河，其实是「知道」——知道哪里有资料，知道坑在哪，知道找谁问。大模型把这道墙拆了：只要你问得出，它就答得出。

但墙拆掉之后，护城河没有消失，只是挪了位置。

从「知道答案」，挪到了「选得出答案」。AI 能给你五个方案，但「我们这个季度只能做一件事，做哪件」，这句话背后的取舍，它替不了你。

产研团队里尤其明显。评审会上 AI 列了一排方案的优劣，最后所有人看向产品经理：所以，定哪个？

那一刻你值多少钱，就是你的判断力值多少钱。

二、判断力的三个零件

判断力听着玄，拆开来是三个零件。

第一个，事实感。能不能分清「AI 说的」和「事实是什么」。AI 的输出永远流畅自信，但流畅不等于正确。有事实感的人，对关键数字和关键前提，会多问一句「这是它编的，还是它查的」。

第二个，权衡感。能不能把多个维度摆到同一张桌上比：成本、风险、工期、长期价值、团队现状。多数坏决策不是没看维度，是只看了一个维度还以为自己看全了。

第三个，后果感。选错了，谁疼？疼多少？能不能恢复？没有后果感的选择看着果断，其实是赌博。

三个零件都齐，判断才立得住。缺任何一个，都会在某个深夜的事故复盘会上现出原形。

三、判断力不是想出来的，是攒出来的

很多人以为判断力是「想明白」的能力，其实它是「攒出来」的记录。

判断力的来源只有一个：大量的「选择—反馈」循环。选了，看到结果，校准，下一次选得准一点。一万次循环之后，别人看到的是直觉，你自己知道那是库存。

麻烦在于，大判断一年遇不上几次。谁能天天决定公司战略？

好在小判断遍地都是。这个需求先做还是那个先做，这个接口现在封还是以后封，这个会开还是不开——每一次微小的排序和取舍，都是一次免费的练习。

把小判断当练手，等到大判断来的时候，你手里才有一摞旧账可翻，而不是一张白纸。

四、让 AI 当陪练，别当替身

这就说到 AI 在判断力这件事上的正确用法了。它最好的角色是陪练，最坏的角色是替身。

替身式用法你一定见过：AI 给答案，人负责签字。用得越久，人越空——三个月后你签字的手都在抖，因为你已经说不清为什么签。

陪练式用法是反过来：AI 存在的意义是让你流汗。三招最实用。

第一招，请它唱反调。你心里已经倾向方案 A 了，明确让它只列 A 的三条致命伤。人是先有结论再找理由的动物，得靠外力掰一下。

第二招，先要依据再要方案。让它每个建议都先答「为什么是这个」和「代价是什么」。逼它亮出逻辑，顺便逼你自己审视逻辑。

第三招，先选再看。自己先拍板一个答案，再去问 AI 的答案。两个答案差在哪，那块地方就是你的盲区。这一招最难，也最值钱。

五、从一条决策记录开始

说了这么多，落到今天就能做的动作，其实小得可笑：开一条决策记录。

三栏就够。第一栏，当时怎么选的；第二栏，依据是什么；第三栏，一个月后看，结果如何。

每次做选择前花三十秒填前两栏，月底花十分钟填第三栏。坚持记的人会发现一件事：错得多的永远是同几个维度——有人总低估工期，有人总忽略维护成本，有人回回被新名词打动。

那一栏栏错误，就是你的训练计划。比任何思维课、任何书单都准，因为它统计的是你，不是人类。

三个月后回头翻这本记录，你会比今天会判断一大截。AI 时代最划算的投资，可能就是这几百条记录。

AI 会替你做题，不会替你做人。答案满地都是的时候，值钱的只剩选择。

你最近一次「AI 给了方案、你选了另一个」是什么事？评论区讲讲你的理由，说不定就是别人缺的那条记录。

如果这篇对你有启发，点个在看，转给那个总在评审会最后拍板的同事。关注 Ai时代02，我们每天聊一个 AI 时代产研协作的真实问题——明天聊岗位分工：AI 把活干了，产品经理和研发的活怎么重新分。