ARTICLE · 1323587
AI不会代替你,但你的对手会!一文说清楚,人人都能用AI的时代,你的优势到底在哪?
这个问题是：未来人人都能用AI做事的时候，我的优势到底取决于什么？
你想啊，同样一个产品，你可以用AI做，我也可以用AI做。工具一样，模型一样，甚至提示词都可能差不多。那在这样的对比之下，你凭什么比我强？
就像我现在做的事情，我在用AI制作这个动效控制台，别人是不是也能用AI制作？那么我的优势取决于什么？别人为什么不自己做，要用我的这个呢？
这个问题我越想越睡不着。于是我干脆拉着AI聊了一晚上，我先说我的答案，再让它来反驳我。
结果聊着聊着，它把我带进了坑里，我又从坑里爬了出来，最后发现自己绕了一大圈，又回到了原点。但这个原点，已经不是原来那个原点了。
今天这篇文章，我就把这个过程完整地和你分享一下，如果你对AI有迷茫，这篇文章或许对你有启发。
今天我将从下面4个方面来和你聊：
- 我最初的答案：更快、更好
- AI的反驳：快，不一定是优势
- 给我启发的一点：输入决定输出
- 绕了一圈，回到「判断之力」
一、我最初的答案：更快、更好
我一开始想到的答案很简单：我能在最短的时间，做出最棒的效果。
这句话里其实藏着两个优势。
第一个，是快。
我最近自己在做开发，有一个很直观的感受。同样一个功能，我用Claude去做，可能一天就开发出来了。但对于用不上Claude，或者用不熟练的人来说，他可能要花两天、三天，甚至更久，更有可能是做不出来。 这中间省下来的时间，就是我的优势。 我花一天就搞定了，而你这段时间花时间、精力、费用通通打水漂，只验证了一件事“你做不了”！
第二个，是好。
做得更好，意味着我比你更懂别人要什么，或者说，我比你更能把需求描述清楚。 因为我知道别人要什么，那么我就可以针对性的去做别人需要的东西，不至于搞了半天弄了一个没人要的产物。
至于描述清楚呢，这就涉及到和AI对话的能力了，让AI去干活，最难的就是你说不清楚你想要啥，就会造成你想要A，结果AI给了一个B。
那为什么我能描述清楚？因为这件事我自己就在做，我知道痛点在哪里。
说白了，就像同样去菜市场买菜，天天做饭的人知道今天该买什么、买多少、哪家的菜新鲜；从来不做饭的人，站在摊位前只能干瞪眼。或者智能将就买一点，有就行！
所以我当时的结论是：
优势 = 效率（更快）+ 质量（更好）
看起来很有道理对吧？我当时也是这么觉得的。但是AI给了当头棒喝，提醒我，事情到这里还没有结束，还有需要补齐的地方！
二、AI的反驳：快，不一定是优势
我把这两点丢给AI，让它反驳我。它也真不客气。
第一刀：快的前提，是这件事值得做。
我说我一天做完，别人要三天，省下两天就是优势。
AI说，这里有一个隐藏的前提：你们做的是同一件事，而且这件事本身值得做。
就像我在《判断之力》那条视频分享的那样，值不值得做，才是整件事最重要的。
A花一天，开发了一个没人需要的功能； B花三天，开发了一个真正解决用户痛点的功能； C只花了半天，就判断出这个功能根本不值得开发。
你说谁最有优势？ 我想了想，还真是C。
这就出现了一个悖论：如果一件事本身就不值得做，那你做得越快，只是浪费得越快。
就像开车，方向错了，油门踩得越猛，离目的地越远。
第二刀：当人人都快了，快就不再是优势。
AI又问了我一个问题：如果未来所有人都能在一天之内完成原本三天的工作，那「一天完成」本身，还算不算优势？
你想想Photoshop。以前会用PS是一门手艺，能靠它吃饭；后来会用PS变成了基本技能，招聘启事上写着「熟练使用」，跟会用Word差不多。现在会用AI生成图片，也正在走同样的路。
一种能力一旦普及，它就会从优势变成门槛。以前会用AI做事情算是加分项，现在变成了一种必须项，由此“优势”好像就不再是“优势”了！ 这也让我想起了《加速》这本书带给我的思考，为什么有了科技之后，人们的
说实话，这两刀砍得挺准的，我一下子就迷茫了。那我说的快和好，到底还算不算优势？
当然，和AI对话也要保持警惕，它会为了反驳而反驳，比如它说「更好是谁定义的」，说我做得再精致，用户可能只需要一个简单功能。 这一点我觉得有点为了反驳而反驳，懂用户的人，本来就知道什么该做、什么该删，所以我没采纳。
和AI聊天也是这样，它给你一百个观点，你得自己判断哪几个值得留下。这句话先记住，后面会用到。
三、给我启发的一点：输入决定输出
AI后面还补充了好几点，其中有一点给了我很大的启发：同样的AI，输入的信息不同，结果就截然不同。
我顺着这个往下想，发现其实有两层。
第一层：工具，不是每个人都用得上。
我们总说「人人都能用AI」，但现实是，像Claude、GPT这样的工具，并不是每个人都能用上。有付费门槛，有网络条件，有使用技能，还有信息渠道，很多人连「原来AI还能干这个」都不知道。
所以，能用上、用得熟，本身就是一道门槛。
第二层：就算用上了，输出也取决于你的输入。
这一点，就和我前面说的「描述清楚需求」连上了。
🌰举个我自己的例子。我最近在开发一个网页端的动效工具。
如果我只跟Claude说：
帮我开发一个网页动效工具。
它只能靠猜。猜你要什么动画、什么尺寸、什么格式，最后给你一个「看起来能用」的东西。
但如果我这样说：
我要开发一个网页端动效工具，能够预览动画效果，支持参数调整，最后通过本地FFmpeg导出带Alpha通道的MOV文件，并且需要支持9:16的视频比例。
你看，它需要猜的东西一下子就少了，做出来的东西自然更贴近我要的。
在开发的过程也是如此，比如我告诉它需要增加关键帧功能，需要用鼠标右键做好旋转功能等等。
这些描述就来自于我的经验积累，我知道在做动效的时候，可以这样控制，可以通过关键帧控制画面等等。
很多人以为装一个skill，只需要一句话就能做完所有事情，过于乐观了！
这就像去理发店。你跟师傅说「随便剪剪」，剪成什么样全看师傅心情；你拿着照片说「两边推短，顶上留五厘米，刘海别遮眉毛」，剪出来大概率就是你想要的。
但是注意，这里有一个很关键的点。
我之所以能把需求说得这么清楚，不是因为我提示词写得比别人好，而是因为我自己用了很多年AE、PR，我知道传统做动效有多麻烦：每次都要打开工程、改参数费时间、导出慢、做过的效果没法复用……
我能描述清楚，是因为我在做这件事，我知道痛点在哪里。
所以说，提示词只是表面，真正决定输入质量的，是你对这件事的理解有多深。AI跟我说了一句话，我觉得特别好：
AI的能力，决定了你能做到什么；你的认知，决定了你让AI去做什么。
由此，我把一开始的公式改了一下：
AI时代的个人竞争力 = 认知 × AI × 执行
认知：知道做什么，以及为什么做； AI：能调用什么工具，以及怎么让工具发挥作用； 执行：能不能又快又准地把想法变成结果。
注意，这里是乘号，不是加号。认知是0，AI再强，结果也是0。
四、绕了一圈，回到「判断之力」
聊到这里，我突然愣了一下。
这不就是我之前做过的那期👉《判断之力》吗？
首先你得判断这件事值不值得做，然后判断值不值得长期做。前面AI砍我的第一刀，说的不就是这个？
绕了一大圈，我又回到了原点。但这一次，我看得更清楚了。
AI并没有让判断之力变得不重要，反而把人和人之间判断力的差距放大了。
为什么AI越强，判断越重要？
以前你想开发一个软件，要学编程、学架构、花大量时间写代码、解决各种bug。这些门槛，本身就帮你过滤掉了很多事情，因为你根本做不了。
现在不一样了。Claude可以帮你干大量的活，以前要学几个月才能做的功能，现在描述清楚需求，就能出一个初步成果。
就像很早之前，我就想过，用别人做好的模板，要么难改，要么需要专业的知识。我就很希望有一个简单易用的工具，让我快速的完成可视化动效。
我知道这件事情很难完成，因为我不懂编程。我也不知道用什么方式来解决。直到我看到了AI可以用网页的形式做动效。做一些动画，我就想可不可以用网页来做这些动画，做好之后保存到本地。这样的话，我不需要下载软件，我也不需要专业的知识，只需要在这个网页当中做好。我想要的效果。
当有了很强的AI软件，那么我的这个设想就能实现。因为它帮我解决了技术的问题。
我只需要和AI说清楚我的需求，让它用它所能理解的技术手段。帮我实现。
正因为AI的强大，它让执行的门槛降低了，但选择的数量变多了。
以前你只有能力做10件事，现在AI让你能做100件事。可这100件事里，哪些值得做？哪些值得长期做？哪些只是看起来有用？
如果你的判断力没有跟着提升，那你得到的不是10倍的优势，而是10倍的选择困难，甚至10倍的犯错机会。
这就像给你一辆跑车。会开车、认得路的人，一个小时能跑出去一百多公里；不认路的人，只是更快地迷路而已。
还有一句话我觉得特别扎心：AI降低的是执行的成本，但不会降低判断错误的成本。以前一个错误的想法，因为做起来太费劲，可能就没做了；现在几分钟就能做出来，错得也更快了。
同样的AI，三种不同的人
A：AI能做什么，他就做什么。今天做网站，明天做软件，后天又去做自媒体。结果是很忙，但没有积累。 B：知道自己想做什么，也能判断哪些事有价值，但对怎么做、投入多少还拿不准。结果是能产出价值，但会浪费不少资源。 C：知道什么值得做，什么值得长期做，什么该放弃，什么时候该调整。他用AI提高效率，再把每次做的东西沉淀成能反复用的资产。结果是方向清楚、能积累，优势越拉越大。
注意，这三个人用的AI没有任何区别，区别在于他们把时间花在了哪里。
放到做内容上也一样。一个人用AI每天做10条视频，但没有方向，也没有自己的质量标准；另一个人每天只做1条，但他知道观众是谁、要解决什么问题、什么内容值得长期积累。一年之后，你觉得谁走得更远？
相信我，大概率是第二个。这就是我一直说的，做内容要做「积累」。
判断之力的三个层次
方向判断：这件事值不值得做？有没有真实需求？值不值得长期投入？ 过程判断：用什么工具？哪些环节交给AI？AI给的结果靠不靠谱？ 结果判断：做出来的东西真的解决问题了吗？还要不要继续投入？该不该停？
这三层连起来，就是一个完整的闭环。而且判断之力也不是保证每次都对，它还包括根据真实反馈，不断修正自己的判断。
更快、更好，依然是优势，我最初的答案没有错。
只是在它前面，还得加上一个前提：先判断对，再做得快，最后做得好。
写到这里，我又想起下面这个故事：
两个露营者在林中行走，突然一头大熊冲出来朝他们奔来。
其中一人立刻蹲下来，快速系紧跑鞋鞋带。
同伴很不解：“你干嘛系鞋带？你不可能跑得过熊！”
系鞋带的人答道：“我不需要跑赢熊，我只需要跑得比你快就行了。”
最后也是我这次绕了一大圈之后最大的收获：
工具人人都有，判断不是。选择越多，判断越重要，否则你就有试不完的错！
而每一次试错，都有极其高昂的代价！
说实话，这篇是凌晨赶出来的，本来只是录视频时一个小念头，没想到聊出这么多东西。
可能我说的都是错的，但是我依然认为，AI的背后是人，依然是人的竞争，只是激烈程度不同罢了。
我们不用焦虑，只需要比身边的人强上那么一点，就行了。
