我因为一份 AI 写的文档,差点被淘汰

会议室里，投屏停在我写的那句话上。领导指着其中一个词：这什么意思。

我张嘴，没出声。

我盯着那个词看了两秒。

我确实不认识它。

但它是我写的。

接着是第二个词，第三个词。

房间里坐着四个人，另外三个人都盯着我。领导连着问了几个问题：你到底搞没搞清楚？就拿这个糊弄我？我给你的任务，你就一键让 AI 出结果？你是不是什么事都得让 AI 干？

我开不了口，脑子一片空白。

然后我开始笑。不是客套的笑，是笑到发抖——找不出一句话来回应，身体先撑不住了。

他说，你笑啥呢，你以为我跟你开玩笑呢，我很严肃的。你再这样我要淘汰你了。

散会以后我在楼下站了一会儿，给自己找了个理由：我不懂这行，信息不够，能力太差。

这个解释很顺，顺到我又一次不用往下想。它也不算全错，我确实不懂这行。

但它忽略了更前面的一件事：那份文档，是我交上去的。

那份文档是怎么来的

需求丢过来，我打开一个对话框，把背景、目标、几条已知的约束一起粘进去，让 AI 先出个骨架。

半小时后，结构有了，标题有了，流程图也有了（我让 AI 画的，因为我不太会画）。

我小修小改了几处措辞，统一下格式，让它看起来完美。

组里的另一个实习生也看过这版，和我对齐过一次，他说文档很清晰，逻辑也顺。

我带着这句话进的会议室。

问题不在文档烂。它不烂，比我花两天自己写出来的任何一版都整齐。

问题在于，我是这份文档的第一个读者，不是它的作者。

一个人写东西的时候会卡。句子写不顺，就得停下来想；

想到一个词，够不够准，心里自然有数。

写不快，是因为想不快。

这份卡顿，是唯一免费的自检。

但卡顿不是自检本身，它是自检被触发时发出的声音。

真正在检查你的，是那次停下来想。

AI 不为你卡顿。它不会在你不懂的地方停下来。

它每一句都通顺，递进自然，连过渡词都替你想好了；也不会在你盯着的那个词上停半秒。

我们读的时候也很顺，因为它是照着「读起来顺」这个标准长出来的。

声音没了，提醒也就没了。

我们总以为，是想清楚了才写得出来。有时候顺序是反的：写出来了，就以为想清楚了。

一个七分制的实验

2002 年，两位认知科学家 Rozenblit 和 Keil 在《Cognitive Science》上发了一篇论文。这个现象后来被叫作解释性深度错觉。

他们先给四十多样日常的东西打分——拉链、抽水马桶、钢琴琴键、圆柱锁、直升机、缝纫机都在里面——你有多懂它，1 到 7 分。

然后从中挑出八样，每人分到四样，让参与者写下逐步的因果解释：这个东西到底怎么运作。写完再打一次分。

再问一个更狠的：现在给你一把这样的锁，你从哪一步开始撬。问完再打一次分。

第一次，四十多样东西的平均分是 3.89。被要求真的写出来之后，掉到 3.10。答完那个「从哪一步开始」的问题，掉到 2.49。

我盯着这三个数字，想起领导问的第一个词。

掉分这件事不稀奇。稀奇的是后面两件。

读完研究者给的专家解释，参与者给自己当时的打分没有回升——2.49 变成 2.62，几乎没动。

但他们给自己「现在懂了多少」打了很高的分。

所以这不是被打击了自信，也不是被问得没了底气，是真的校准了一次：他们终于知道自己当时站在哪儿。

另一件事更关键。研究者另找了十二个人，给这些参与者写的解释打分。外人评出来是 2.72，和参与者答完问题之后的自我评价 2.49 几乎一样，和一开始那个 3.89 差得很远。

掉下去的那个分，才是准的。

注意它针对的知识类型：不是你记得多少事实，也不是你会不会做某个动作，是能不能把一件事的因果讲清楚。

首都是不是伦敦，一句话就见分晓；自行车骑不骑得走，一上车就知道。

有些知识，我们花三秒钟就能验完。

但「这个功能为什么这么设计」，没有任何东西告诉你，讲到这里算不算讲完了。

没有终点，就没法自测；没法自测，就只能靠感觉。

感觉是被什么喂出来的？被「我见过它」喂出来的。

我们看见一个方案结构完整、标题起得漂亮、流程图画得整齐，就会觉得这件事已经被想清楚了。

它们证明的是形状，不是内容。

所以那份文档在会议室里塌得那么快，不是因为写得差。它是被格式、字数和语气放过去的，唯独没通过「讲一遍」。

这不是我一个人的事故

上一份实习不是这样。那边是把文档直接丢给 AI，人去看结论就行，没有人追问一个词的意思。

这一家反过来，每个人都要先读懂别人写的东西，读不懂就当面问。

被追问的那一种，至少不给人糊弄过去的机会。

但这不只是两家公司的差别。

交付这件事，这些年一直在变便宜。模板、AI、协作工具，随便哪一样都能让一个不懂的人交出一份看起来完成度很高的东西。

第一道关——把东西交出去——现在几乎免费。

第二道关——把它讲清楚——一点没降。

两道关之间就拉开了一个缺口。

我把这个缺口叫作解释力赤字：你产出的东西，超过了你解释得动的东西。

它不是能力差，也不是态度问题。它是产出和解释之间的落差，被工具放大之后，落在某一个人头上。

落下来的时候，通常是在开会、汇报、面试、见客户。

那都是同一道关，只是追问的力道不同。

交周报，数字是查来的，结论是推出来的——推的那一步是谁做的。

给客户讲方案，讲到第三页有人举手：这个数据怎么来的。

面试被问上份工作具体做了什么，讲成了流程，讲不出判断。

我们以前写不出，是能力不够。

现在写得出了，能力的问题没有被解决，只是被往后挪了一格，挪到被人问住的那一刻。

那场追问，其实不是审问。它就是那个实验的第三步，只不过逼人写的不是笔，是嘴。

我答不上来的那几秒，是 3.89 掉到 2.49 的那几秒。

区别只在于：实验里是自愿的，会议室里是被迫的。被迫的那一版，难看一点。

交东西之前，讲一遍

一、如果这份东西明天要被人看，今晚就别打开它。

用嘴讲三句话：它是什么，为什么这么做，我哪一步拿不准。讲的时候别看文档，看人。第二句卡住的地方，就是明天会被问的地方。

二、如果文档里有一句话是 AI 给的、自己说不清为什么成立，就换成能讲的那句，或者删掉。

我们交东西之前，最该问的不是「AI 写错没有」，是「这段我能不能讲」。删不掉的那些词，迟早要还。

三、如果被问住了，别顺着往下编。说「这个我没确认，我回去查」。编出来的那一句，后面会引出三个新问题。

这三条其实只做一件事：把「读」换成「讲」。

读是别人的句子从你眼前过，讲是你的句子从你嘴里出来。前者不需要你懂，后者不给你装懂的机会。

之后我把那版重写了一遍，慢了大概四倍。

每个词我都能讲出它从哪来。写出来的东西丑了一点，但至少在会议室里能解释清楚。

我还是会先用 AI。

只是从那以后，我自己先讲一遍，再决定交不交。

AI 能替我写，不能替我答。