夜雨聆风导言
最近和几位企业主聊，发现大家对AI有一个共同的误解——觉得AI越来越强，自己能做的事迟早会被替代。
但有一件事很少被讨论：AI学到的东西，本质上是有边界的。不是因为算力不够，不是因为模型不够大——而是因为这个世界上有一大类知识，结构上就没有办法被AI学到。
麻省理工有个学生去采访一位航空维护AI的创始人。创始人分享了一个细节：飞行员把飞机开进机库，填了一张纸，放进活页夹，然后活页夹上架子——从来没有人扫描它。
那张纸上写的，是某种异常的振动，是起飞前无法用数字描述的"不对劲"。
这些信息消失了。永远不会进入任何数据库。永远不会成为任何模型的训练数据。
哲学家Michael Polanyi早在1966年说过一句话：我们知道的，永远比我们能说出来的多。
这就是隐性知识（Tacit Knowledge）。而AI，只能学到被写下来的那一半。
一、AI的结构性盲区
当我们谈"AI会不会取代你"，背后有一个默认假设：AI可以学到一切。
这个假设是错的。
AI只能从文本、数据、结构化信息里学习。而人类的知识，有相当大的一部分从来没有被语言编码过——它存在于每个有经验的人的脑子里、手里、身体里，活在具体的关系和场景中。
这不是暂时的技术障碍。模型变强，算力变大，这个盲区不会消失。因为这些知识从来就没有被写下来过。
这个盲区，是我们在AI时代护城河的真正起点。
二、四类AI学不到的知识
第一类：时机与Agency（直觉与意志力）
好的投资人一眼能看出一个创始人有没有agency——这种判断力从简历看不出来，从pitch deck也感知不到，只能从一个人讲话的方式里感觉到。
而这种感觉只有一个来源：这个人见证过周期。
见过一波热潮起来，见过它慢慢衰退，见过那些看起来必然成功的公司怎么无声消失。然后再见一波。
只有这样，才知道什么时候该出手，什么时候该等。
AI可以给你所有的分析，但它替不了你走出那一步。时机是判断，Agency是意志。那一步，永远是你的。
第二类：失败知识
AI的训练语料严重偏向成功故事。失败的项目，大部分不会有详尽的复盘。失败的真实原因，很多时候连创始人自己都没完全想清楚，更不会写出来。
那个大客户私下说"我们不会用这个的"——这句话没有写进任何文档。
那次产品方向的转变，真正的原因是某个人某天心情不好，但事后写出来的版本有完整的逻辑和框架。
AI因此形成了一个过度理性化的世界观：它以为事情按逻辑发生。实际上，事情按人发生。
尝过失败的人，掌握的是AI永远读不到的那版历史。那版历史，才是真的。
第三类：局部网络知识
每个行业都有一套大家都懂但没有写下来的规矩：谁是真正拍板的人，谁看起来是DM但其实什么都不决定，这个合作对象嘴上说yes但他们公司的决策链是什么样的。
这些东西在任何数据库里都找不到。它们存在于私下的饭局里，存在于那个认识所有人的朋友的脑子里。
你嵌在那个网络里，你就有这个信息优势。你不在，你就没有。而AI，则永远不在。
第四类：在残缺中做判断
那位创始人提到一件事：一架飞机出问题，从飞行员汇报到维修开始，中间经过了24个人工交接点——电话、Slack、口头说了一句再转述给下一个人。没有任何一个交接点被完整记录。
AI看到的，是最后那份维修单。维修单上的世界，和真实发生的过程，是两件事。
真正的判断力是在那24个交接点里，在信息残缺、时间有限的情况下，知道下一步该做什么——先做，边做边修正。
等分析完了才决策，这架飞机早就误点了。AI能给你最好的分析，但它只会停在分析这里。剩下的，是人的事。
三、AI越强，边界越清晰
有一个有趣的悖论：AI越强，它的局限性反而越清晰。
当AI还很弱的时候，我们觉得它什么都学不了，也不知道边界在哪里。当AI变强了，我们才开始看清楚：它能做什么、不能做什么，轮廓反而更分明了。
边界越清晰，站在边界之外的人就越来越不可替代。
焦虑AI会取代你，其实是在假设AI能学到你所知道的一切。它从原理和结构上，就学不到那一半。
四、这对咨询和管理意味着什么
这四类知识，恰好是管理咨询工作的核心所在。
咨询顾问最大的价值从来不是信息量——而是：见过失败的项目（失败知识）、知道这个行业谁说了算（局部网络知识）、在客户犹豫的时候知道下一步该怎么走（Agency）、在数据残缺时能做出判断（残缺中的判断力）。
这也意味着：AI强化了咨询工作的基础工作（信息整理、分析、报告生成），但恰恰同时提升了顾问核心价值的稀缺性。
当所有人都用AI生产分析，分析本身的价值就下降了。而那些拿着隐性知识做出判断的人，差异化反而变大了。
知识库建设也如此。我们一直说"把经验沉淀下来"，但真正值钱的部分，是那些失败的项目、私下的对话、没有被写进任何报告的真实原因——这些才是AI无法替代的知识资产。
总结
AI绕不过去的四个盲区：
时机与Agency——判断何时出手的直觉，和走出那一步的意志力 失败知识——从未被语言化的真实原因，AI的训练语料里几乎没有 局部网络知识——谁拍板、谁影响决策，只存在于关系和饭局里 残缺中的判断力——在信息不完整时先动起来，不等分析完
这不是"AI没有威胁"的鸡汤。这是一个更精准的判断：知道哪里是真正的边界，然后主动把自己的积累方向对准那里。
那位创始人最后说，她是从她飞行员丈夫身上看到这些问题的。有些东西，只有在特定的关系里才能看见。我想，这也是隐性知识的一种。
关联阅读：《你不是AI用得不好，是没给AI搭好台子》（2026-04-17）
