夜雨聆风30秒速览
用了AI之后，效率确实高了，但一种说不清的"不对劲"也来了：明明省了时间，却觉得更忙了——忙着指挥、审核、跟AI的输出较劲；有一天工具断了，突然发现自己连工作怎么起步都要想一想；AI写出来的东西又快又"像那么回事"，但你就是不满意，来来回回改好几轮。这篇聊的就是这三种感受——以及它们背后可能指向的同一件事：你跟"工作"之间的关系，已经被AI悄悄改写了。
一、效率高了，为什么没觉得轻松？
每次有人问我"用AI之后最大的感受是什么"，我的第一反应不是"效率高了"——虽然确实高了——而是一种很矛盾的忙。
以前做一件事情，虽然慢，但节奏是清楚的：从第一步做到最后一步，做完就完了。现在不是这样了。你给AI派一个活，然后去做自己的事。做着做着AI出结果了，你得切回来看。看完觉得不太行，调整需求，再丢回去。同时另一件事你也让AI先开始了，那边也快出结果了……
你的脑子不再是"在做一件事"，而是"在管好几件事的进度"。哪个AI先交了作业，你就得先去审哪个。做事的累变少了，管事的累变多了——但"管事"这种累，不写在任何工作量统计里。
拿做报告举个例。过去花三天从零写一份分析报告，虽然辛苦，但你从头到尾都知道自己在哪个环节。现在半天就能拿到AI的初稿——然后接下来一天半，你在跟这份初稿较劲：方向不对、口径不准、上下文缺了、结论看起来合理但实际经不起推敲……省掉的是"从零到一"的苦功，多出来的是"从一到对"的磨合。 时间确实缩短了，但脑子一点没闲着。
2026年4月有篇文章把这个现象起了个正式名字——Directed Parallelism（定向并行）。意思是：过去说"不要多任务"，因为人在几件事之间切来切去效率很低。但AI改变了这个方程式——你做一件事的同时，AI在后台帮你推另外几件。你不再是一个人在多线程，而是一个人在管好几个AI的多线程。
听起来很高效。但瓶颈变了——过去你的天花板是"我能做多少事"，现在变成了"我能同时管好多少个AI在做的事"。后者是一种全新的认知负荷，而且没人教过你怎么应对。
微软今年5月刚发的2万人调研（2026 Work Trend Index）里有一句话说得很直接：
人们正在从"做工作"转向"引导、审核和改进AI的工作"。
翻译一下：你的工种变了。从手艺人变成了项目经理。 但你的大脑、你的习惯、你的自我认知还停在"我是那个干活的人"。这个错位——可能就是"明明效率高了但更忙了"的真正原因。
二、你有没有想过——如果AI突然断了，你还会工作吗？
这个问题听起来有点夸张。但你可以认真想三秒钟：如果你现在用的AI工具突然全部不可用了——不是一分钟，是一整天——你手头正在做的事情，哪些还能继续？
我认真想过之后，发现答案让我有点不舒服。不是说完全不能工作——而是很多事的起步方式我已经想不起来了。数据分析怎么开始？过去是打开Excel先看原始数据。现在我的第一反应是丢给AI说"帮我看看"。从零写一份材料怎么开始？过去是列提纲。现在我的第一反应是给AI一段背景让它先出个框架。
不是能力消失了，是启动路径被覆盖了。 就像你在同一条路上开车开了一百次之后，突然有一天这条路封了——你知道还有别的路，但你已经很久没走过了，得停下来想一想。
微软同一份报告里有一句更冷的话：
"Workers gain hours with AI but risk losing skills."
用AI省了时间，但可能丢掉技能。
这不是在说AI不好。是在说一个很现实的问题：你省下来的那些执行环节，你的能力也在跟着一起省。 你不再自己拉Excel了，你的数据手感在退化；你不再自己从零写报告了，你的文字组织能力在退化。它们退化得很慢，慢到你平时感觉不到——直到有一天工具挂了，你才发现地基松了。
我没有什么好的解法。但我开始有意识地做一件事：每周至少有一件事，从头到尾自己做，不用AI。 不是因为我排斥AI，是因为我不想哪天工具挂了、或者AI给了一个看起来合理但其实是错的结论——我连识别的能力都没有了。
三、为什么AI做到了80分，我还是不满意？
这个感受我相信很多人都有。
你让AI帮你写一份方案。它出来了，速度很快，结构清晰，用词得体，甚至比你自己写的还"像那么回事"。但你看完之后就是觉得——不对。说不上来哪里不对，但就是不是你想要的。
然后你改。改完丢回去让它重来。出来之后好一点了，但还是差点意思。你再改。再丢。来来回回好几轮，最后那版勉强能用了——但你花的时间，可能跟自己从零写也差不多。
这到底是怎么回事？
我想了很久，觉得问题出在这里：AI做到的80分，是一个"通用的80分"——但你要的是"你的80分"。
什么意思？AI可以写出一份结构完整、逻辑通顺、没有明显错误的方案。但它不知道你的老板喜欢什么风格的汇报，不知道这份方案会在什么场合被讨论，不知道这个话题在你们组织里有什么历史包袱，不知道你上次踩过什么坑所以这次特别想避开什么。
这些东西不在任何prompt里，不在任何文档里，只在你脑子里。 它们就是你的domain knowledge——领域知识。
Boris Cherny在红杉那场对谈里说过一句话："Coding是简单的部分，真正难的是懂这个领域。" 翻译到HR场景也成立：AI写方案是简单的部分，真正难的是你对这个组织、这群人、这个时机的理解。
所以那个"不满意"的感觉，恰恰说明了一件事——你比AI更懂这件事该怎么做。 AI给了你一个起点，但从80分到你心目中的"对"，那段距离只有你能走。
反过来说，如果有一天你对AI的输出完全满意、不需要改了——那可能不是AI变强了，是你对这件事的理解变浅了。
写在上篇最后
上面说的这三件事——更忙了、回不去了、对AI的80分不满意——都是发生在"你自己"身上的变化。是你一个人坐在工位上就能感受到的东西。
但如果你把视线从自己身上移开，去看看你旁边的人、去想想明年入职的新人、去想想整个团队和组织——你会发现，还有一些变化正在安静地酝酿。
那些变化不是发生在你身上的，但最终会影响到你。
下篇聊这个。
写于 2026年5月
