夜雨聆风据 YC 总裁 Gary Tan 最近一次分享里的判断——
你跟最顶级使用 AI 的人，今天差 10 倍。
过两个月，差 100 倍。
再过两个月，差 1000 倍。
具体数字你可以不完全信。
但背后的道理很朴素——
他每用一次 AI，系统就厚一层。
你每用一次 AI，关掉窗口，明天从零开始。
他在复利，
你在归零。
时间越长，鸿沟越大。
这是 AI 时代最容易被老板漏掉的一道差距。
不是工具差距，是系统积累的差距。
打开行业报告，到处都在说 AI 平权。
ChatGPT 人人能开。
Midjourney 人人能跑。
Cursor 人人能用。
技术平权、信息平权、起跑线被拉到同一条。
听起来很美好。
但我最近越来越确定一件事——
平权拉的是"不懂 → 会用"，
入门门槛是真的被打下来了。
但"会用 → 用好"这一段，
没有被平权。
它在被指数级拉大。
前两天我们几个做 AI 项目的同事在群里聊这件事。
当时有一句话——
用好 AI 难度还是非常高的，链路也比想象中复杂，不是口喷就行的。
我接了一句——
真实能把 AI 用好的人是极少数。AI 在某一部分上确实做了技术平权、信息平权，但实际上也极大地拉大了"用好 AI、会用 AI、不懂 AI"之间的鸿沟。
老板最容易看错的，就是这一点。
以为团队都开了 ChatGPT，就等于都能用上 AI。
以为每个人都跑过 Prompt，就等于每个人都能把 AI 接进业务。
不是的。
起跑线一样，不等于跑出来一样。
这个判断也来自我们最近推的那个 AI 项目——
选品、卖点、竞品、生图一条龙。
同样的工具，
同样的模型，
同样的提示词模板。
不同人手里出来的活，差距非常大。
有人跑半天，
出一堆"看起来对"的图，没一张能直接进投流。
有人跑半小时，
出三张图，每一张运营拿了就能用。
差的不是工具，
也不是模型。
差的是——
业务体感、AI 体感、锁定问题的能力、解决复杂问题的能力。
而这四样能力哪来？
不是天赋，是积累。
下一节我讲为什么。
AI 之下，其实有三种人
我现在习惯把团队按三层来看。
不懂 AI——平台之外的世界。
没开过 ChatGPT，没跑过 Midjourney。
这一层五年前是大多数，
AI 平权之后正在快速变小。
会用 AI——能问、能让它出东西，但不知道好坏。
会让 ChatGPT 写文案，会让 Midjourney 出图。
但拿到结果之后——
不知道哪张能用，
不知道为什么这次成下次不成，
不知道什么场景下应该不用 AI、直接人写。
这一层是平权红利，正在快速变大。
用好 AI——能锁定问题、能定义需求、能验收结果、能让 AI 接进业务流水线。
知道问题怎么拆，
知道用哪一段 AI、哪个模型，
知道什么样的结果叫合格、什么样必须重做。
这一层人数没怎么变，反而显得更稀缺了。
三层之间不是线性距离，是断层。
平权拉的是"不懂 → 会用"。
真正撕裂的是"会用 → 用好"。
复利 vs 归零
为什么"会用 → 用好"会指数级拉开？
不是个人天赋问题。
是有人在做"复利系统"，有人在做"归零系统"。
复利系统是这样的——
他每次用 AI 都问自己一句：
"这次工作结束以后，有什么东西应该留下来？"
下一次他遇到类似的事——
流程不用重教，上次跑通的步骤已经固化。
背景不用重说，客户、项目、行业的信息已经在系统里。
错误不用再犯，上次踩的坑变成了一条永久检查规则。
每用一次，系统厚一层。
每用一次，下次起点高一点。
归零系统恰恰相反——
每次开窗口、问问题、拿答案、关窗口。
下一次遇到类似的事——
从零开始。
重新解释一遍背景。
重新教一遍格式要求。
重新踩一遍上次已经踩过的坑。
系统不积累，下次还是临时抱佛脚。
这就是为什么"10x → 100x → 1000x"不是数字游戏。
第二个 10x，不是从零跑——
是站在第一个 10x 的肩膀上继续滚。
你不动，他在加速。
差距不是线性拉开的，
是指数级撕裂的。
三件事不归零：Skill / Brain / Eval
复利系统不是一个工具，是三件事在累积。
先说第一件——流程不归零，叫 Skill。
第一次让 AI 帮你准备一场重要会议是手工的。
先搜对方背景，
再查最近发言，
再对照自己的立场，
再想切入角度。
做完一次之后，把流程固化下来。
以后每次准备会议，AI 默认按这个步骤走，
不用重新教。
这就是 Skill——一次做对的流程，变成系统自动执行的能力。
把脑子里的"我大概知道"，
落成 AI 能调用、团队能复用的东西。
前几天那篇《好的业务专家都很跳跃》讲的"业务判断转译者"——
正是 Skill 层的关键岗位。
把跳跃判断显性化、Skills 化，才是"用好 AI"的起手式。
Skill 让重复步骤不归零。还有一类东西更难积累——上下文。
再说一件，威力最大的——上下文不归零，叫 Brain。
这一条最容易被忽略。
Brain 是一个持续更新的个人知识库。
每次开会，会议纪要进 Brain。
系统把会议里提到的每个人、每家公司、每个决策，
分别更新到对应页面。
每次读一本书，
书里的观点和你过去的阅读、会议、项目交叉关联。
每次遇到一个新人，
他的背景、关系、历史交集都成为可检索的页面。
Gary Tan 自己讲，
他的 Brain 里积累了约十万页结构化知识。
每个人、每家公司、每次会议、每本书——
全部连接，每天自动更新。
这意味着什么？
他做任何决策，起点都比你高。
你靠记忆、靠临时搜索、靠问同事。
他做决策的时候，所有相关上下文已经组织好放在那儿，等他调用。
而且这个优势每天都在放大。
Brain 让记忆不归零。最后一件最反直觉——教训不归零，叫 Eval。
普通人的逻辑——
AI 答错了，让它改一下，下次还可能错同样的。
复利系统的逻辑——
AI 答错了，把这次错误变成一条永久规则。
以后做这类任务，必须先做交叉检查。
一次错误，变成一道检查。
再犯一次，再加一道检查。
到第十次的时候，系统已经有十道防线。
普通人的错误是一次返工。
他的错误是一次系统升级。
这一条群里也吵过。
壮壮提了一个具体做法——
加一道 AI 审查。给它一个你认为做得好的输出结果作为参考，结合原本的信息内容、竞品图、成交方向策划、最终输出结果，以及规则，让它审核一遍。人审核分析的时候看哪些，就让 AI 对照哪些。
他自己也补了一句：
就是多一道审查的成本。
听起来像增加成本，
其实是 Eval 的雏形。
几许接得更准——
审查机制要单独抽出来，做一个审查功能，前期人工介入，收集案例优化审查效果。后面再到半自动 - 全自动。
这一段话其实就讲完了 Eval 的完整路径——
先人工兜底，
再收集案例，
再半自动，
最后全自动。
一开始多的那一道审查成本，就是 Eval 系统的奠基石。
我自己当时也说了一句——
审查机制是必须的。我的公众号写作也一直建立审查机制。
不是因为我多严格，
是我承认一件事——
不验收的 AI 输出，下次还会错。
错了不留下，公司就永远在归零。
Skill 让流程不归零。
Brain 让记忆不归零。
Eval 让教训不归零。
三件事，让系统每天都在变厚。
老板最容易看错的一件事
我观察到一个最常见的老板错觉——
以为团队都"会用"了，就等于都"用好"了。
为什么会错？
因为"会用"和"用好"的表现像。
都开了账号。
都跑过 Prompt。
都能在群里发一张 AI 出的图。
老板看一眼，觉得"OK，大家都跟上了"。
但只有真正进项目跑一遍才发现——
跑出的活差距非常大。
跑通的环节差十几步。
写不写得出可复用方法论，差一个层级。
这时候老板才会反问——
凭什么同样开 ChatGPT，
团队里只有一两个人能跑出真东西？
我以前的答案是——
那一两个人比较聪明、比较勤奋、比较"有 sense"。
现在我换了答案——
不是个人天赋问题。
是那一两个人的工作系统在复利，剩下的人每次都在归零。
老板要做的，不是把全员逼到一样的工具使用率。
是识别——
谁的系统在复利？
谁还在归零？
谁有潜力从归零切到复利？
这张地图画清楚，
下一季的人才决策才能做对。
老板自己在哪一层
最后必须说一句给老板的——
公司在哪一层，看的是老板在哪一层。
老板自己卡在"会用"，
公司只会有一群"会用"的员工。
老板自己每天归零，
公司不会有人在复利。
只有老板自己跑通"用完 AI 留下东西"那一套——
公司才有可能产出"用好"的方法论、流程、Skills 库。
这是一人定企在 AI 时代的双倍成立。
老板不亲自跑一遍 Skill + Brain + Eval 的完整一圈——
不可能识别员工是"会用"还是"用好"。
也不可能判断哪条业务线该上 AI、哪条该缓。
更不可能在团队跑偏时拉回来。
所以老板的第一动作，永远是自己先爬。
这一条我自己也在踩。
群里那天我把自己的现状摆了出来——
我现在的做法是——
我看规则库，
发现问题，
提出需求。
属于"人类发现问题，让 AI 基于这个做调整"那一档。
另一档是——
有项目目标，有项目方案，有 AI 项目负责人，
负责处理这些问题，不需要人类介入。
我承认——
我现在还在第一档。
说回前面"用好 / 会用 / 不懂"三层——
第一档其实就是"会用"。
第二档才是"用好"。
我不能只让老板们看清三层，自己却还在第二层。
所以我下周一要做的第一件事——
把我每次审查 AI 输出时反复用到的两三个检查点，
写下来，
固化成第一条 Eval。
这不是一个完美起点，
但它是从"会用"往"用好"挪的第一步。
老板自己不挪第一步，公司就别想挪第二步。
这是一人定企，再说一遍。
下周一能动的三件事
不需要宏大架构。
不需要先搭十万页的知识库。
从最小的地方开始——
第一，每次用完 AI，问自己一句——
"有什么东西应该留下来？"
这一句就是复利的起点。
第二，把今天发现的"重复"变成系统——
发现某个步骤你每次都要重新交代 AI，
把它写下来变成固定指令，
这是你的第一个 Skill。
发现某些背景信息你每次都要重新解释，
把它存起来让 AI 下次自动读，
这是你的第一块 Brain。
发现 AI 反复犯同一个错，
把正确做法写成检查规则，
这是你的第一条 Eval。
第三，拉一张团队 AI 能力地图——
按"用好 / 会用 / 不懂"三层把每个人标进去。
更要紧的是再加一栏——
他的系统在复利，还是在归零？
标完之后，
下一季的人才决策、培训资源、业务线归属，
都可以围绕这张地图重做。
老板自己，第一个填进去。
最后压成一句话——
平权是表层。鸿沟才是底层。
他在复利，你在归零。
时间越长，鸿沟越大。
平权红利只会持续一阵子。
红利消失之后，
留下来的差距只会更大。
那时候才发现"用好"的稀缺，
已经晚了。
不如现在就开始——
每次用完 AI，问一句——
有什么东西应该留下来？
慢慢来，每次进步一点点。
