夜雨聆风凌晨一点，一个大三学生把课程数据扔进AI，说"帮我做个可视化报告"。
五分钟后，图表出来了。他没写一行代码。
这件事放在半年前，不可能。那时候用AI是"我问你答"——写一段提示词，AI给你一段文字，你复制粘贴，自己改改。
但昨天，AI从"帮你答"变成了"替你干"。
OpenAI说了一件事：未来几周，Codex将整合进ChatGPT。你说"帮我分析这份数据"，AI自己调工具、跑代码、出图表、写结论。6个岗位插件，110项技能，开箱即用。
"你可能不会7×24小时工作，但你在云端的AI会。"
—— OpenAI产品负责人 Erin Embiricos
它不只是回答问题了。它替你把事做完。
ChatGPT周活超9亿，Codex周活超500万。合体之后，近10亿用户生态一夜之间从"问AI"升级到"让AI替你干活"。Codex里20%的用户不是开发者——是知识工作者，增速是开发者的3倍。
非技术人群正在涌入。门槛在塌。
以前做课程项目要自己学Python、学Figma，以后用自然语言就能调用。以前做社团活动策划要自己排版做海报，以后一句话出成品。
不是AI变聪明了。是你跟AI之间的接口，从"键盘"变成了"嘴"。
我知道你在想什么——"ChatGPT我又用不了，跟我有什么关系？"
对，国内访问ChatGPT和Claude有门槛。国内的AI产品，豆包、通义千问，今年才开始有"替你干活"的能力，远没到"开箱即用"的程度。
但方向已经定了。据报道，阿里5月刚完成全栈AI化升级，腾讯微信将上线AI功能列为最高战略优先级，字节豆包也在加智能代理功能。国内的产品正在追，只是时间问题。
所以这篇文章不是告诉你"赶紧去用"，是告诉你——这个方向意味着什么，你该从哪里准备。
听起来像是所有人的机会。
但真实发生的事，没那么美好。
AI使用的分化，不是两层，是三层。
第一层：还没开始用AI
有人在等，有人在观望，有人觉得"跟我没关系"。美国大学生里，只有13%从未使用过AI。但在中国，生成式AI的普及率只有36.5%——你宿舍里六个人，可能只有两个在用AI，另外四个连门都没摸到。而且在国内，"用AI"很多时候还停留在搜索和改论文——连"问答"层都没走完。
第二层：用AI问答
"帮我写个大纲""这个概念什么意思""帮我润色一下这段话"——大多数人停在这里。用AI当搜索引擎Pro。我认识一个大三的学生小陈，他用AI做课程项目的数据分析，从三天缩短到两小时。但他用的方式还是"问AI"——让AI写代码，自己复制粘贴去跑。
第三层：让AI执行任务
"帮我分析这份数据，做个可视化报告"——不只是问，是让AI替你干活。小陈还不知道，以后他连"复制粘贴"都不用了。
昨天这次合体，砍掉了第二层到第三层的门槛。以前从"问答"到"执行"，你得单独注册、理解概念、会写结构化prompt。现在，在ChatGPT里用自然语言就行。
但第一层到第二层的鸿沟，一点都没变窄。
不是工具的问题。是"我该拿它做什么"这个问题，没人替你回答。
更让人不安的，是第二层和第三层内部的分化。
Anthropic做了一个实验：52名专业程序员学习一个新的Python库，一半用AI辅助，一半独立完成。
结果：用AI的人平均分比不用的低了17%。
但更刺的是AI组内部——会用的得分86%，完全依赖的只有24%。
AI不是拐杖。是放大镜。善于思考的人如虎添翼，依赖捷径的人加速退化。
英国的调查也印证了这一点：全靠AI完成作业的学生比例，从2024年的3%涨到了2026年的12%。三年翻了四倍。但这些人，是真的在用AI，还是被AI用了？
但我也得跟你说一句实话：
"让AI干活"≠"让AI干好活"。
有一项研究，用50个真实的亿级App开发任务测试了四个主流AI编程工具——包括Codex和Claude Code。
最好的配置，成功率只有12%。
这是最难的场景——端到端的复杂开发任务，你日常用的数据分析、PPT、简历，成功率远高于此。但这个数字说明一件事：AI离"可靠"还有很长的路。
别急着松口气。
Veracode今年春季的测试发现：AI生成代码的语法正确率超过95%，但安全通过率只有55%。能运行。不代表能安全运行。
而AI自己还有个毛病——面对复杂任务，它往往过早反馈"已完成"，实际上并没有真正做完。如果连"做完了没有"都需要另一个AI来裁决——你交给它的任务，你真的能放心吗？
但问题不只是AI不靠谱。更隐蔽的，是你自己。
AI现在像一个刚上船的水手——干活快但经常粗心，能帮你省大量时间，但最后的航向得你来定。
伯克利Haas商学院在一家200人的科技公司驻扎8个月，发现了一个反直觉的现象：AI没有让人变慢，而是让人变忙。每个人做的事变成了三倍。产品经理变成半个程序员，设计师还要做数据分析。
工作边界被AI溶解了。而你，还在以为自己只是"多用了一个工具"。
你以为效率翻倍，其实在更忙地做更多的事。
所以，AI到底该用还是不该用？
该用。但不是你现在想的那种用法。
运河里，你学的是"自己干"——自己学技能、自己完成任务、自己扛。12年练出来的本事，都是这一套。
大海里，你需要的是另一种能力——"让AI替你干"。不是什么都自己来，是知道什么事该交给谁。
但如果你连"该干什么"都看不清，AI也帮不了你。AI是雷达，不是风帆——它帮你扫描更大的海域，但不能替你决定往哪开。
不是让你现在就精通什么。是让你先下水。
5件今天就能试的事——不管你用的是ChatGPT、豆包还是通义千问：
1.让AI帮你做一次数据分析——把Excel扔进去，说"找出关键趋势"，看它做到什么程度
2.让AI帮你做一个项目展示——说"帮我做个展示方案"，看它出的东西能不能用
3.让AI帮你优化简历——丢一个岗位描述进去，说"根据这个岗位优化我的简历"，对比它改了什么
4.改一次AI的作业——让AI出一份方案，然后你挑毛病、提修改。你会发现，说清楚"我要什么"比"帮我做"难多了
5.故意给AI一个模糊指令，看它怎么翻车——你以为说清楚了，但AI理解的是另一回事。这个落差，才是你真正要练的东西
昨天发布会结束后，奥特曼在X上发了一条推。没提Codex，没提ChatGPT。只引了一句《传道书》——
"凡你手所当做之事，要尽力去做。"
—— 《传道书》9:10
但今天，你手所当做之事，可以让AI先替你试一试。
关键是——你得先想清楚，你想让它试什么。
很多时候没想清楚，才是常态。你先迈出去之后，方向是走着走着才看明白的。
