你有没有发现一件事：自从用了 AI，很多工作变顺了。

文章有初稿，方案有框架，会议有纪要，资料有总结，PPT 有结构，甚至连标题、金句、配图提示词，都能让 AI 先给你几版。以前一个人卡半天的地方，现在几分钟就能往下走。

这当然是好事，但另一个问题也开始出现：事情变顺以后，你亲自判断的地方变少了。

你不再从零搭结构，不再反复比较两个版本之间的差异，不再亲自判断某句话为什么虚，不再追问一个结论证据够不够，也不再因为客户一句反问，被迫回头检查自己的判断是否站得住。任务还在完成，效率也在提高，但你的训练场，可能正在慢慢消失。

上一篇文章我们讲过，最大的差距不是信息差，而是动手差。知道 AI 很重要的人很多，真正用 AI 蹚过坑的人很少。

这一篇继续往下讲一个更隐蔽的问题：当你终于开始动手用 AI 以后，新的风险又来了。你可能会主动把那些原本训练自己的摩擦，一个个消除掉。

AI 可以帮你减少低价值摩擦，但如果把所有摩擦都拿掉，判断力也会一起消失。

不是所有摩擦都应该被消除

我们通常很讨厌摩擦。

流程太长，是摩擦；资料太乱，是摩擦；反复改稿，是摩擦；开会对齐，是摩擦；客户追问，是摩擦；自己想半天还没想明白，也是摩擦。

所以，当 AI 出现以后，我们很自然地想把这些摩擦都消除掉。以前写文章，要先想结构，现在 AI 可以直接给提纲；以前做方案，要反复整理资料，现在 AI 可以一键归纳；以前写汇报，要自己琢磨老板关心什么，现在 AI 可以帮你生成不同版本；以前做会议纪要，要边听边抓重点，现在 AI 可以自动转写、总结和分配行动项。

很多低价值摩擦，本来就应该被拿掉。比如格式整理、重复搬运、信息归类、初稿生成、表格清洗、材料汇总，这些工作如果还完全靠人手做，就是在浪费时间。

问题在于，真实工作里的摩擦并不都是低价值摩擦。

有些摩擦，是能力训练的一部分。你卡在一篇文章的结构上，不只是因为效率低，也可能是因为你还没有想清楚观点之间的关系；你反复修改一页 PPT，不只是因为排版麻烦，也可能是因为你还没有判断清楚这页到底要表达什么；你被客户追问一个方案的依据，不只是因为沟通成本高，也可能是在逼你重新检查自己的判断是否站得住。

你在几个 AI 版本之间犹豫，也不只是因为选择困难，那可能是在训练你对质量差异的敏感度。

这些摩擦，不应该被过早消除，因为它们正是你判断力发生的地方。

我差点把写作变成一条自动流水线

这个问题，我自己差点踩进去。

有一段时间，我在尝试把公众号写作流程做得更自动化。逻辑很顺：先把一个选题交给 AI，让它生成初稿；再让另一个 AI 站在评审者角度打分，指出问题；然后继续让 AI 按照修改意见重写；最后再生成配图提示词，甚至连标题、副标题、摘要和朋友圈文案都可以一起给出来。

从流程上看，这很漂亮。选题进入，文章出来，中间还有评估、修改和配图，像一条完整的内容生产线。如果继续往前推一步，这个流程甚至可以变成半自动：我只需要给一个主题，后面就让几个 AI 接力完成。

一开始我觉得，这就是生产力升级。

但后来我发现不对。因为文章真正有价值的地方，不是“有一篇文章出来”，而是我在修改过程中不断做判断。

比如有一次，我让 AI 改一篇关于“品位”的文章。AI 很快给了我一版结构完整、语言顺滑的稿子，里面也有案例、有金句、有方法论。表面上看，已经够用了。

但我读到一个地方时，停了下来。

它写的是“品味是一套质量刻度”。

这句话看起来没问题，甚至还挺顺。但我越看越觉得不对。我要表达的不是“味道”和“审美趣味”，而是一个人在专业判断里形成的层次感、质量感和分辨高下的能力。

所以这里应该是“品位”，不是“品味”。

这个改动很小，只有一个字。但这个字背后，其实是一次判断：这篇文章到底在讲审美，还是在讲专业判断？读者看到这个词，会把它理解成“好不好看”，还是理解成“能不能分辨高下”？

如果我只是看 AI 文章“通不通顺”，这个问题很容易漏掉。

再比如，AI 会给文章加很多看起来正确的句子：“AI 时代，判断力越来越重要”“真正的能力来自长期积累”“人要保留自己的核心价值”。这些话都对，但太泛了。

我在修改时真正要判断的是：这句话有没有提供新的信息？有没有把读者往前推一步？有没有把这一篇和前几篇区分开？如果只是正确废话，就要删掉。

这才是写作里的训练。

不是把字写出来，而是判断哪些字应该留下。

如果 AI 初稿写完，AI 自己评估，AI 自己修改，AI 自己生成配图，而我只是最后看一下有没有明显错误，那么我的确省时间了，但我的判断训练也被拿走了。

文章还在发，公众号还在更新，但我可能不再成长。

效率提升，不等于能力提升。

有些环节自动化以后，任务完成得更快；但如果你不再参与关键判断，能力反而可能退化。

真正的问题不是 AI 写得好不好，而是你还判不判断

很多人讨论 AI 写作、AI 做方案、AI 做 PPT 时，习惯问一个问题：AI 做得好不好？

这个问题当然重要，但还不够。更重要的问题是：你在这个过程中还判不判断？

比如 AI 给你写了三版文章标题，你只是挑一个顺眼的，还是能说清楚为什么这个标题更适合传播？AI 给你生成了五个方案，你只是选最完整的，还是能判断哪个最贴近客户真实约束？AI 帮你整理了会议纪要，你只是转发出去，还是会检查哪些是事实、哪些是推测、哪些是真正行动项？AI 给你做了 PPT 框架，你只是觉得“还不错”，还是会判断这套结构能不能撑住现场汇报？

如果你还在判断，AI 就是在放大你的能力；如果你不再判断，AI 就是在替代你的训练。

这两件事表面上很像，实际差别很大。

同样是用 AI 写文章，一个人会把 AI 当成初稿助手，然后自己判断结构、案例、节奏和表达；另一个人会把 AI 当成代写机器，只要结果看起来完整就发布。同样是用 AI 做方案，一个人会让 AI 帮忙整理材料，但关键判断仍然自己负责；另一个人会让 AI 直接生成结论，然后自己只做格式调整。

短期看，两个人都提高了效率。长期看，一个人在变强，另一个人在变懒。

半自动化最危险，因为它让你误以为自己还在参与

前两周，我真正警觉了一次，因为我真的漏判了。

那次我让 AI 先整理一份客户调研材料，输出很完整，分层也清楚。我快速看了一遍，觉得逻辑顺，就接着往下做方案。后来回头才发现，AI 把客户一句“系统不好用”的抱怨，直接归成了“系统功能缺失”，但真实问题其实是流程责任不清，系统只是背锅。那一刻我意识到，我以为自己审核过了，其实只是被一份看起来专业的输出带着走了。

完全不用 AI，问题反而简单。你知道所有事情都要亲自做，慢是慢，但判断还在你手里。

最危险的是半自动化，因为它会让你误以为自己还在参与。

你让 AI 生成一份客户分析报告，然后打开看了一遍，改了几个小标题，删了两句废话，补了一段背景介绍，就发给了团队。你会觉得自己审核过了。

但问题是，你真的审核了吗？

你有没有判断这份报告的问题分类是不是合理？有没有检查每个结论有没有证据？有没有看它是不是把客户抱怨和真实业务问题混在一起？有没有判断这份报告能不能支持下一步方案设计？

如果没有，你只是做了表面审核。

再比如，AI 帮你生成了一份合同风险清单。你看了一眼，发现格式挺清楚，风险点也列了十几条，于是你标了几个重点，就发给业务同事。你会觉得自己参与了风险审查。

但真正的合同判断，不是看清单长不长，而是看哪些风险和这笔交易真正相关，哪些条款虽然看起来标准，但在这个客户、这个付款方式、这个交付周期下会变成问题。

如果这些判断没有发生，你只是确认了一份看起来专业的输出。

表面审核和真正判断，是两回事。

表面审核看的是：有没有错别字，格式顺不顺，表达通不通，内容够不够完整。真正判断看的是：这个结论站不站得住，这个结构是不是最合适，这个案例够不够真，这个方案有没有忽略关键约束，这个结果能不能交到真实场景里。

半自动化最危险的地方，就在这里。它不是一下子拿走你的能力，而是慢慢拿走你的判断位置。

有些摩擦，是判断力的肌肉训练

判断力很像肌肉。

肌肉不是在舒服的时候长出来的，而是在负重、拉伸、恢复的过程中长出来的。判断力也一样，它不是在一切顺利的时候形成，而是在你被迫比较、选择、修正、复盘的时候形成。

你写方案时卡住，是一种负重；你发现 AI 输出不对，是一种负重；你在两个版本之间反复比较，是一种负重；你被客户追问证据，是一种负重；你看见一份材料“好像对，但总觉得不对劲”，也是一种负重。

这些时刻很不舒服，但它们恰恰在训练你的专业直觉。

如果 AI 把这些负重全部拿掉，短期看你轻松了，长期看你可能失去了判断力的训练机会。

这就像健身房里有人发明了一台机器，可以帮你把所有重量都托起来。你动作看起来还在做，汗也少了，过程也轻松了，但肌肉不再受力。久了以后，你会发现自己不是变强了，而是变弱了。

AI 也是一样。

它可以帮你减掉重复劳动，但不能把所有判断负重都替你拿走，因为没有负重，就没有增长。

什么应该自动化，什么不应该自动化

所以，真正的问题不是要不要自动化，而是哪些环节可以自动化，哪些环节必须保留人的判断。

我自己的原则很简单：

重复动作可以自动化，关键判断要保留。

信息收集可以自动化，问题定义要保留。

资料整理可以自动化，判断框架要保留。

初稿生成可以自动化，结构取舍要保留。

格式美化可以自动化，表达标准要保留。

会议转写可以自动化，行动项判断要保留。

竞品对比可以自动化，战略取舍要保留。

这不是为了刻意保守，而是为了保护人的训练场。因为你真正的价值，不在于把资料搬得多快，也不在于把文本写得多顺，而在于你能不能判断什么重要、什么次要、什么可以交给 AI、什么必须自己负责。

AI 用得越多，越要清楚自己的判断位置在哪里。否则你以为自己在指挥 AI，实际上是在被 AI 牵着走。

最好的用法：AI 做前半程，人做最后一公里

好的 AI 使用方式，不是人什么都不做，也不是人所有事情都自己做。更合理的方式，是让 AI 承担低价值劳动，让人保留关键判断。

比如写文章。AI 可以帮你铺材料、列提纲、生成初稿、指出问题，但你要决定这篇文章真正要讲什么，哪些案例可信，哪里需要删，哪里要重写，结尾要留下什么问题。

比如做方案。AI 可以帮你整理客户资料、归纳需求、生成结构、补充行业背景，但你要判断客户真正的问题是什么，方案优先级怎么排，哪些风险必须提前说，哪些承诺不能轻易给。

比如做会议纪要。AI 可以帮你转写、摘要、提炼行动项，但你要判断哪些行动项是真的承诺，哪些只是讨论意见，哪些责任人和时间节点需要再确认。

这就是人机协作的边界。

AI 做前半程，人做最后一公里。

但这里的“最后一公里”，不是简单确认一下，而是要做真正的判断。如果最后一公里也交出去，人就只剩下点击确认。

点击确认，不会长出能力。

保留摩擦，不是拒绝效率

有人可能会问：既然摩擦有价值，那是不是不应该用 AI？

当然不是。

保留摩擦，不是拒绝效率。真正应该反对的，不是 AI 自动化，而是把所有判断一并自动化。

低价值摩擦要尽量消除。比如重复整理、机械归类、格式调整、资料搬运，这些事情让 AI 做，完全合理。高价值摩擦要有意识保留。比如目标定义、结构判断、质量标准、风险取舍、结果复盘，这些事情不能轻易外包。

你要区分：这个摩擦是在浪费时间，还是在训练能力？

如果是在浪费时间，就让 AI 消除它；如果是在训练能力，就不要急着拿掉它。

这是 AI 时代每个知识工作者都要学会的新判断。以前我们问的是：这个任务能不能自动化？以后更应该问的是：这个任务里，哪一部分可以自动化，哪一部分必须保留给人判断？

你还有自己的训练场吗？

写到这里，我真正想问的问题不是“你会不会用 AI”，而是：你还有自己的训练场吗？

你还有没有亲自判断一篇文章为什么不好？你还有没有亲自判断一个方案为什么不稳？你还有没有亲自判断一份纪要为什么不能直接发？你还有没有亲自判断一个客户问题背后真正的问题是什么？

如果这些判断都被 AI 接过去，你当然会轻松很多，但轻松不一定等于成长。一个人真正的能力，不是靠一直舒服地完成任务形成的，而是在一次次不舒服的判断里形成的。

所以，下次你准备把一个流程完全自动化之前，可以先问自己三个问题：

这个环节只是重复劳动，还是包含关键判断？

如果交给 AI，我还保留了哪个判断位置？

这个流程跑完以后，我有没有机会复盘和修正自己的判断？

问完这三个问题以后，再做一个小实验。

这周，挑一件你已经高度依赖 AI 的工作，先别急着让它一路跑到底。退一步，把最关键的那个判断拿回来，自己先做一遍，再让 AI 帮你完成剩下的部分。

然后对比一下：自动化让你快了多少？自己保留下来的那个判断，又让你看见了什么？

如果你能回答这两个问题，AI 就是在帮你提升效率，同时保留训练场。如果你答不上来，AI 可能正在悄悄拿走你的判断位置。

最后，留一句话：

摩擦消失的地方，判断力也可能一起消失。

AI 时代，真正成熟的使用方式，不是把自己从所有事情里解放出来，而是知道哪些事情可以交出去，哪些判断必须留在自己手里。

以及，你可能需要的不是一个更聪明的 AI，而是一段更值得你亲自走完的过程。