这两年，你大概率学过不少"怎么把 AI 用好"的东西。怎么写提示词、怎么调教模型、怎么让它输出更听话——市面上一半的教程都在教这个。营销专家 Ann Handley 这周抛出了一个让我停下来想了很久的判断。她说，我们对"AI 素养"的理解，从一开始就跑偏了："AI 素养不是提示词素养，是判断力素养。"（AI literacy is not prompt literacy. It's judgment literacy.）
"为什么我们一直在教人们怎么用 AI，却从来不教他们，什么时候不该用？"
你回想一下就会发现，确实如此。所有的课程、教程、工作坊，主题都是"如何更好地使用"。仿佛 AI 是一把越用越好的工具，用得越多、越熟练，你就越厉害。Handley 给出的理由，戳中了要害：有些任务，过程本身就是学习。她举了 Anthropic 的一项研究：那些过度依赖 AI 的初级工程师，事后对自己做出来的东西，理解反而更弱。代码是跑通了，活是交了，但他们没真正搞懂自己做了什么。而恰恰是那段挣扎——那段卡住、试错、想不通、推倒重来的过程——才是真正在教会你东西的部分。AI 帮你抄了近道，省下的不是麻烦，是让你变强的那段路。Handley 说得很直接：你用 AI 快捷方式跳过的，正是那些本该教会你某些东西的奋斗。判断力之所以难，是因为"判断力的核心，恰恰是理解你正在跳过的那段奋斗，到底值多少钱"。如果你花钱请人替你把铁举了，器械的重量是举起来了，数据也好看了，但你的肌肉，一克都不会长。有些事的意义，根本不在结果，而在你亲自扛过的那个过程。读书、写作、想清楚一个难题——很多时候，都是这种"健身房任务"。光说"要有判断力"是空话。Handley 给了一个挺实在的分界。她讲了一个叫 Acton Exchange 的编辑团队的做法：他们用 AI 处理一篇内容的前 75%——那些重复的、规整的、流程化的部分；然后用人的专业，去补最后 25%——那些需要细节、需要分寸、需要背景判断的地方。这个"75/25"不一定是精确的比例，但它指向一个特别清醒的原则：把可以重复的，交给 AI；把需要判断的，留给自己。AI 最擅长的，是把你已经想清楚的事，又快又稳地做出来。它最不该碰的，是那些"过程即目的"的事——那些你一旦交出去，就等于交出了成长本身的事。更大的背景：我们正从"用 AI"走向"和 AI 共存"如果把视野再拉高一点，你会发现 Handley 说的判断力，其实回答了一个更大的时代命题。另一位我很喜欢的作者 Ethan Mollick，这周写了篇文章，标题有点悲壮——《协同智能的终结》。他的意思是：过去我们谈"人机协作"，默认人是中心，AI 是助手，你来我往地配合。但这个范式正在结束。因为大厂们真正的目标，是造出"在大多数有经济价值的工作上，超越人类的高度自主系统"。代码领域已经先一步证明了这点——现在 AI 写了某些公司80% 的代码，每个开发者的交付量翻了8 倍。于是我们从"协同智能"（人主导）滑向了"协同共存"（AI 已经是个有时比你更强的存在）。Mollick 甚至说，AI 现在不只是你的工具，它还在变成你的"读者、评论者和守门人"。Mollick 的答案，和 Handley 惊人地一致：真实性，和判断力。他说自己写书时坚持每一章初稿都亲手写，连里面的玩笑和吐槽都是自己的——因为"我只想用我自己的声音，说出我真实的观点"。当 AI 什么都能替你做，你唯一替代不了的，就是"这是不是真的你"，以及"你判断什么才真正重要"。AI 正在加速地自我进化，把"执行"越来越多地接管过去，只把"定方向"留给人；与此同时，AI 的账单越来越贵，逼着你不得不想清楚——到底该把哪些活交给它。而今天这篇想说的，是那条线的终点：判断什么该交、什么该留，就是这个时代最核心的能力。它不是一个提示词技巧，学一下午就会。Handley 说，判断力需要很多年才能养成。它更像一种品味，一种你对"什么重要、什么不重要"的、深到骨子里的感觉。写在最后
我们活在一个所有东西都在拼命变"快"的时代。AI 让一切都能更快地完成。但 Handley 留下了一句让我特别触动的话。她说，我们真正需要的不是更多课程，而是"领导者公开地选择走那条长路，管理者大声地说出，什么时候我们不用 AI，以及为什么"。敢于在一个人人求快的时代，为某些事，主动选择慢——这本身，就是判断力最高级的样子。会用 AI 的人，会越来越多。但知道什么时候关掉它的人，会越来越稀少，也会越来越值钱。
夜雨聆风
