你是真学会了,还是 AI 替你会了?

这一周我写的几篇，主线都是“快”：怎么用 AI 干活、怎么排活、怎么少返工。

但今天这篇，我想踩一脚刹车，说点反面的。

因为有一种体感你可能也有过：用 AI 做完一件事，当下感觉自己进步飞快；可一旦 AI 不在手边，你忽然发现，自己讲不清逻辑、独立做不出来、也说不清到底哪里错了。

这事，有一篇论文把它做成了实验。

我读到一篇发在 PNAS 的研究（Bastani 等，2025）。他们找了近一千名高中生学数学，分成两组用 AI。

一组用的是普通的、像标准 ChatGPT 那样的 AI，你问什么它答什么，我们姑且叫它“裸 AI”。另一组用的是加了护栏的 AI：它不直接给答案，只给老师设计好的提示，引着你自己想。

练习的时候，两组都更快、更好，看着都很香。

关键在后面：把 AI 撤掉、让他们自己考试，用“裸 AI”那组，反而比从头到尾没用过 AI 的学生考得更差。研究里这组的成绩下降了近两成。而那组用“带护栏 AI”的学生，这种倒退基本没有发生。

问题出在练习的过程：用“裸 AI”的学生，一遇到不会的，就直接问它要答案、要步骤，当下每道题都做对了，可那个“自己卡住、自己琢磨出来”的过程，被整段跳过了。

一句话：裸 AI 被当成了拐杖。拄着它走得很顺，一撤掉，腿就软了。

当然，这是高中数学，不是你我每天面对的工作，不能直接画等号。

但那个机制值得我们这些天天用 AI 干活的人照照镜子：有它的时候表现很好，没它的时候反而更差。

我们最容易的用法，就是“裸用”：直接要答案、要成品、要结论。短期效率拉满，活也交得出去。

比如写一份分析、做一套方案、憋一篇汇报。AI 几分钟就给你一版，框架齐整、话也说得漂亮，你改两笔就发出去了，当下确实省事。但这套东西里真正值钱的判断，比如为什么是这个方向、为什么砍掉那个选项、风险藏在哪，很可能你自己并没有走过一遍。

但你有没有过这种时刻：一份 AI 帮你做出来的东西，别人问你“你为什么这么判断”，你卡了一下，因为那个判断其实不是你做的，是它给的，你只是按了确认。

该长在你身上的判断力，就这样悄悄地，没长出来。

论文里那个解药其实很朴素：不是不让用 AI，而是给提示，不给答案。

迁移到成年人用 AI 干活，就是给自己设几条护栏。我自己在用的有这么几条：

1先自己想一版，再问 AI

哪怕只是个粗糙的草稿、一个不成熟的判断，先有自己的东西，再让 AI 来补、来挑、来比。别一上来就交白卷等它填。

2让它给思路和选项，关键判断自己下

AI 很擅长把可能性铺开，但“选哪个、为什么选”这一步，留给自己。

3做完了，回头能自己讲清楚为什么

如果一件事做完，你没法用自己的话讲清它的逻辑，那大概率不是你学会了，是它替你会了。

4隔一阵子，故意不靠 AI 做一次

把一件你平时都甩给它的事，自己从头做一遍，就当给自己做个体检：那个能力，还在不在你身上。

你可能会嫌这样麻烦，甚至更慢。当下确实会慢一点。但慢下来的那一步，换的是这件事真的长在了你身上，下次再遇到，你不必从头问起。

你会发现，这其实跟我这周一直在说的“验收”是一回事：你得有能力判断它做得对不对——而这个判断力，恰恰是最不能外包出去的那一样。

这一周我讲了一堆用 AI 提速的方法，我自己也是真受益。

但今天我想留下这一句：提速和成长，不是一回事。

AI 能让你这件事做得更快，但它不会自动让你这个人变得更强。有时候恰恰相反。你越是顺手地把每一步都交出去，越可能在不知不觉里，绕过了那些本该自己走一遍、走完才能长本事的路。

真正值钱的，不是“我靠 AI 做得有多快”，而是“哪天 AI 不在手边，我自己还在不在线”。

参考：Hamsa Bastani, Osbert Bastani, Alp Sungu, Haosen Ge, Özge Kabakcı, Rei Mariman. Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS (2025). doi:10.1073/pnas.2422633122。完整研究可点文末“阅读原文”。