AI时代,怎么做不一样的1%

—— AI · 思考 · 当下 ——

AI时代，怎么做不一样的1%

AI迭代眼花缭乱，各种概念层出不穷：豆包、元宝、智能体、opc、龙虾（OpenClaw）、deepseek、skill、接管电脑、24小时的AI员工、机器人……

有人一句话就做出了软件、网页、漫剧、歌曲；也有人一头扎进AI概念股里，经历大起大落。这些画面同时砸过来，很容易让人产生一种错觉：好像AI什么都能干，又好像自己随时会被淘汰。

前几天，一位从事公务员工作的朋友问我：怎么和AI结合，才不会被淘汰？

这个问题听起来是关于"稳"的，但背后其实是同一种焦虑。在我看来，对方所在的岗位已经足够稳定，却依然会有这样的困惑——一方面说明有忧患意识，是好事；另一方面也说明，大多数人内心深处都有类似的不安。

这篇想聊清楚的，就是这个问题：AI时代，一个人怎么提升自己，把握机会，做出不一样的1%——同时不被每一个新概念牵着走。

这个"1%"，其实有两层意思。先卖个关子，后面再展开。

从生命周期看，AI时代还处在很早期的阶段：概念和方法论层出不穷，明天推翻今天。

这个过程里，有真实的进步，也有被放大的噪声——而且这两种东西，经常长得很像。

系统1的噪声：焦虑会被媒介放大

先区分两种焦虑：

尼尔·波兹曼在《娱乐至死》里讨论过一个类似的现象：媒介的形式，会重新定义一个时代认为"值得关注"的东西。

放到现在，信息流和短内容不断把新概念推到你面前，追概念这件事本身，很容易变成一种类似刷视频的娱乐消费——热闹，但留不下什么。

但换到文字时代想一想：一本书能让你读出多少东西，最终来自你自己的理解力，和纸张本身关系不大。AI也是一样：你和AI对话能挖出多深的内容，取决于你自己的问题意识和判断力，工具先进与否只是其中一层。

系统2的信号：精确计算，为什么反而更重要

《思考，快与慢》区分了两套思考系统：系统1快速、直觉、依赖情绪；系统2缓慢、刻意，需要扎实的逻辑推演和精确计算。

AI生成的内容，天生对系统1友好：流畅、自然、看起来合理，很容易让人不假思索地接受。但"看起来合理"不等于"可验证地精确"——尤其在数字、逻辑链条、因果关系这些地方，AI也会一本正经地出错。

往深一层看，精密计算和AI的本质，其实是两种不同的追求。

精密计算天然要求100%——1+1必须等于2，不能是"大概率等于2"。而大模型的本质，是在概率分布里挑最可能对的答案，它逼近的是"足够像对的"，天生够不到100%。

正因为如此，现在成熟的AI系统，思路已经变了：重点转向让AI调用计算器、代码执行环境、数据库，或者做溯源验证。参数堆得再多，也只是逼近；把100%这件事，交给能验证的确定性系统去做；AI自己，只负责判断什么时候该调用、调用什么、以及审核结果是否合理。

这个思路，和后面要讲的"1%人参与"其实是同一件事：把最需要100%确定性的部分，交给能验证的东西——可以是工具和溯源，也可以是人的判断。

马可·奥勒留写《沉思录》，到现在快两千年了。

这两千年里，人考虑问题、做判断的方式，其实没有本质变化；变化的是方法论的数量和形式——从斯多葛哲学，到时间管理，到OKR，到今天各种AI工具和工作流，一代代沉淀下来，大多只是"术"。

不一样的1%，靠的未必是别人不知道的方法论，更多是三件更朴素的事：

这三件事本身，就是"变化"——不需要等一个新的方法论出现，你随时可以开始。

可以借一个简单的坐标确认自己的起点：

诚实地把自己放进某一格，就是"有自知"最简单的开始。

OPC、OpenClaw（龙虾）这类新概念，会不断冒出来。如果每次的第一反应都是"我是不是又落后了"，焦虑只会越滚越大。

更有用的做法，是先把概念放回自己的问题里：

每个新概念的权重并不一样。更值得投入时间的，是那些能进入你真实场景、并且能被一次小实验验证的东西。

回到前面那位公务员朋友：与其去学一遍所有新名词，不如先问自己，日常工作里最花时间、最重复的那个环节是什么——是写材料、整理数据，还是应对流程性的沟通？

找到那个具体环节，在权限允许的范围内，做一次小实验，看AI到底能不能顶用。这比记住十个新概念的名字，有用得多。

OPC之后，我自己也在用AI做几件事：做宣传、做产品研发、探索商业化路径。

看到别人晒出的自动化工作流、看到OpenClaw（龙虾）这类能"接管电脑"的工具后，我也投入了不少精力去追求全自动化——文案自动生成、图表自动生成、流程一键跑通。

结果很快就出现了：

看起来很忙，复盘下来，并没有沉淀出多少能反复使用的结果——一种"看似忙碌的空转"。

这个坑并不少见。举一下世界首富的例子：

两个案例发生时间不同，但指向同一件事：过度追求全自动化，反而容易把人带离自己的真实场景；更有用的，是找到那个适合自己的自动化边界。

这和前面提到的"AI把精确计算交给确定性工具"是同一个道理——人承担的这1%，某种程度上，也是一种更高级的"调用与溯源"。

那1%留给人的原因，往往不在技术边界，而在经验、直觉和责任感；这也是最难被下一代模型一起卷走的部分。

与其把所有精力都花在"怎么把最后1%也自动化掉"上，不如把省下来的时间，反过来投入到把这1%做深、做精确。具体可以把时间分成三份：

前面卖的关子，这里说开：不一样的1%，其实有两层意思。

一层是人群意义上的1%——优势不在追概念最快，而在最早把AI变成自己工作方法、判断体系和复利资产：有自知、在行动、能自洽。

另一层，是每一个具体场景里，那被自动化率提到99%之后，仍然留给人的1%——你愿不愿意慢下来，退一步，把这1%做扎实，成为不一样的1%。

回到那位公务员朋友的问题：怎么和AI结合，不被淘汰？

答案大概率不在更多新工具的名字里，而在自己发展轨迹中那个必须亲自把关、无法被流程替代的1%。找到它，然后把它做好。

关于作者

木非舟 · AI辅助开发实践者 · DRG/DIP数据分析

微信: Brandon_hang | 网站: medgroup.medchat.fun