夜雨聆风这两年，我听到两种声音。
一种人很兴奋。过去一天写一份方案，现在让 AI 一小时写五份，恨不得把每个晚上都变成新的工作时间。
另一种人很疲惫。既然 AI 什么都能做，自己再努力还有什么用，不如少折腾，先把眼前的工资拿到手。
这两种反应都很真实。可它们盯着同一件事，谁能做得更多。
AI 已经在让很多工作变便宜。初稿更便宜，检索更便宜，做图和写代码也在变便宜。一个人若继续用工作量证明自己，只会被带进没有终点的比赛。今天做五份，明天老板会问为什么不能做十份。
我的想法很明确。别卷工作量，去提高你选择问题、判断质量和承担结果的能力。
OpenAI 在 2025 年发布的企业报告里说，受访员工平均每天能从 AI 那里省下 40 到 60 分钟，75% 的人认为工作速度或质量有所改善。报告来自产品方，数字当然要带着这个背景看，但它仍然指出了一个很实际的问题。
时间省下来了，然后呢？
有人会接更多活，把空出来的一小时重新塞满。他只是把旧工作加速了一遍。还有人把 AI 的初稿直接交出去，短期轻松了，判断力也跟着少练了一次。
更有价值的用法，是把这一个小时换成过去顾不上的事情。销售多问客户一个问题，产品经理再找两个真实用户，写作者去核一个关键事实。AI 负责缩短准备时间，人把时间花在现场和判断上。
AI 并不会自动带来高效率。
研究机构 METR 在 2025 年做过一次随机对照试验。他们让有经验的开源开发者在自己熟悉的项目里完成任务。使用当时的 AI 工具后，这些开发者平均多花了 19% 的时间。更有意思的是，他们事前普遍认为 AI 会让自己更快。
这项研究只覆盖特定时间、特定工具和一类软件开发任务，不能推到所有岗位。到了 2026 年，METR 也提醒，新工具的效果很可能已经变化，新一轮研究还遇到了样本选择问题。
这个案例仍然值得记住。AI 会产出大量看起来合理的东西，检查、改错和补背景都要花时间。越熟悉业务的人，越能看出那些细小偏差。没有清楚的任务边界和验收标准，AI 生成得越快，人可能返工越久。
所以，AI 时代很重要的一项能力，是知道什么时候该用，什么时候该关掉。
微软 2026 年的工作趋势报告发现，一批熟练使用 AI 的员工会有意保留不用 AI 的练习。43% 的高熟练用户这样做，其他用户为 30%。他们也更常在动手前判断任务该交给人还是 AI，比例分别是 53% 和 33%。
这不是拒绝工具。这是在保护自己的手感。
过去，销售拜访前要翻客户官网、旧邮件和会议纪要。现在可以让 AI 先整理客户近况，列出可能的问题，再把资料出处一并附上。
人不该把省下来的时间拿去多写两页汇报。更好的投入是提前打一个电话，确认客户今年最头疼的事，到了现场再根据对方的语气追问。
AI 擅长准备，人擅长建立信任。销售最后拿到订单，往往靠后者。
AI 可以整理纪要、追踪待办，还能找出多次会议里反复出现的问题。管理者若因此多开三场会，团队只会更累。
更好的做法是让 AI 处理记录，自己去解决那个一直没人愿意碰的冲突。哪个目标要放弃，谁来承担延期，什么风险必须告诉客户，这些决定需要权责清楚的人来做。
当执行越来越容易，愿意作出取舍并承担后果的人会更稀缺。
AI 一天能给出几十个标题，也能把一段材料改成多种风格。若创作者只比谁发得多，读者很快会被相似的内容淹没。
新的努力要放在材料上。去见一个人，去试一次产品，再拿到一张别人没有的数据表。AI 可以帮你整理采访和检查结构，不能替你拥有那段经历。
内容行业最先变便宜的是表达，最后还值钱的是信息来路和个人判断。
我并不反对躺平。人需要休息，也有权拒绝没有意义的加码。
该停下来的，是把熟练动作重复一百遍，是为了显得忙而做的表格。AI 能接走这些事情，就让它接走。省下来的精力，一部分用来生活，另一部分用来练那些不容易外包的能力。
你可以从一个很小的动作开始。下次准备使用 AI 前，先在纸上写两句话。
再把任务分开。资料搜集和初稿交给 AI，事实确认和最后决定留给自己。交付后记一笔，AI 在哪里省了时间，哪里制造了返工。
连续做四周，你会得到一套自己的使用说明。它比收藏一百条提示词更有用。
微软 2026 年的报告还有一个结果。企业文化、主管支持和人才制度等组织因素，与员工感受到的 AI 成效关系更强，影响约为个人因素的两倍。个人再努力，也需要公司允许试错、分享经验，并把质量标准说清楚。
对个人来说，新的分水岭也逐渐清楚。
有人把 AI 当成更快的手，继续完成别人分配的任务。有人开始重新定义问题，安排人和 AI 各自做什么，并为最终结果负责。
后者未必每天更忙，产出的数量也未必更多。他只是把有限的力气用在更难替代的地方。
所以，面对 AI，我既不建议躺平，也不赞成瞎卷。
该休息时休息，该学习时学习。把重复工作交出去，把判断留在自己手上。以后拉开差距的，可能是一个很朴素的问题。你是否清楚自己为什么要做这件事。
