AI是否得力，关键在人

如今谈论人工智能，常让人感到一种奇特的割裂。

一部分人已将AI嵌入工作的每个角落——撰写方案、处理数据、运行流程、生成报告，越用越顺手，越依赖越离不开。另一部分人尝试几次后却觉得平平无奇，抱怨“跟百度差不多”“回答太宽泛”“没什么实际用处”。

同一款ChatGPT，有人仅当作拙劣的搜索工具，有人却将其训练成专属的高级助手。同一个Midjourney，有人吐槽是“人工智障”，有人却凭其创作的作品斩获艺术大赛数字类金奖。

BCG 实验

研究人员让数百名顾问利用AI完成工作任务。原本表现低于平均水平的员工，效率提升了43%；而原本表现高于平均水平的员工，仅提升了17%。

乍看像是AI在“拉平”差距？别急，继续往下看。

同样的工具、模型与功能，为何有人驾驭自如，有人却觉得食之无味？

答案或许并不令人愉悦：

AI是否好用，与AI本身几乎无关，而与你头脑中积累的认知息息相关。

具体而言，涉及两类关键认知。

所谓做事认知，即你清楚某件事应当如何着手。

听起来似废话，但这恰恰是最易被忽视的一环。若让一个不懂医美行业的人用AI撰写行业研报，他能得到什么？一份结构严谨、措辞专业，但内行人一眼便知“说了等于没说”的内容。

若让一位精通医美的分析师来操作呢？有分析师曾尝试——利用ChatGPT生成一份六千字的医美研报，AI生成加翻译耗时一小时，人工修改两小时，三小时即告完成。传统方式？需两至三天。这还仅是2023年的情况，如今速度只会更快。

不懂行业的人

“帮我写一份医美行业分析报告”

→ 得到正确但空洞的废话

懂行业的分析师

“帮我分析2024年透明质酸注射类产品的审批趋势及其对上游厂商的影响”

→ 获得精准深刻的洞察

同样的AI、同样的模型，差距何在？分析师清楚该问什么。他深知医美行业的核心变量在于审批政策、渠道演变与消费者画像，因此其提示词（prompt）能精准命中要害。而外行往往泛泛而问——AI自然也能作答，但产出不过是正确的废话。

你脑海中若无框架，AI给出的答案便是一堆正确的空话。

这并非AI的问题，而是你的问题。AI如同超级执行者——你指方向，它便行动，但你必须先知道该指哪里。若连方向都模糊，它再强大也无济于事。

做事认知解决的是“该做什么”，AI认知解决的是“AI能做什么”。

许多人对AI的理解仍停留在“能聊天、能写作”的层面。这没错，但这只是AI能力最浅的一层。我将其划分为四层，层级越高能力越强，但能掌握的人也越少——

第一层

对话生成

你问它答，撰写邮件、润色文案、总结会议纪要。大多数人使用AI，止步于此。

第二层

工具调用

AI不再仅限于聊天，它能直接调用外部工具——查询数据库、读取文件、调用API。2026年MCP协议已成为事实标准，相当于为AI配备统一“接口”，如同USB-C，插即可连。目前已有数千个开放服务器在运行。

第三层

技能扩展

AI开始拥有专属知识库与专业能力。RAG技术使AI能读懂公司内部文档，Claude Code让AI能直接在代码库中工作，Computer Use则让AI能操作你的电脑。这一层级，开发者群体已广泛采用。

第四层

自主执行

到达此层，AI已不再是工具，而像一个团队。你设定目标，AI自行拆解、规划、执行并纠错。并非单个AI包揽一切，而是拆分为多个专业Agent协同配合——如同筹备晚餐：有人规划菜单，有人采购，有人洗菜，有人炒菜，有人上菜。此层尚在前沿落地阶段，但企业级应用已悄然启动。

每上升一层，效率提升并非线性，而是量级飞跃。但每上升一层，能驾驭者也呈断崖式减少。

大多数人觉得AI“不过如此”，是因为他们仅在最低层尝试，便据此得出“AI不行”的结论。

然而AI认知不仅关乎“如何更快使用AI”，还有一层更隐蔽的作用——AI能反过来帮你弥补认知盲区。

这是什么意思？

你撰写市场分析，想到的维度是用户增长、竞品动态与价格策略。你将这些输入AI，它可能回应：“是否还需考察供应链的集中度风险？”——这个方向你未曾想到，但AI想到了。

这便是AI的反哺。它不仅能助你提速，有时还能帮你看见未曾察觉之物。

但需注意，这种反哺是有前提的——

你得清楚该往哪个方向提问。

你若问AI“帮我分析这个市场”，它可能给出一堆泛泛而谈。你若问“请从供应链集中度、替代品威胁与监管风险三个维度分析该市场”，它给出的内容便极具价值。

方向由你定，细节由AI补。若你无法确定方向，AI补充再多细节也是南辕北辙。

方向感决定了AI能否助你。但还有一个更隐蔽的问题——即便方向正确，AI若推你走得太快，你反而可能错过途中最重要的东西。

因此回到BCG的实验——低水平员工提效43%，高水平员工仅提效17%。看似AI在“拉平”差距？

并非如此。提效比例高，是因为起点低、提升空间大。一个跑30分的人提升到60分，提效100%；一个跑80分的人提升到95分，提效不足20%。但95分依然远胜60分。

AI助弱者提速更多，但强者借助AI后的终点，仍是弱者难以企及的。

归根结底，AI并非万能钥匙，更像一面放大镜——既放大你已有的能力，也暴露你缺失的底层功夫。

AI帮你节省时间，也替你跳过了那些让你真正成长的过程。

Claude Code问世后，开发者圈内引发激烈争论。同一工具，两种截然不同的反应——

产品导向型开发者视其为天赐良机：直接将需求丢给AI，快速迭代，精力集中于产品设计与业务逻辑。

而过程导向型开发者，每次使用后却感到难以言喻的别扭。一位名叫Stephen Brennan的开发者曾说道，我认为极为精准：

我们使用洗碗机清洗餐具，因我们不在乎洗碗过程，只想要干净的碗。但有些事我们坚持手工操作，是因为享受过程本身——譬如手工编织。

—— Stephen Brennan

编程的乐趣，在于用代码表达问题、构建系统的心智模型。若将此过程完全外包给AI，你确实更快了，但也跳过了那些磨砺判断力的挣扎。

不仅限于编程。你用AI撰写方案，跳过了“理清逻辑框架”的痛苦；用AI进行分析，跳过了“数据间究竟有何关联”的困惑；用AI写作，跳过了“此观点是否站得住脚”的自我拷问。

节省下来的是时间，跳过去的全是成长。

经验这东西，没有捷径。你可以借AI加速获取信息，但判断力只能在一次次“想不清楚→硬想→终于想通”的过程中孕育而生。AI帮你跳过了“想不清楚”的阶段，也一并跳过了“终于想通”的收获。

问题一

你最近一次用AI完成的任务，若不使用AI，你自己能否独立完成？

若答案是“不能”，那你并非在用AI提效，而是在用AI掩盖自身能力的空白。

问题二

你用AI节省下来的时间，用在了何处？

若用于更有价值之事——恭喜，你用对了。若用于刷手机——那你节省的并非时间，而是成长的代价。

AI日益强大，这是确定的事实。但AI越强，对使用者的要求反而越高。因为工具越智能，你越不能糊涂——你若糊涂，AI只会更高效地助你犯错。

AI是否好用，与AI无关。关键在于你。