开篇
上周带一个做运营的同事搭页面,他花一下午调一个按钮的圆角,AI 三秒就吐出一版能用的。他有点懵:那我练这么久的审美,是不是没用了?
我的判断正好相反:AI 把"做出来"的成本压到近乎为零之后,真正稀缺的从来不是"会不会做",而是"做的东西对不对、好不好、该不该做"。 工具在贬值,判断在升值。
AI 把很多技术活变便宜后,真正升值的反而是判断、核查与表达。给你一张该加码与该放下的对照表。
上周带一个做运营的同事搭页面,他花一下午调一个按钮的圆角,AI 三秒就吐出一版能用的。他有点懵:那我练这么久的审美,是不是没用了?
我的判断正好相反:AI 把"做出来"的成本压到近乎为零之后,真正稀缺的从来不是"会不会做",而是"做的东西对不对、好不好、该不该做"。 工具在贬值,判断在升值。
过去很多年,"会不会用某个软件"是一项硬技能。你精通函数、会剪视频、能写几行脚本,就比同事多一层竞争力。这套逻辑现在正在松动——不是因为它们没用,而是 AI 把入门门槛砍到了地板。
一个以前要学两周的工具操作,现在可能就是一句话的事。这意味着:把"我会用 X 工具"当作核心卖点,护城河越来越浅。你苦练三个月的技能,新人靠一个对话窗口就能补上七成。
但这不意味着人不需要学东西了,而是学习重心要从"操作"挪到"判断"。操作交给协作,判断留给自己。一个能准确判断"这版排版哪里别扭、该往哪个方向改"的人,比一个只会照着教程点按钮的人,价值高出一截——因为前者知道往哪走,后者只会执行。
顺着这个思路,有三样本事在 AI 时代反而更值钱:
第一,品味(taste)。 就是"知道什么是好的"。AI 能生成一百版方案,但哪一版真正合适、哪一版只是看起来热闹,得靠你的眼光。品味不是玄学,是看过足够多好东西之后长出来的直觉。它决定了你给 AI 的指令质量,也决定了你验收结果时的标准。
第二,核查(verification)。 AI 会自信地编数据、把过时的做法当成最新的、把错的说成对的。能独立验证、交叉比对、发现漏洞的人,价值在上升。这跟前面聊过的"事实核查"是一回事,但范围更广——不只是查 AI 有没有撒谎,而是对自己交付的每一样东西负责。
第三,让成果被采用(adoption)。 把模糊的需求说清楚、把做好的东西讲明白、让人愿意用,这才是把成果变成影响力的最后一步。很多人卡在"东西做出来了,但没人懂、没人用",缺的就是这一环。
| 维度 | 该加码的本事 | 可以放下的执念 |
|---|---|---|
| 学习重心 | 判断"对不对、好不好" | 死记硬背操作快捷键 |
| 竞争力来源 | 品味 + 核查 + 让成果被采用 | "我会用某个具体工具" |
| 与 AI 的关系 | 当协作伙伴,给方向、做验收 | 当替代者,比谁跑得更快 |
| 时间投入 | 多看好作品、多复盘 | 追每一个新功能的教程 |
关键判断:未来值钱的不是"更会用工具的人",而是"更会判断的人用工具"。 这两者的差别,在于你站在指挥位还是执行位。
别把这三样本事当成要专门报班学的课。它们就长在每天的真实任务里:
这套练法跟本书的方法循环完全对得上:主动学习时练品味,与 AI 协作时练核查,完成真实任务时练交付。不用额外挤时间,把现有的活干得更"带脑子"就行。
挑一个你最近用 AI 完成、但还没认真验收的东西——可能是一份文案、一张图、一段代码。花 30 分钟做三件事:① 列出它最该改的两个地方;② 把里面最关键的那个事实或数字,用另一个来源核一遍;③ 用三句话把它讲给一个不懂的人听,看对方能不能秒懂。做完你会发现,涨的不是工具熟练度,是那点越来越稀缺的判断力。