当AI替你完成了工作，一个人要靠什么能力被市场付钱？

本文来自微信公众号： 不懂经 ，作者：不懂经也叔的Rust

一个人还在学习的现场，工作却已经可以绕过他完成。

在机器人手术室里，这件事有一个很具体的表现。主刀医生坐在控制台前，操纵病人身旁的四条机械臂。年轻的住院医师也在场，却可能只负责清除烟雾和积液，或者坐在另一台控制台前观看。

马特·贝恩是一位研究技术与工作的学者。他用两年多时间观察机器人手术和传统手术，注意到一个变化：传统手术往往需要两个人、四只手，年轻医生参与其中，也就有了练习的机会。机器人让专家可以独自操作，学徒成了可选项。

这里的“可选”，比“被替代”更值得深思。

年轻医生没有被赶出手术室。他仍然能看见操作，也仍然在接受培养的名义之下。但那双不够熟练的手，已经不再是完成眼前这台手术的必要条件。病人需要安全，主刀需要把手术做好，每一个理由都成立。至于一个后来者怎样变得熟练，那是另一个需要安排的问题了。

这是一个很残酷也很现实的问题，尤其是放在今天年轻人就业率的大背景下。

市场需要结果，却未必需要你的成长

如果把手术室的场景挪到今天使用AI的办公室，会怎么样？

假设你刚进入一家咨询公司，要为一个陌生行业写报告。你打开AI，几轮对话之后，桌面上多了一份结构完整、措辞成熟的文档，里面甚至替你列好了反方观点。这当然是一种进步，谁都不想把大半天耗在调整表格和寻找一个过期链接上。

你也可以认真读它，逐页检查，觉得每一段都有道理。真正的分歧藏在一个不起眼的地方：报告有了，那个能够写出报告的人，有没有一起出现？

试着想一个更具体的下午。两份资料对同一个市场给出的数字差了一倍。你先怀疑其中一份错了，回去查定义，才发现它们算的根本就不是同一批客户。你把原来准备写进开头的判断删掉，整份报告得换一个方向。

这个下午没有多少漂亮的产出，甚至还倒退了。可你开始知道，一个数字摆在眼前，先要问它把什么算了进去。

AI可以替你发现口径差异，也可以把它解释清楚。但如果你只领取修正后的结论，你就跳过了亲自发现错误、为自己的判断改道的那一段。成品看不出这段差别，交付时间却会忠实记录谁更快。

一项工作可以做得越来越好，同时越来越少地要求做这项工作的人有所成长。

我在以前谈去技能化的文章里，已经讨论过这种漂亮产出背后的空心，也写过新人失去训练机会的问题。现在要进一步追问的是，假如交付暂时不受影响，市场未来会为谁和什么样的能力付费？

英国一家汽车厂的经历，可能会给我们一点启示。

研究者通过访谈和厂内文件，回看了这家工厂转向精益生产前后的学徒经历。工会曾为学徒争取到训练室，里面有机器人和小型流水线，可以设置故障供他们练习。房间有了，熟练工却抽不出身来带教，训练所需的备件也短缺。

它闲置了数年。后来，在生产经理的要求下，熟练工把里面的设备拆用，维持车间的生产。

训练室终于派上了用场，但不是它原定的用途。

这件事，你很难说汽车厂“不重视人才”。工厂确实给过房间，也放进过设备。培养人的愿望曾经有一个真实的场所。只是当生产需要人手，需要零件，需要马上恢复运转时，那个场所里的东西都可以被取走。

一边是眼下必须交付的产品，一边是某个还没有学会的人。前者缺了一个零件，后果很快就能看见；后者少了一次练习，今天的生产记录未必会有任何异常。

如果每一次冲突都按眼前的交付裁决，学习就只能使用剩下的时间、剩下的人手，以及还没有被征用的设备。我们可以在墙上写人才是未来，然后让未来等当天的工作结束。

问题也就超过了培训预算。在有带教作用的工作中，完成任务和培养后来者，原本发生在同一个过程中。如今，我们必须单独为第二件事争取位置，并接受一个过去不必每次都回答的追问：为什么值得为它慢一点？

当一个系统已经不必等待你的成长，就能得到你成长以后才交得出的成果，它还为什么要等你？

年轻人失业飙升只是序幕，我们正在亲历“公司工作”的消亡

这是年轻人的第一次，和最后一次失业吗？

借来的聪明，算不算自己的本事？

在很多人看来，这个问题的答案很明显。然后，会认为保持独立思考很重要。这句话很容易说，但其实并不容易实现。你可以尽管独立思考，但报告还是下午五点交。

我们可以先看看，借来的聪明，对学习本身有什么影响和后果。

在土耳其一所高中，近千名学生参加了四轮数学学习实验。练习时，一组可以使用普通聊天式AI，一组使用专门设计的AI辅导系统，还有一组使用课本和笔记，不用AI。每轮练习之后，所有学生都要独立参加测试，不能使用课本、笔记或AI。

普通聊天组练习时表现更好，独立测试成绩却比对照组低约17%，这是相对差幅。这项研究发表于《美国国家科学院院刊》，测量的是这几轮课程中的短期学习效果。

这个效果并不难理解。你读完一道题的解答，看到下一行，点点头，认为当然应该这样解答。然后把下一行盖住，纸还在，题目也没有变，你却不知道从哪里接上。刚才的顺畅有一部分属于那份解答，你借用了一会儿，把它算在了自己头上。

同一实验里的辅导组，提供了另一种安排。系统接入教师准备的解法与常见错误提示，要求引导学生尝试，避免直接给出完整答案。这组学生在练习时表现同样提高，独立测试时与对照组的差异也不明显。

这组学生的重要性，在于他们没有被要求学习时不用AI。ai在，借来的聪明仍在，但是需要他们完成的那部分成长也被留了下来。

现在很多人谈轮判断力，往往忽略了一个前提：一个人本来会多少，决定了他面对AI的答案时能看出多少。但对从学习第一天就面对AI的后来者、年轻人，我们还得回答另一半：他怎样获得最初那点本事？而不是让有过旧时代训练的人，拿着经验当门票，告诉新人，你来晚了。

把答案暂时留住，让人先试一试，再给恰当的帮助，是一种值得争取的安排。这里的“试”不必被写成苦行。基础薄弱的人需要讲解，卡住的人需要线索；让一个人茫然坐上三小时，跟让他想通一道题，是两件不同的事。

我觉得有意义的是，让一个人能发现自己错在哪里，并有机会把它改过来的过程。哪怕只有一小段，也要有真正属于他的判断，不能从头到尾都只是在确认别人已经做好的选择。

这种安排有时会显得多此一举。既然系统知道答案，为什么还问？既然一键就能完成，为什么还要留下一块空白？

因为此刻要发生的事情，包括让一个原本不会的人逐渐学会。对完成任务来说可以省掉的步骤，对这个人可能就是任务本身。

一份报告送到客户手上，这项工作的价值已经实现了一部分。同一份报告也可能改变写它的人，让他下次遇见相似问题时，知道多问一句。两份收获可以同时出现，但它们从来都不完全相同。当工具替我们保住第一份，我们不能默认第二份也已经到账。

战略性无知：真正有判断力的人，已经不看信息了

判断力的无产阶级：AI时代的认知分层已经开始了

我们制造一切，唯独不造就人

说到这里，我们暂时把电脑放下，去看一块石头。

十九世纪的英国评论家约翰·罗斯金，在《威尼斯之石》里讨论过哥特式建筑。他关心建筑是否美，也关心参与建造的人被允许做什么。在他那里，一块雕刻的石头还留着另一份记录：工匠有没有被允许思考。

他的例子具体到了手上的动作。一个人按给定的线条切削，沿着弧线雕刻，可以熟练又准确。然后，你请他想一想，这个图案能不能有更好的做法。变化发生了：他停下来，动作迟疑了，很可能第一下就犯错。

只看加工速度，这个人退步了。罗斯金却把开始自行思考的这一刻看得更重。他愿意接受做工里的不完美，因为在那份不完美里，工匠开始有了自己的主意。

在“哥特式的本质”这一章里，他把问题从建筑带到了工业分工，写下这样一句话：“我们制造一切，唯独不造就人。”

这句话很容易让人误以为他只是在抱怨工厂无情。但它还有一个更难回避的追问：我们评价一种生产方式时，究竟把什么算作了成果？

产品做出来了，成本降下来了，旁边那个参与生产的人，变成了什么样？他比昨天多理解了一点，还是只学会了更加准确地服从？他有机会提出一种自己的做法，还是最好不要有自己的想法？

把人的变化也算进去，同一条生产线就会得到另一份评价。

今天，类似的追问可以落在一段文字上。假如AI给我一段无可挑剔的表达，句子通顺，论据齐全，甚至比我自己写的更能说服读者，我当然得承认这段文字的价值。我经营内容，也使用AI，没有理由假装自己不想要这样的帮助。

可写作有时还在做另一件事。你以为自己已经想清楚，写到一半，才发现一个“所以”接不上去。前一句说的是成本，后一句却已经跳到了人的尊严，中间缺了什么，你此前根本没有意识到。删掉它，重写，文章迟迟没有完成，但你对这个问题的理解却变了。

如果你直接收下那个完整段落，这次发现就可能不再发生。作品提前完成了，但你的思考和认知还停在动笔之前。

这也是我在“战略性无知”中说的事：把注意力从不断涌来的现成内容中收回来，给自己的判断留下一点空间。现在，连那片空间里原本要做的工作，也有了可以代劳的服务。

方便本身没有什么可羞耻的。难的是承认，同一个工具给我作品，也可能让我更少经历形成作品的过程。而我有充分的理由配合它：我想早点交稿，想少受一点挫败，也想看起来始终像一个有判断的人。

我愿意让工具指出漏洞，也愿意让它帮我把话说清楚。但在自己真正关心的地方，我还想知道这一回为什么改了主意，哪一条理由说服了我。留下这点麻烦，不保证文章受欢迎，我也不打算把它当成一项赚钱技巧。

阶层的向上流动，正在AI时代走向终结

未来的特权是拥有退出的能力，出口分化将比贫富差距更关键

你的价值，不能只剩下市场价格

说到底，市场会给怎样的能力付钱，是另一个问题。

我在以前的文章中讨论过，ai时代重要的是拥有定价权，其中写过能力和市场报价之间的距离。能做出某种东西，不等于你能决定它卖多少钱。现在还要把这条线再往里划一道：一种能力的价格下降，并不能直接回答，它对拥有这个能力的人是否仍然重要。

比如，分辨一段话是否在偷换概念。未必有人会单独为这个本事给你加薪，但你仍然需要用它读一份承诺、听一场动员，决定把信任交给谁。别人能够提供一个结论，与自己能够判断为什么接受它，对你的生活有不同的意义。

如果我们只能用“将来更有用”来替学习辩护，培养人就始终是一笔等待回报的投资。一旦工具可以更便宜地交付同样的结果，这笔投资就得重新接受审查。

人还没有来得及学会，培养他的理由先失效了。

我们当然需要放下一些技能。没人有义务为了证明自己是人，把所有被机器接走的活儿重新做一遍。我不打算守护某一套旧工序。我要保留的是：面对与自己有关的事情，一个人还有机会形成理解，提出不同的理由，作出愿意负责的选择。学会这些，需要的练习可以变化，培养这些能力的理由，不能只是比使用机器更划算。

市场可以不再为某种能力付钱，你却未必承受得起失去它。

这也让我对“省下时间以后，你就可以做更重要的事”多了一点怀疑。什么是更重要的事，谁替你决定？如果一个人还没有多少独立判断的经验，把更多空闲交到他手里，独立就会自动发生吗？我们不能在前面省略形成判断的过程，再在后面把“自主选择”当作免费的赠品。

也不能要求新人仅凭自律解决这个问题。一个主管说，你可以自己练，可所有练习都得放到下班以后，那只是把培养人的成本交给了最缺经验、也未必最有余力的人。一个组织若真把成长列为目标，就需要允许某些时刻的产出不那么好看，允许有经验的人暂停交付，解释一个本来自己动手就能解决的问题。

这会花时间，也可能花钱。没有一种漂亮的措辞能把成本抹掉。

我愿意承认它，是因为我不想把人的成长只保存成一种应急预案：机器出错了，你得能接管；系统宕机了，你得派上用场。如果机器以后越来越可靠，我们难道就越来越没有理由培养自己？

一个人有能力理解正在发生的事情，能够对一份现成安排提出异议，这本身就值得花一些时间。即使那份安排运行顺畅，即使他的异议让事情暂时变慢。工具可以把某个选择的后果解释给他，却不该因为已经解释完，就视同他完成了自己的理解。

我想象以后会有这样的时刻：一个年轻人面对着已经生成的答案，试着说，先别告诉我，让我自己想一会儿。从交付的角度看，这句话几乎没有必要。答案就在那里，为什么还要等？

所以，要问的是，我们愿不愿意把这段时间给他，即使他想出来的答案，还没有机器的好？【懂】