# AI 让我们变强，还是只是让我们产出更多？

这两年 AI 工具跳得太快，快到几乎每几个月都要重新校准一次对它的期待。ChatGPT 还没聊够，Manus、Claude Code、Codex 又一个个把手伸进了本地文件、浏览器、命令行，能接的活越来越野。

前两天有个不写代码的朋友，跟大模型聊了一下午，回头甩给我一个能跑的落地页。他自己都乐了——过去这种事得找前端排期两周。互联网上"超级个体"的说法这几年一直在传，最近的版本听起来最像真的。

我不否认这种感觉。有些以前够不到的事情，现在真的可以试一试；有些之前得找人问的问题，也可以顺着自己想到的方向一路追下去。

但我一直有个疙瘩没消化掉：做得出更多东西，跟"人变强了"，是不是一件事。

我们现在拿来证明"超级个体"存在的东西——网页、PPT、代码、Demo、几十页的行业报告——比过去多了，也比过去漂亮了。可它们究竟解决了什么问题，有没有人在用，过俩月还能不能跑，很少有人接着追问。

## 屏幕上有东西，人就容易觉得自己厉害

AI 干得最直接的一件事，是把"搞出个成品"的成本打下来了。屏幕上突然出现一个结构完整、看着还挺唬人的东西，即时反馈太强，人很难不把那份复杂度记在自己头上。

这份体验没造假。人加 AI 临时搭起来这套东西，产出能力确实是提高了。要分清的是从这个事实里能推出什么。

一个之前不会写网页的人，现在借助 AI 做出了个能用的页面——完成"这一次任务"的能力提高了，这没问题。但接着往下推"他已经理解了前端"、"他懂产品设计了"，就跳步了。一切顺的时候看不出差别；等接口改了字段、部署的机器磁盘满了、或者用户开始抱怨移动端加载慢——这时候他能不能自己判断问题出在哪，才能看出这份"变强"的边界在哪。

PPT、数据分析、Demo 也是一样。一份 PPT 真的推动过一次决策、一次数据分析真的把某个业务线的坑挖出来了，都是实打实的价值。问题只有一个：它有没有真的进入过那个"用一下、被反馈、被留下或者被否决"的循环。

反过来，一个本来就不该做的东西，AI 把它做得又快又漂亮，它也还是不该做。以前动手前多少还会掂量一下"这份东西有没有人看啊"，掂量完可能就搁下了。现在这一步被跳过了。一份看起来密不透风、图表精美、结论有力的战略分析，成本已经低到"顺手就出一份"——于是大家都开始出。

## 中间那两步，不是自动发生的

关于 AI 提效的讨论，经常把三层东西混在一起讲。

一层是**做得出来了**：过去搞不定的东西，现在能生成。二层是**这事儿是对的**：这个东西被拿去用了，起了作用。三层，才是**人自己长了本事**——这一趟走完，下次遇上一个变了形的问题，他知道从哪儿下手。

网上的展示，绝大多数只证明了第一层。少数人补上了用户反馈或者复盘，能证到第二层。第三层几乎不可能靠一段录屏和几张截图证明，得等下一个不一样的场景出现，才看得出来。

这不是说"外部能力"不算数。我们用搜索、用计算器、用 IDE 的时候，从来没要求过每一样东西都得内化到脑子里。一个人没必要把整个工具链都吞下去，才有资格用它解决问题。

判断这套"人机系统"靠不靠得住，看的是他能不能 hold 住这套系统：知道自己要干嘛，知道结果可能在哪里翻车，也知道什么时候可以放心用，什么时候得停下来重新看一眼。模型换了、需求拐弯了、任务进到一个陌生的领域，这个人如果整个失焦——那份增强还在，只是范围比自己以为的窄很多。

## 学着玩、玩着学，本来就不该被 KPI 审判

讲到这，很容易滑到另一个极端上去：好像 AI 只有能变现、能省工时、能拉指标才算数。

我不认可这个。

因为好奇让 AI 讲讲量子力学的双缝实验；用一个下午做个自娱自乐的小游戏，看看代码怎么按自己脑子里的想法跑起来；没学过设计的人生成一张图，配上一段自己写的音乐——这些事哪怕永远进不了任何"生产系统"，也已经是有价值的。学习的乐趣、探索的自由，跟做完一个东西的那种满足，本来就是生活的一部分。

关键是别偷换概念。个人在书房里觉得自己"打开了新世界"，跟一个团队在真实业务里把 AI 用出效率，是两码事。前者本人拍板就算，后者得让结果替你说话。

## 局部快了，堵点常常挪到了别处

真实工作里，产物基本只是中间产物。方案写完了要有人拍板；数据报告得建立在靠得住的数据和对得上的口径上；代码要过测试、要部署、要保证半年后别人接手还改得动；Demo 还得面对活人用户。

AI 把其中某一个环节的速度拉起来了，整条链子未必就快了。

如果一个团队真正卡的地方是"目标本来就说不清"、"数据每张表口径都不一样"、"跨部门没人愿意签字"——那么再多产物只会堆在这些堵点前面。当事人自己感觉飞起来了，团队却要花更多时间来读、来判断、来返工。

有些活甚至会因为"生成太便宜"而爆炸性膨胀。原本因为成本高、大家默契地不做的东西——比如"给每个项目每周出一份进度报告"——现在轻松就能出，于是每个人都开始出，最后所有人都在读别人的报告。

这也是我对"超级个体"这个词最犹豫的地方。它算的是一个人能生成多少东西，没算这些东西给别人增加了多少理解、验证、协作、维护的成本。局部提速肉眼可见，整个系统的有效产出有没有跟着涨，得放到一个更长的窗口里才看得清。

AI 用到生产端，评价的口径必须比"做出来了没"再往后走一步：这事儿值不值得做、做出来的东西对不对、有没有让某个人的行动变了、这套办法下次还能不能用、当事人有没有在过程中攒下点新东西。这些问题都没答案的时候，所谓提效很可能只是产量增长。

## 杠杆更长了，支点还得自己找

回到最上面那个问题——AI 有没有让人变得更强？

我的答案是：有，但比"人人都能变超级个体"这种说法要复杂，也更挑条件。

在个人生活里，AI 把接近知识、探索兴趣、动手做点东西的门槛都拉下来了。光是让更多人愿意去问一个自己以前不好意思问的问题，已经很好。在具体任务里，一个人也确实能顶住过去要几个人才能完成的活。但一旦话头往"生产能力提高了"上走，就得能拿出证据：这个人解决的问题值钱、结果经得起看、方法能重复、东西放到真实环境里不塌。

AI 递到我们手里的杠杆比以前长很多。它能放大专业判断、好奇心、行动力，同样也能放大错误的目标、伪装成需求的自我满足，还有那种"看着挺忙"的假产出。

工具越强，会不会用工具反而不是最要紧的。要紧的是把它用在什么问题上，以及在它给出结果之后，还有没有能力判断那个结果值不值得信。

我不担心大家从 AI 里得到快乐，也不觉得每次使用都得换算成生产力。真正得警惕的是，把产出的丰盛误认成能力的普遍提升，再把个人的一次顺利，直接推成一个组织的效率革命。

哪怕一个人真的因为 AI 变强了，后面还有一个更难的问题在等着：**这份增强，能复制给一群人吗？**