# AI让我们变强，还是只是让我们产出更多？

最初关于AI是否有用的争论已经过去了。现在大家更容易惊叹于它的创造力。社交网络上的推论很直接：AI既然已经能在不少任务里写出看起来比人更好的代码，理论上似乎就可以做到几乎一切。工具也以惊人的速度迭代。从主要负责回答问题的Chatbot，到Manus这样的通用Agent，再到OpenClaw、Claude Desktop和Codex不断把AI接入文件、代码和更复杂的任务环境，AI可以调用的工具越来越多。以前还需要找设计师、程序员或者数据分析师才能完成的事情，现在只需要对着模型说几句话，然后转身打个咖啡回来，结果可能就摆在眼前了。

这种体验很容易让人兴奋（尤其是老板们），甚至会产生一种“不劳而获”的快乐。不会写代码的人做出了看起来很专业的网站，记不住Excel公式的人上传表格后拿到了图文并茂的报告，每个人都开始暗暗比拼周报邮件的丰富、精美和富有洞察力的点睛总结。于是大家开始谈论“超级个体”，仿佛只要选对模型、学会几种“宝藏”提示方法，每个人都可以迅速获得一个小团队的能力。

我也曾经一度为此沉迷过。AI的能力足够强，很多过去够不到的事情，现在都可以尝试；很多原来需要反复请教别人的知识，也可以沿着自己的问题不断追问。AI带来的自由感和探索欲，都是让人沉醉其中的重要源泉。

但我越来越怀疑，“能够做出更多东西”和“人变得更强”是不是同一件事。我们今天用来证明超级个体的证据，包括一部分代码在内，大多是网页、PPT和数据报告等“类demo形态”。这些产物确实比过去多了，也更漂亮了，可证据常常停在展示的那一刻。后续是否有人使用，过一段时间还能否运行，往往被有意无意地隐藏在大众对于AI的焦虑和狂热之下。

## “做出东西”制造出“我变强了”的感觉

AI最直接的冲击，是把产物生成的门槛降了下来。一个结构完整、视觉效果不错的东西出现在屏幕上，会给人非常强烈的即时反馈。过去需要掌握多种工具、协调几种角色才能完成的工作，现在由一个人发起，也由这个人亲手交付，他很自然地会把产物的复杂程度投射到自己身上，认为自己已经获得了与之对应的能力。

这种体验我们都很熟悉：人和AI组成一个临时系统，AI负责生成，人获得产物。系统的产出能力提高了，不等于人的能力按同样幅度提高。

如果一个人以前不会做网页，现在借助AI做出了能用的网页，那么他完成这项任务的能力当然提高了。但这还不能说明他已经理解产品设计，也不代表他能处理部署维护和用户需求。需求一变，数据或程序出现异常，他在判断和修复上的表现，才说明这份增强有多大，又依赖哪些条件。

PPT和数据分析也一样。它们当然可能有用。一份PPT如果推动了重要决策，一次数据分析如果找到了此前没有发现的问题，都产生了价值。问题从来不在产物的形式，而在它是否进入一个价值闭环：改变认识，促成行动，减少风险，或者验证一个原本无法确认的判断。

反过来，如果一个任务本来就不重要，AI把它做得更快更漂亮并不会让它变得重要。更麻烦的是，成本下降以后，我们往往会做出更多这样的东西。帕金森琐碎定理提醒我们，人们总愿意把时间花在无关紧要的琐事上。AI同时降低了有价值产物和无意义产物的成本，也就更容易被这些琐事占用，再反过来给我们提供充足的情绪价值。

## 产物和能力之间还有很长的距离

回过头来看关于AI提效的讨论，可以把它分为三层。第一层是产物增强：过去做不出来的东西，现在可以生成出来。第二层是任务增强：产物经过验证，解决了一个具体问题。第三层才是人的能力增长：使用者在这个过程中形成了新的判断、方法和经验，以后面对变化的场景，仍然知道怎样定义问题、检查结果和处理例外。

按照这个分层模型，X和小红书的绝大部分相关帖子最多只证明了第一层。只有少数案例能看出特定场景下的任务效果，而且案例的作者大多还是程序员、内容创作者和硬核技术爱好者，很难据此判断更广泛的人群也能获得同样效果。

当然，这并不意味着通过AI获得的“外部能力”没有价值。我们使用搜索引擎、计算器和各种软件时，也没有要求每一种能力都必须内化到大脑里。一个人没有必要亲自掌握整个工具链，才有资格使用它解决问题。这套外部能力的边界，取决于使用者能否控制人机系统。他需要自己定义目标，也要对结果保留判断权；一旦任务超出他的判断范围，就只能停下来重新检查。

如果模型换了、需求变了或者任务进入陌生领域，使用者就完全失去判断能力，那么这份增强仍然存在，只是范围比想象中窄得多。它更接近一次有条件的任务成功，还没有变成可以稳定迁移的个人能力。区分这两者，是为了准确判断能力的范围，避免因为一次顺利的结果高估自己。

## 通过AI学习和探索本身也很有意义

讨论到这里，也很容易走向另一个极端：仿佛只有能带来收入、节省工时或者改善业务指标的AI使用才有意义。我并不认同这种看法。

因为好奇而让AI解释量子力学或一段陌生代码，试着做个小游戏，看看程序怎样按照自己的想法运行，这些事情即使没有进入生产系统，也已经产生了价值。学习的乐趣、探索的自由和完成作品的满足感，本来就是生活的一部分。

如果目标就是学习和体验，demo已经够了，产物不必长期有用。只要这个过程让人获得了知识、快乐或者更强的行动意愿，就没有必要再替它编造一套商业回报。

问题出在评价口径被悄悄替换的时候。我们先展示一个普通人借助AI获得的惊喜和成就感，随后便宣称这是生产力革命，甚至推导出“一个人已经可以替代一个团队”。个人体验当然可以由本人确认，生产效率却需要由结果来验证。一个demo有价值，不等于这个价值可以轻易变成可复制的生产力提升，尤其是它可能只是在满足个人的愉悦感，或者给琐碎问题制造成就感。

## 局部生产效率通常不是系统的瓶颈

在生产端，产物通常只是一个巨大链条的中间环节。一个方案写出来以后要有人决策并承担结果，数据报告要建立在可信的数据和正确的口径上，代码要经过测试、部署和长期维护。AI可能大幅提高其中某个环节的速度，却不必然提高整个系统的效率。

如果团队连目标和决策责任都没有解决，或者基础数据与协作方式本身混乱，再多的产物也只会堆积在瓶颈前面。个人感觉自己做得越来越快，团队却要花更多时间阅读、判断和返工。有些工作甚至会因为生成太容易而不断膨胀：原来成本很高、很少有人愿意做的报告，现在随手就能生成，于是每个人都开始生产报告，最后所有人都要花时间阅读更多报告。

这也是我对“超级个体”叙事最怀疑的地方。它往往只计算一个人能生成多少东西，没有计算这些东西给其他人增加了多少吸收和维护成本。局部环节的速度提高很容易观察，整个系统是否获得了更多有效结果却常被忽视。如果目标方向和基础数据本身就错了，产物堆积带来的多半是负面作用。

因此，评价生产端的AI不能停在“做出了什么”。一次结果经过验证还不够，它要在相似条件下再次成立。使用者从中形成的判断和方法，则决定这次成功能否转化为个人能力。

## AI产出更多不完全代表能力更强

回到最初的问题，AI究竟有没有让人变得更强？我的答案是：有，但这种增强比“人人都能成为超级个体”的说法更复杂，也更有条件。

在个人生活里，AI让知识更容易接近，让创造和探索的成本大幅下降。仅仅帮助更多人满足好奇心，尝试过去不敢尝试的事情，就已经很有价值。在具体任务里，AI也能让一个人完成过去需要多人协作的工作。但如果我们进一步声称生产能力提高了，证据就不能只是一份临时产物，而应该是经过验证、可以重复的生产结果。

AI把远比过去更长的杠杆交给了更多人。它会把一个人原有的判断和行动放大；方向错了，杠杆也会放大浪费和自我满足。工具越来越强以后，差异不只在于会不会使用工具，更在于一个人选择了什么问题，以及能否判断产生的结果。

所以，我并不担心人们从AI中获得太多快乐，也不认为每一次使用都必须换算成生产效率。需要警惕的是，我们把产出的繁荣误认为能力的普遍增长。这个区分也带来了一个产品问题：当AI提供的仍然是有条件的外部能力，普通用户究竟应该直接维护一套通用Agent，还是使用已经把复杂性收进产品内部的AI服务？