AI时代的「经验外包」——冯远征说AI角色「没有呼吸」,你们的判断力也一样
冯远征在一场访谈里评价 AI 短剧:角色长相完美,但看完就忘,「因为角色没有呼吸」。
这句话被当成文艺评论转发了几千次。我觉得它其实是一句管理诊断。
「没有呼吸」翻译成组织语言就是:没有过程、没有代价、没有失误。而恰恰是这三样东西,构成了人身上的那口气。
一、完美的产出,为什么留不下记忆
先看 AI 短剧为什么「完美却忘得快」。
一个真人演员的脸,是几十年吃喝、熬夜、摔跤、哭泣堆出来的。他皱眉时那一丝不对称的僵硬,是他自己的历史。观众记住的不是标准化的美,是那些藏不住的偏差。
AI 生成的脸是均值。均值意味着「没有错误」,也意味着「没有来源」。没有来源的东西,进不了人的记忆系统。
老邓的判断:人对「怎么做出来的」的记忆,往往比对「做出来什么」的记忆更持久。过程是记忆的锚点。
组织里完全一样。你记得住那个通宵改完方案、第二天被打回重做的同事,记不住一份「一次性通过、毫无问题」的报告。偏差、代价、返工,这些才是人和人之间建立信任的材料。
二、正在发生的事:判断力的经验层被外包了
再看另一头。AI 在组织里最受欢迎的用法是什么?
不是写文案,不是做表格,而是「你觉得这个方案怎么样」「这种情况该怎么处理」「这个数据说明什么」。
这些问题的共同点是:它们过去是培养判断力的练习题。
一个中层的能力是怎么长出来的?不是听课长出来的,是在无数次「信息不全、时间不够、后果不明」的场合下,被逼着拍板,然后承担后果,然后回头看是对是错——来回几百次,才有了直觉。
现在这个过程正在被跳过。
第一层被外包:判断的动作
以前要自己权衡,现在先问AI。动作被替代,练习次数立刻下降。一年下来,本来该积累 300 次判断经验的人,可能只积累了 30 次。
第二层被外包:判断的结果
更隐蔽。如果 AI 的判断对了,功劳是工具的;错了,责任还是你的。员工从此学到的不是判断,是「尽量不要承担责任」。
第三层被外包:失误的代价
这是最致命的一层。AI 让错误变便宜了——试错成本趋近于零,听起来是好事。但代价是能力养成的原料没了。
📌 一个可以马上验证的判断:回想你团队里这一年进步最快的人,他是不是恰好被扔进了最难、最没人帮、没人给答案的位置?
📌 如果是,说明你们的能力增长,其实来自「没有AI帮忙的那些场合」,而不是培训。
三、这不是反对AI,是反对只用AI
说清楚:我天天用 AI,我不认为应该把 AI 挡在门外。
问题在于用法。AI 有两种用法,一种长能力,一种废能力。
废能力的用法:拿结论
「这个方案行不行?」→ 拿到一个「可行/不可行」。你得到答案,失去练习。重复一千次,你还是那个不会判断的人,只是更自信了。
长能力的用法:拿对手
「先写下我自己的判断和理由」→ 再看 AI 怎么说 → 找出分歧点 → 判断谁对,为什么。
这个用法下,AI 变成了一个永远有耐心、永远有不同意见的陪练。判断次数没减少,反而增加了,因为你现在每一题都要做两次判断。
同样的工具,一种是替你思考,一种是陪你思考。区别只在一个动作:你先说,还是它先说。
四、给组织的一个硬规则
如果你想让团队在 AI 时代还留住判断力,我建议加一条硬规则:
凡是「要不要、行不行、怎么办」这类判断题,必须先写自己的结论,再看 AI 的意见。
这条规则看起来反效率,但它保住了三样东西:
- 练习次数——每道题你都得自己先拍一次
- 责任归属——你的结论是你的,AI 只是参考
- 分歧的价值——你和 AI 意见不同的地方,就是最值得复盘的地方
再加一条更狠的:新人前三个月,判断题不许用 AI。
不是惩罚,是打地基。地基没打好的人,后面用 AI 只会更快地问出更浅的问题。
冯远征那句「没有呼吸」,说的是演员。
但放在公司里,它问的是一个更尖锐的问题:
如果你们所有的判断都是AI给的,那么这家公司的「呼吸」在哪里?
答案是:在你亲手做过的那些错误判断里。去掉失败的过程,你会得到一个完美的组织,和一个没有记忆的组织。
读完别急着划走。这篇文章有两个配套工具,五分钟能拿到结论:
🧠 做认知测评(5题) 📋 领行动手册