AI时代的「思考外包」——菲尔兹奖得主说别给AI当狗,而你的员工早就交出了脑子
知乎上今天有个问题热度很高:菲尔兹奖得主邓煜称「人类不能放弃自主思考给AI当狗」,如何看待这一观点?
同一个榜单上还有另一条:OpenAI 宣布升级反蒸馏防御,隐藏推理提取成功率从 54% 降到 0.2%。
这两条热搜放在一起看,特别有意思。
一条在讲"人不要放弃思考",一条在讲"模型不许被偷走思考过程"。两家都在守同一件东西——推理的路径。一家把它藏起来不让别人偷,一家在提醒你别自己扔掉。
而大部分公司在做的事,恰好相反:拼命让员工把推理路径交出去。
一、先别急着反驳"给AI当狗"这个说法
"当狗"这个措辞很冲,容易被当成精英的傲慢。但把情绪剥掉,他说的其实是一件很朴素的事:
思考的过程,本身就是能力的来源。你跳过过程直接拿结果,短期效率涨了,长期能力降了。
这不是道德判断,是机制判断。就跟健身一样——你可以找人替你举铁,然后你不会有肌肉。这不需要论证。
问题在于,公司是唯一一个会系统性奖励"跳过过程"的组织。因为公司只看结果。你一周做20个方案,别人一周做5个,你的绩效就是更好。没人管那20个方案是怎么来的。
所以"思考外包"这件事,不需要谁去推动,它会自己发生。它会伪装成效率,伪装成勤奋,伪装成"执行力强"。
二、我见过最典型的一幕
去年我在一家消费品公司做工作坊。中场休息时,一位市场部主管跟我聊他们刚上的AI工具。
她说,现在做一场活动的策划案,从三天变成三个小时。我说,那挺好,你是不是可以多做几场。
她愣了一下,说:"不是。是我现在一个季度要做以前六倍的活动。"
我又问,那这些活动的效果怎么样?
她说了一句让我至今记得的话:"我不知道。以前我会想三天,想清楚这场活动到底要打动谁。现在我没时间想,我只是把提示词写得更好一点。"
这就是"思考外包"的真实样貌。它不残酷,它甚至很体贴——它替你省下了最难的那部分工作,也就是想清楚。然后它用"多做点"把空出来的时间填满。
老邓的判断:AI时代最贵的不是算力,是"想清楚"的那三天。而大部分组织正在用AI,把那三天优化掉了。
三、思考外包有三个阶段,大部分公司卡在第二阶段
我把这个过程拆成三个阶段,你可以对照一下自己在哪个位置。
第一阶段:AI替你写
你还有想法,只是让AI帮你表达。这是最安全的用法。判断力在你手上,AI只是笔。
第二阶段:AI替你想
你给一个模糊的要求,AI给你三个方案,你选一个。注意,这时候"选"看起来还是一种判断,但其实你已经不知道另外两个为什么被排除了。你以为你在做决策,其实你在做筛选。
这是最危险的位置,因为它的手感跟第一阶段一模一样,你不会察觉自己已经退了一步。
第三阶段:AI替你定义问题
你连"要解决什么"都问AI。到这一步,你在组织里的功能就只剩下一个:点按钮。
我见过最荒诞的例子,是一家公司让AI写"如何提升团队执行力"的方案,然后把AI给的方案直接下发执行,包括方案里那条"每周开一次一对一沟通会"——而那家公司一共12个人,老板就坐在开放办公区中间。
方案没错,但方案不知道你公司长什么样。而唯一知道的人,把"知道"这件事外包了。
四、为什么这件事在组织层面是致命的
个体的能力退化,是个人的事。但如果整层组织都在第二阶段,会有三个后果,一个比一个严重。
后果一:组织失去了"发现AI错了"的能力。
这个月知乎上还有个热帖:陶哲轩说数学正在变成F1赛车,不进AI车队都看不到后尾灯。听着像在夸AI。但真正的问题是——如果全队都看不到后尾灯,谁来判断车有没有开错方向?
AI出错的方式,从来不是给一个明显荒谬的答案。它给一个非常合理的、漂亮的、有结构的、只错了一个前提的答案。而能发现那个前提错了的人,只有那些自己想过一遍的人。
后果二:你的组织会越来越像别人的组织。
大家用的是同几个模型,问的是同几类问题,得到的是同一批答案。你的方案会变得跟竞争对手越来越像,因为你们用的是同一个大脑。差异化的最后一块阵地,是那个模型不知道的、你现场独有的判断。如果你不生产它,你就没有差异化。
后果三:培训变成了一场表演。
这是我最有感触的一点。很多公司现在做AI培训,教的是"提示词怎么写"。这不是培训,这是操作说明。真正该培训的,是怎么在AI给出答案之后,还能问出第四个问题。
一个可以自测的数字:
翻一下你团队过去一个月的方案,看有多少份的"结构"是一样的。
如果超过一半,说明你的团队已经不太在思考了,只是在填充。
五、那到底该怎么办?不是禁用AI
先说清楚:我不同意"少用AI"。这是懒人答案。AI的效率红利是真的,你不用,别人用,你先死。
要做的是在流程里给"想清楚"留一个不可外包的卡口。我给三个具体做法,都能这周落地。
做法一:先写"我的版本",再看AI的版本
这条最反直觉,也最有效。项目启动时,要求负责人先用30分钟,手写(或者语音转文字,但不许用AI)写下自己对这个问题的判断:我认为问题是什么,我认为该怎么解,我认为最大的风险是什么。
写完之后,再打开AI。这时候AI的作用变了——从"给你答案"变成"给你对照"。你会发现自己的判断哪里薄,哪里跟AI不一样,而不一样的那部分,恰恰是你最值钱的地方。
一家做工业设备的公司试过这个做法。半年后他们发现,方案的一次通过率从四成涨到七成。原因很简单:想清楚了再写,返工就少了。
做法二:在评审里加一条"这条是怎么来的"
评审一个方案时,除了问"这个结论对不对",必须问一句:"这个结论是基于什么推出来的?"
如果回答是"AI说的",那就不是一个可以进入执行的方案。不是因为它一定错,是因为没人能对它负责。
责任这东西有个特点:它只能落在"能解释"的人身上。你不能把责任外包给一个你不能传唤的对象。
做法三:把"提问质量"变成一个可看的指标
考核里加一项:这个季度,你提出过多少个改变了项目方向的问题?
这个指标很粗,但它有个巨大的好处:它奖励的是过程,而不是产量。而过程,恰恰是唯一不能被外包的东西。
六、最后一句
邓煜那句话,被很多人当成对AI的敌意。我觉得不是。
他说的其实是所有权:你可以用最好的工具,但思考的所有权得留在自己手里。就像你不会因为有了计算器,就放弃理解什么是乘法。
放到组织里,这个问题更直白:
你的团队,现在是在用AI放大判断力,还是在用AI替代判断力?
这两个动作,从外面看一模一样——都在用AI,都在提效。但一年之后,一个是更强的组织,一个是不需要判断的组织。
第二个听起来很省事。只是到了需要判断的那一天,你会发现,没人了。