AI时代的"评价通缩"——当AI每秒产出一个方案，"这个好不好"正在变成最贵的判断
上个月我给一家设计公司做顾问。他们的设计总监给我看了组数据，让我沉默了整整一分钟。
2026年Q1，他们全面铺开AI设计工具。设计师每天产出的方案数量从平均2套暴涨到了8套——翻了4倍。但方案"通过率"（即客户或主管一次确认通过的比率）从60%跌到了18%。
更扎心的是：团队花了更多时间做方案，但花在"判断哪个方案好"这件事上的时间，几乎没变。
产出暴增，但判断力没有同步增长。这就是AI时代的"评价通缩"。
核心判断：生产的瓶颈消失了，评价的瓶颈暴露了
工业革命解决的是"怎么做"的问题——让制造又快又便宜。AI革命解决的是"做出什么"的问题——让方案产出又快又多。但有一个环节一直被忽略："这个好不好"——判断环节。
以前，判断力不稀缺。因为产出有限，管理者自然有时间去判断。但现在AI把产出拉到了人力判断的10倍、100倍——你不是在判断，你是在"海选"。
我称之为"评价通缩"——当产出端疯狂通胀（AI把产出成本降到几乎为零），评价端反而通缩了（判断力没有增加，甚至因为疲劳而下降）。
过去三年，AI让内容生产的边际成本下降了90%以上。但你知道什么成本没降吗？"看一遍"的成本。
一个人读一页方案的成本——不管这个方案是手写的还是AI秒出的——都是3-5分钟。这个"看一遍"的基础成本，在过去10年里没有一丝一毫的下降。AI帮不了你。
数据警示：评价疲劳正在摧毁判断质量
2025年斯坦福的一项研究追踪了500名产品经理日常的"决策量"。结果很有意思：
- 使用AI辅助后，产品经理每天需要做出的"判断型决策"从平均12次增加到47次
- 但决策准确率（事后验证）从71%降到了54%
- 当天第40个之后的决策，准确率只有33%——跟抛硬币差不多
不是他们变笨了。是判断也是肌肉，会疲劳的。
我见过更极端的案例。一家电商公司用AI生成营销文案，每天给市场部推送30条。市场部经理说："我每天点开前三篇看了一遍就批了，后面的...实在没精力看。"
然后呢？一篇AI生成的文案把产品名称写错了，推送出去。损失几十万。
不是AI的问题。是你的评价系统跟不上AI的生产系统。
三条正在断裂的"评价链"
第一条：从"精挑细选"到"批量过水"
以前一个方案出来，你是评审的心态——仔细看、认真对比、给出修改意见。现在十几个方案同时摆在面前，你先用脚一划，感觉"这个还行"就过了。不是不想认真，是实在没那个精力。
筛选的刚性约束不是AI能突破的——人的注意力是有限的，而且不会因为工具升级而增加。
第二条：评价标准被AI"牵着走"
AI产出的方案，天然符合"一般好"的标准——排版整齐、语法正确、逻辑自洽。但"一般好"不等于"特别好"。当你一口气看了8个"一般好"的方案，大脑会麻木——觉得都差不多，随便选一个。
AI拉高了平均线，但降低了异常值出现的概率。而真正有价值的，往往是那个"不正常"的方案。
第三条："评价者"本身在被去技能化
这一点很少有人提。以前做设计总监的人，自己也是设计师。他们在长期的设计实践中磨炼了对"好设计"的感觉。但现在的新晋管理者，很多人90%的时间在看AI产出的东西，自己根本没时间动手做。
判断力和肌肉一样——练才能保持。长期只看不做的评价者，判断力一定会退化。
我见过一个做了三年AI辅助设计管理的人，让他手改一个图，已经调不动了。他说："我看得出来不对，但我说不出怎么改。"——这就是评价通缩的人格化。
三个破法
破法一：建立"判断力训练机制"
每个管理者每周至少花1小时"无AI评审"——不看AI生成的东西，只看原始素材和人做的东西。这1小时不是在浪费时间，是在训练你的判断力肌肉。
更进一步：每次做重要决策前，先自己写一段判断（不看AI建议），再打开AI对比。差距在哪里？为什么自己的判断和AI不同？——这个"为什么"比任何工具都值钱。
破法二：结构性减少决策频次
AI帮你产出大量方案，不等于每个方案都需要被评审。建立"自动门槛"——只拿出20%最好的方案给人看。剩下的80%，先让AI自己过滤掉。
具体做法：AI产出的方案，先经过"AI自评"——打分、排序、筛选。人只做最后一道裁判。不是偷懒，是把有限判断力用在刀刃上。
破法三：引入"反直觉测试"
每次从AI产出的方案里选出一个"直觉上不太对但数据上不错"的方案，强制团队讨论5分钟。这个练习的目的不是选这个方案——是训练团队在共识中识别异常价值的能力。
长期下来，团队不会只挑"安全的"方案，而是学会判断"有风险的潜力股"。
AI让"做出来"变得前所未有的便宜。但"看明白"只会越来越贵。最可怕的不是你的团队做不出好方案，是他们天天面对好方案，却再也认不出来。
🧠 认知测评 📋 行动手册