最近我反复遇到同一个问题：当 AI 可以写代码、改文档、做图、整理会议纪要，人的工作还剩下什么？

一个比较直观的答案是：人还剩下提示词。但我不太认同。提示词只是表层动作，真正重要的是你是否知道自己要什么，是否能判断一个结果是否成立，以及是否愿意在结果不成立时重新推演。

执行正在变便宜

过去很多事情贵在执行。你需要找人、排期、沟通、等待返工。现在，一个想法到初版产物之间的距离被极大缩短。这个变化会让很多岗位的边界变得模糊，因为过去被称为能力的东西，有一部分其实只是熟练操作。

但执行变便宜之后，问题并没有消失。相反，问题被提前暴露了：你到底要解决什么？你是否能描述清楚？你有没有一个可以验证的标准？

判断力变贵

AI 可以生成十个方案，但它不会替你承担选择的后果。真正稀缺的是判断力。

判断力不是一句“我觉得不错”。它包含几个层次：

  • 能把模糊需求拆成可执行问题。
  • 能看出一个答案哪里正确、哪里只是顺滑。
  • 能把业务结果和技术实现连起来。
  • 能在信息不足时做出临时选择，并保留修正空间。

这也是为什么我更愿意把 AI 当成一个执行伙伴，而不是一个替代大脑的入口。它可以帮我跑得很快，但方向仍然需要我自己校准。

品味不是装饰

很多人把品味理解成审美偏好，但品味更像是“什么值得被留下”的能力。

写文章时，品味决定哪些句子可以删。做产品时，品味决定哪些功能不该做。做客户材料时，品味决定哪些话听起来可靠，哪些话只是漂亮但空。

当生成成本足够低，内容会变得越来越多。越是在这种环境里，筛选、克制和结构感越重要。

验收比生成更重要

我现在做 AI 工作流时，会尽量先写验收标准，再让 AI 做执行。比如一篇文章要回答哪三个问题，一个页面必须有哪些状态，一个脚本的输入输出是什么。

如果没有验收标准，AI 生成的东西越多，人越容易被淹没。你会不断看起来很忙，但产物并没有真正变好。

留下自己的部分

AI 拿走执行之后，人不应该只剩下焦虑。它也给了我们一个机会：把自己从重复劳动里拿出来，重新面对更本质的问题。

你要做什么？为什么做？做到什么程度算成立？失败以后如何修正？

这些问题不会因为工具变强而消失。它们只会变得更清楚。