导语今天衡量一个人的AI 能力就像 1998 年衡量一个人会不会上网。这个问题的答案很快会失效——不是因为答案变了而是因为问题本身会消失。一、会用 AI是一个有保质期的概念招聘启事开始要求具备 AI 工具使用能力企业培训在教提示词工程社交平台上流传着用 AI 提升十倍效率的方法论。一条新的能力分界线似乎正在形成。但这条线画在沙滩上。回看每一项通用技术的普及史都存在一个相似的中间阶段技术已经强大到值得被讨论却还不够成熟到无须被讨论。个人电脑进入办公室时会用电脑是一项写进简历的技能互联网普及初期会上网是一种可以炫耀的能力智能手机刚出现时人们认真比较谁更懂移动应用。今天没有人把这些写进简历。一项技术是否成熟往往可以看它是否仍然需要被反复强调。不是技术消失了而是它沉入了社会运行的底层。电力、自来水、数据库、搜索引擎都完成过同样的下沉。它们从能力变成了条件——不再是你拥有什么而是你身处什么之中。AI 会走同一条路。它不会永远以聊天框的形式存在也不会永远要求人先写好一段精心设计的提示词。它会嵌进邮件、文档、报表、客服工单、代码仓库、供应链系统和审批流程。到那时人们不会说我用 AI 写了封邮件只会说邮件发出去了不会说我让 AI 分析了这份报表而是直接看到系统已经标出的异常、归因和下一步建议。AI 不会消失。消失的是人们对正在使用 AI这件事的刻意感知。二、当前的判断AI 仍停留在工具阶段怎么判断 AI 是否完成了基础设施化看它在工作流中所处的位置。今天的典型用法是人主动打开一个应用输入问题等待回答再把结果复制回原来的系统。企业侧的多数落地也仍停留在给现有软件加一个对话框。这是工具的形态不是基础设施的形态。工具的特征是需要被调用基础设施的特征是默认在场。电力不需要你每天决定是否接入电网。当 AI 仍然需要你先决定这件事要不要交给它,说明它还没有到位。真正的转变会发生在两个方向上现在我们学习如何向 AI 提问未来系统会通过上下文、权限、历史记录与当前状态主动理解人正在完成什么任务。现在我们把问题带到 AI 面前未来AI 存在于问题发生的地方。三、每一次生产力革命都是一次分工重组AI 常被描述为替代但从产业史的角度看它更接近一次分工重组。工业革命并没有简单地用机器消灭工匠而是把原本由一个工匠完整完成的工作拆成设计、加工、装配、检验、管理等环节再分别交给机器、工人和组织。计算机没有消灭办公室而是重新划分了录入、计算、存储、分析与决策之间的边界。互联网没有让商业消失而是重排了生产者、平台、渠道、消费者和信息中介的位置。AI 正在重复这个过程。过去一个岗位往往是一整条连续的任务链查资料、整理信息、形成判断、撰写文本、沟通协调、推动执行。AI 出现后这条链会被重新切开——部分信息处理交给模型部分判断保留给人部分流程由软件编排最终的现实动作由企业系统、账户或设备执行。因此真正值得追问的不是哪个职业会消失而是每个职业内部的任务如何被重新分配。程序员仍然存在但重心从逐行写代码转向架构、约束、验证与问题定义。律师仍然存在但资料检索、文本比对和初步分析会大量前移给模型。管理者仍然存在但信息汇总、会议纪要和进度跟踪会持续自动化。AI 不一定消灭职业的名称但会改写职业的内部结构。而这恰恰更难应对。职业消失是一次性的、可见的冲击职业内部的重组则是持续的、隐形的迁移——你的头衔没变但你每天做的事、你被评价的方式、你的经验值多少钱都在变。四、基准线移动不使用 AI 将不再是中立选择在 AI 还是独立工具的阶段用不用是个人偏好。当它沉入基础设施这个选择会变得昂贵。原因不在于有人强制而在于整个社会的生产率基准会整体移动。假设某个岗位原本每天完成五项任务。当相当比例的从业者借助 AI 可以完成十五项时企业不会把这理解为个人风格的差异——十五会成为新的岗位标准。招聘门槛、绩效考核、客户响应时效、跨部门协作节奏都会围绕新基准重新设计。不使用 AI 的人未必立刻失业但他会先感受到一系列更细微的变化节奏变快要求提高原有经验的溢价缩小越来越多的流程不再保留纯人工通道。当一种技术成为社会的默认环境不使用它仍然是一种选择却不再是一种没有代价的选择。今天一个人理论上仍可以拒绝智能手机、移动支付和线上办公。他做得到只是要为此支付越来越高的现实成本——挂号、打车、报销、开会、买票每一件事都比别人多绕几道。这里需要一个诚实的补充基准线移动带来的收益并不自动均分。生产率提高的成果可能流向企业利润可能流向消费者价格也可能流向少数掌握重组能力的人。谁受益、谁承担转型成本是分配问题不是技术问题。五、效率之争的下一站是意识形态之争AI 引发的冲突不会停留在工具层面。因为它触碰的不只是效率还有身份、尊严、价值感以及人对自身不可替代性的想象。当一个人发现自己积累多年的专业知识正在迅速贬值为一种廉价能力他面对的就不是技术更新而是身份危机。于是讨论会从这个工具是否有效滑向你站在哪一边。一方认为 AI 代表进步拒绝就意味着落后、保守、缺乏竞争力。另一方认为 AI 代表异化与剥削使用就是在参与对自身的替代。当一项技术开始被用来划分阵营它就不再只是生产工具而成了文化与政治符号。两种立场都有盲区。盲目的支持者把技术能够做到直接等同于技术应该这样做跳过了全部规范判断盲目的反对者把所有 AI 应用都视作威胁忽略了它在医疗诊断、教育普惠、工程仿真和公共服务中的真实价值。真正困难的问题从来不是要不要 AI而是几个更具体、也更不舒服的问题AI 应该承担哪些任务哪些判断必须保留给人生产率提高之后收益由谁获得跟不上变化的人是否拥有缓冲期和转型通道当 AI 出错责任属于模型、使用者、企业还是系统设计者这些都不是技术问题而是制度问题。而技术乐观主义与技术悲观主义恰恰都提供不了制度答案。六、成熟的技术会隐藏自己但责任不能一起隐藏成熟的技术不会不断要求人关注它。电网不会每天提醒你它正在完成电压转换与调度数据库不会要求普通用户理解索引和事务。人只关心灯是否亮起、订单是否成交、数字是否准确。AI 最终也会环境化成为软件的一部分、流程的一部分、组织的一部分。企业不会再单设一个AI 部门因为营销、客服、研发、财务和供应链本身就已包含 AI个人也不必再背诵几百条提示词因为系统会根据任务自动组织上下文、选择模型、调用工具。那时真正稀缺的能力会整体上移能否把目标定义清楚能否判断结果是否可信能否发现系统遗漏的风险能否组织人与机器完成复杂协作能否在关键时刻承担责任。当执行变得廉价问题定义、现实判断与责任承担会变得昂贵。但这里必须划一条界线不可感知不等于不可见不可见更不等于不可追责。用户可以不理解底层模型但必须知道哪些决定有 AI 参与。企业可以让 AI 自动完成大量任务但必须明确它被授予了什么权限。系统可以把 AI 藏在界面之后但不能让责任一起藏进去。这可能是未来 AI 社会最关键的一对张力AI 越成熟就越不需要被感知AI 越深入现实就越需要被治理。当 AI 只生成一段文字出错的代价通常有限。当 AI 开始调用工具、修改数据、划转资金、操作生产环境、控制账户乃至影响物理设备问题的性质就变了。此时系统不能只判断 AI 的回答是否合理还必须判断这个动作是否真的应该发生目标由谁提出AI 如何理解这个目标审批对应的是否是同一个对象现实状态在此期间是否已经改变执行参数是否越界最终动作能否被暂停、拒绝和事后追溯这些问题不会因为 AI 无处不在而消失。恰恰相反当 AI 退入后台独立于模型之外的执行边界、审计机制与责任体系会变得更加重要。人们可以不再感知 AI但现实世界仍然要承受 AI 行动的后果。七、终点不是一个更聪明的聊天框今天人们把 AI 理解为一个可以对话的工具。但聊天框很可能只是早期最容易被理解的界面——就像早期互联网一度被等同于浏览器里的网页。AI 真正的终点不是一个无所不知的对话窗口而是一种分布在社会系统各处的认知能力它参与信息处理、任务协调、异常识别和行动准备却不再持续占据人的注意力。到那时你会不会用 AI会成为一个逐渐失效的问题。真正的问题会变成一个人所在的组织是否已经完成了 AI 化重组他能否定义目标、判断结果并为此承担责任企业是否想清楚了哪些权力可以交给 AI哪些必须留在人和独立系统手中成熟的 AI 时代不是每个人都在强调自己会用 AI而是人们已经生活在 AI 参与的系统之中却依然清楚谁提出目标谁拥有权力谁承担责任以及谁有资格让一个决定真正进入现实。