AI正在抬高底线、拔高天花板，真正稀缺的是设计能力与判断力。
原文标题：AI 到底让你变强了，还是把你甩开了？
原文作者：认识管理
冷月清谈：
怜星夜思：
2、文章说真正值钱的是“元能力”，那判断力、任务解构、创造力这些东西真的能训练吗？
3、老经验在AI时代到底是资产还是包袱？哪些经验会升值，哪些会贬值？
4、AI越来越会拆任务、做流程后，人类的“设计层”会不会也被继续压缩？
原文内容
书评《AI力：超级个体与未来组织的诞生》｜别跟 AI 抢执行，要比就比设计。
“ 靠 AI 做到 80 分的人越来越多，可从 80 分到 90 分，要花的力气陡增。底层被抬高，顶层被拔高，中间那一层正在消失。 ”
我上课常讲的一个例子是一桩二十年前的棋局。
2005 年，一场“半人马”国际象棋赛爆出冷门，选手带着电脑一起下。最后的冠军出乎所有人预料：两位业余棋手，配三台再普通不过的电脑，击败了所有特级大师与超级计算机的组合。
卡斯帕罗夫替他们总结了原因：弱小的人、普通的机器，加上更好的流程，赢过了强大的机器，也赢过了强大的人配上糟糕的流程。
那是 AI 还没登上棋桌的年代，但这场比赛已经把规则讲透了：决定胜负的，从来不是谁的脑子或机器更硬，而是谁更懂得把人和机器编进同一个流程里。
《AI力》这本书想回答的，就是被这场棋局提前说穿的那个问题：AI 重新定义了工作，什么样的人能活下来、能冒头？
我自己是被它逼到这个问题上的。我是管理学者，研究组织里的人怎么协作，却从没正经学过编程。
2022 年底 ChatGPT 出来，我最初只拿它整理文献；2024 年，靠着 Cursor 和 Claude Code，我写出了能运行的应用。
震动过后，冒上来的是一个更扎人的问题：我们引以为傲的专业技能，还剩多少分量？连刘慈欣把小说章节交给 AI 续写，看完都说不愿意承认，可它写得确实比自己好。
恐慌过后，我盯住了一件被大多数人忽略的事：AI 同时在做两件相反的事。
它先把人和人的差距压扁。
哈佛商学院和 BCG 做过一项实验：让 700 多位顾问用 GPT-4 做真实的咨询任务，结果原本成绩靠后的人提升最大，和顶尖的差距明显缩小；原本最强的那批，反而几乎没怎么动。
新手加 AI，很快能交出像样的活，金字塔的底被整体抬高。看上去，AI 像个均等器。
它又把差距扯开。
产品经理陈云飞没写过一行代码，靠着 AI 编程，半年里做出了 30 多款产品。同一个时代，同一批工具，有人这样一飞冲天，有人原地不动。
两件事怎么同时成立？因为任务的天花板不一样。
客服有上限，把每通电话做到标准，AI 帮所有人逼近它，差距就被压扁。可一旦任务没有上限，从零做出一个产品、定一项战略、写一本真正打动人的书，AI 就成了放大器，谁的本事大、设计精，就被推到几百上千分。
更刺人的是，中间地带正在塌掉：做到 80 分的人越来越多，从 80 到 90，要花的力气陡增。底下被整体抬高，顶上被不断刷新，夹在中间的人反而没了位置。
中间地带正在塌掉：底层抬高，顶层拔高，中间消失。
想明白这点，分水岭就清楚了：不在于你会不会用 AI，而在你停在执行层，还是挪到了设计层。
我自己是这么挪的：过去写一篇综述，从读文献、理框架到敲字全亲手干；现在检索、初筛、初稿交给 AI，我只死死守住那两成：什么问题值得问、哪条线索真正重要、结论站不站得住。
活还是我负责，可我的精力，从“做出来”挪到了“想明白要做什么”。
这就说到全书最想立住的一个判断：真正值钱的，不是技能，是元能力。
很多人学 AI，学的是技能，某个工具怎么点、哪套提示词模板好用。
但技能会过时，而且过时得比你想的快。
前两年人人苦练的“角色扮演”提示词，今天的模型已经不需要；复杂的链式提示，一句大白话就能替代。追着技能跑，你永远在追赶。
元能力不一样。
它是能生出其他能力的能力，书里点了四样，每样都有具体动作：
-
判断力，是在 AI 丢给你的十个答案里挑出真正对的那个；
-
任务解构，是把一个模糊的大活拆成机器能干的几块；
-
人机沟通，是把脑子里那些“只可意会”的经验讲成机器能用的指令；
-
创造力，是逼 AI 跳出它的平均化套路。
AI 的本质是预测最可能的下一个词，所以它总倾向于给你最常见、最稳妥的那一个；创造力就是反着来：先让它把最常规的方案列全，再让它全部避开，或逼它做跨界组合（它不会主动把白酒和咖啡想到一块儿，你能）。
书里一句话点透：在 AI 能生成正确答案的时代，“审美”反而成了真正的差异化。
你可能会反问：agent 不也开始自己拆任务、自己定流程了吗？是。但它拆任务时冲着的那个“目标”是谁定的，它判断哪条路对、用的标尺是谁给的，还是人。
AI 擅长在既定框架里执行，人擅长设计这个框架本身。
所以书里那句话站得住：AI 是放大器，你本来是 1 分，它能帮你到 10 分；你要是 0 分，再强的 AI 也只能给你 0 分。
四大元能力：AI 抢不走的那四样。
创造力：逼它跳出平均。
下面是读这本书时最常被问到的几个问题，我把书里的回答搬过来。
AI 力到底算不算一种新智力？
算。但它量的不是你会不会用工具，而是上面那几样元能力。中山大学和麻省理工的团队做过连续研究，确实测出一个独立于 IQ 的“AI 商数”：IQ 高的人，驾驭 AI 未必强；传统成绩平庸的人，倒可能在这里翻盘。AI 时代多出了一条新的衡量线，不必在旧的分数上死磕。
那我十几年的老经验，还值钱吗？
这是全书最戳人的一问。答案是：要拆开看，而且有个简单的判别。这件事，换个同事照着你写下的流程做，能不能做到八九不离十？能，那它是执行，迟早被 AI 接管；不能，因为它靠你脑子里那些没写下来的判断，那它就是设计层，反而更值钱了。经验没有贬值，是它的价值重心，从“能做出来”挪到了“知道该做什么、做得对不对”。
那从哪下手？
书里有个反直觉的发现，正好拿来做第一步。他们做过一组实验：让人和 AI 一起做创意任务，成绩居然还不如 AI 单独做。毛病出在几乎所有人都踩了同一个坑——把任务“翻译”给 AI：看到要求里写“出人意料”，就自动说成“来点悬疑”，信息在自己的转述里悄悄变了形。所以最省力的第一步，反而不在提示词：别急着用自己的话转述，把原始任务完整地交给 AI，先让它真正懂你要什么。这一步今晚就能试，不需要任何底子。
说回我自己的工作。这本书，每一章都有AI的深度参与。
原来写一本书，从选题、查案例、理逻辑到打磨文字，一个人在“怎么说”上耗掉大半精力，深层判断反被表达打断。现在润色、查证、补案例这些执行层的活都交给 AI，我只守几道关：写什么、为什么写、怎么组织、要传达什么价值。
它确实替我干了很多，可有三件事它给不出——什么观点真正重要、什么例子最能打动读者、什么节奏最适合把一个想法讲清楚。这三件，永远得我来。
写书这件事，于是从“关注怎么写”，回到了“关注写什么”。
书里把“怎么给 AI 搭好工作记忆、让你那两成判断被放大到最大”这套方法，叫上下文工程。
FLOW：给 AI 搭好工作记忆的四步。
如果只记一句，我希望是这个：AI 时代最大的不平等，不是技术的不平等，而是选择的不平等。
技术对所有人都开放，工具越来越便宜，真正拉开差距的，是动不动手这件事。
这些，就是我在《AI力：超级个体与未来组织的诞生》（机械工业出版社）里想讲清楚的事。
