有一位做了25年軟件開發的軟件顧問，決定做一個實驗。

最近，Business Insider報道了他的經歷：他讓 AI 幫自己開發一款應用，從搭框架到生成功能，幾乎都交給了聊天機器人處理。最開始，那種感覺近乎魔法。幾分鐘，一個功能就出來了；一小時，一個模塊就成形了。進展快得驚人，仿佛軟件開發從一項需要長年訓練的復雜手藝，突然變成了一種“會描述需求就行”的工作。

可幾周之后，問題開始出現。隨著代碼庫膨脹到 10 萬行，溝通成本迅速上升，返工越來越多，修 bug 變成一場沒完沒了的拉扯。更微妙的變化，發生在他準備重新親自上手的時候。

他原以為，只要自己重新接管，憑著二十多年的經驗，很快就能找回熟悉的節奏。結果卻不是這樣。代碼擺在面前，他當然看得懂，也知道該怎么改，可真正開始動手時，每一步都多了一點猶豫。他后來形容那種感覺，就像很久沒碰球桿的人重新站上高爾夫球場：“我的揮桿動作不對了。”

這句話值得反復咂摸。

因為它觸碰到的是 AI 時代一種極其隱蔽、又越來越普遍的風險：AI 未必立刻讓你失業，但它可能先讓你失去“本來會做這件事”的那種手感、判斷和篤定。你看起來更高效了，產出也更多了，可真正支撐這些產出的能力，卻可能在悄悄變薄。

這就是今天越來越多人開始討論的一個詞：去技能化。第一批深度使用AI的專業人士，正在被AI卸下技能，那種肌肉記憶和感覺都在變弱。但是，對外行和新人來說，威脅則更加深遠。

一、AI 最大的風險，不是替代你，而是削弱你

過去幾年，關于 AI 的討論大多圍繞一個問題：它會不會取代人類工作。可比“取代”更早發生的，往往是“削弱”。

不久前，我們分享過《大西洋月刊》在2025年10月發表的長文，其中提出了一個關鍵判斷：AI 帶來的問題，并不只是某一項職業是否會被自動化，而是新技術正在改變人形成能力、維持能力和理解世界的方式。

這篇文章說的是，所謂去技能化，并不總是指“突然不會了”。更多時候，它意味著一種更緩慢、更不易察覺的變化：你依然能完成任務，但熟練度在下降；你依然能產出結果，但對過程越來越陌生；你依然能說得頭頭是道，但真正需要獨立判斷時，心里開始發虛。

這也是為什么很多人最近會產生一種很怪的感受：工作更快了，但人更空了。

原因并不復雜。AI 擅長給出流暢、完整、看起來很專業的答案，而人類又天然容易把“拿到答案”誤認為“掌握能力”。

你讓 AI 總結一篇文章，寫一份報告，搭一個代碼框架，生成一套分析思路，結果似乎都還不錯。久而久之，我們開始默認：既然我能調動這些結果，那它們在某種意義上也“屬于我的能力”。

可這恰恰是一種危險的錯覺。

真正的能力，不只體現在最后那份看起來像樣的結果上，更體現在一個人有沒有經歷過困惑、試錯、拆解、推演、反駁、修正這些過程。很多技能，尤其是認知技能，并不是“知道答案”就能獲得的，而是在反復練習中，把一種思考路徑、一種判斷習慣、一種應對復雜情況的感覺，慢慢長進自己身上。

AI 的方便之處，也正是它的風險所在：它不只是替你省力，很多時候，它把這些本該由你親自完成的訓練環節，也一并替你跳過了。

于是，一個悖論出現了：我們越依賴AI提升表現，就越可能削弱真正產生表現的能力。

二、短視頻切碎注意力，AI 接管思考

如果說AI造成的是“去技能化”，那么更大的背景，其實是更早已經發生的“認知前灘化”。

昨天，《紐約時報》刊發了計算機科學家 Cal Newport 卡爾·紐波特的評論文章《There’s a Good Reason You Can’t Concentrate》。這位《Deep Work》《深度工作》的作者提出了一個更尖銳的判斷：今天的問題，已經不只是我們找不到時間深度思考，而是我們正在迅速失去深度思考本身的能力。

這可以說是顯而易見，但并不容易解決。

過去十幾年，智能手機、社交媒體、即時消息和短視頻平臺共同塑造了一種新的注意力環境。人的認知系統被不斷訓練去適應更短、更快、更密集的刺激：幾秒一個切換，幾十秒一個高潮，信息必須足夠輕、足夠快、足夠上頭，否則就會被手指劃走。

卡爾·紐波特引用的研究顯示，人類注意力持續時間已經顯著縮短；手機哪怕只是靜靜放在旁邊，也會削弱專注表現；短視頻消費與更差的認知能力和更低的注意力水平之間，存在明確關聯。他用了一個極形象的比喻：TikTok 之于大腦，就像多力多滋之于身體，是一種“超加工內容”。它高度可口，高度上癮，卻幾乎沒有真正的營養。

而生成式 AI 的出現，并沒有扭轉這種趨勢，反而把它推進到了下一階段。

短視頻和社交媒體，主要是把人的注意力切碎；生成式 AI 則進一步提供了一種更體面、更像“工作”的逃避方式。面對空白頁太難？讓 AI 先寫個初稿。看資料太累？讓 AI 先總結。做推演太費腦？讓 AI 先列框架。難題本來需要你咬著牙一點點拆，現在只要寫個 prompt，系統就替你把“像樣的結果”端上來了。

問題是，人并不會因為“看見了一份像樣的結果”，就自動獲得相應的思考能力。相反，越是習慣于這種方式，越難忍受真正的慢思考，越難忍受獨立閱讀、獨立寫作、獨立組織邏輯帶來的阻力。

數字技術先把我們推向淺水區，AI再讓我們誤以為，自己已經學會了游泳。

三、真正被侵蝕的，不是手藝，而是判斷力

當然，去技能化并不總是壞事。

《大西洋月刊》那篇文章有一個很重要的提醒：從長時段看，人類文明本來就是在不斷把一部分能力外包給工具。文字削弱了口頭記憶，卻催生了歷史、法學和科學。

計算器削弱了心算，卻讓更多人能處理復雜計算。衛星導航替代了觀星定位，可靠的發動機替代了許多機械維修常識。并不是每一項技能的消失，都值得哀悼。

真正值得警惕的，不是某種機械手藝的退場，而是那些更核心的能力也開始一起被外包：判斷真假、辨別輕重、處理復雜性、承受模糊、形成自己的理解。

這才是 AI 時代最要命的地方。

因為生成式 AI 最強的能力之一，就是制造“看起來很合理”的東西。它會寫出流暢的段落，給出完整的結構，生成似是而非卻足夠唬人的分析，讓人誤把“表達得很順”當成“理解得很深”。一個不具備足夠判斷力的人，很容易被這種流暢性催眠。

所以，未來真正稀缺的能力，很可能不再只是“能不能生產內容”，而是“能不能對內容負責”。你能不能看出一段話雖然順，但空；一份報告雖然整齊，但淺；一段代碼雖然跑得起來，但結構有問題；一個分析雖然漂亮，但關鍵前提就是錯的。

換句話說，AI時代的高價值能力，正在從“生產第一稿”轉向“審查第一稿”，從“親手完成全部”轉向“為結果承擔判斷責任”。

但這里有一個殘酷的前提：只有本來就有基本功的人，才有資格談“監督AI”。

不會寫的人，很難真正修改 AI 的文字；不懂研究的人，很難發現 AI 總結時遺漏了什么；不懂代碼的人，也不可能真正判斷一段 AI 生成的程序到底穩不穩。沒有基礎的人，并不是在“與 AI 協作”，而是在把自己的判斷權交出去。

所以，AI時代真正稀缺的，不是會不會用工具，而是有沒有能力在工具面前保持清醒，不被工具反噬和吞沒。

四、最危險的一代，可能是從未建立“基線”的新人

這也是為什么，去技能化對年輕人和初入職場者的威脅尤其大。

Business Insider的報道里，研究者反復強調一個詞：baseline，基線。也就是，一個人在沒有AI幫助時，本來就具備的基本能力水平。

很多今天的資深從業者，哪怕再依賴 AI，至少也有過一段沒有 AI 的訓練期。他們寫過笨拙的初稿，做過低效率的檢索，熬過獨立思考的痛苦階段，知道一個完整的專業判斷到底是怎么長出來的。即便能力生疏了，那條路他們畢竟走過。

真正危險的，是那些從一開始就被 AI 包圍的人。

對于新人來說，初級崗位和基礎訓練從來都不只是“做點簡單活兒”而已。它的真正意義，是讓人學會如何拆解混亂的問題，如何承受犯錯，如何在被質疑時為自己的思路辯護，如何在一堆不完整的信息里慢慢形成判斷。

一個人真正的職業感覺，往往不是在做高光任務時長出來的，而是在這些看似低級、實際極其重要的重復練習里長出來的。

可如果這一層，被 AI 提前吞掉了呢？

當閱讀可以外包，寫作可以外包，資料整理可以外包，代碼初稿可以外包，連“第一步該怎么想”都可以外包時，就會出現一種很奇怪的人：看起來效率很高，表達很流暢，提交物也很漂亮，但一旦脫離工具，就失去支撐。表面是熟練，內里是空心。

更糟的是，很多組織還在獎勵這種表面效率。一些企業已經把 AI 使用頻率納入績效，鼓勵員工更快地產出更多內容。短期看，這當然漂亮：速度更快，成本更低，文檔更多，會議紀要更全，匯報材料更整齊。

可長期看，一個組織真正的能力儲備，也許正在被悄悄掏空。系統順利運轉時看不出來，一旦模型出錯、環境變化、規則失效，才會發現，真正能獨立接住問題的人，已經越來越少了。

五、我們會不會慢慢變成“機器的機器”？

關于去技能化，最深的一層擔憂，并不是職業技能退化，而是所謂“構成性去技能化”：那些最根本地構成人之為人的能力，也開始被慢慢侵蝕。

這聽上去很抽象，其實并不難理解。

技術改變的，從來不只是效率，還會改變人的感覺、身份和生活質地。數字先知麥克盧漢就曾提出，新的媒介技術會改變人類“感官的比率”。也就是說，它會重新安排我們的注意力如何分配、感知如何展開、理解世界時優先依賴哪一種能力。某種感官被放大，另一些感官就會被壓縮；某種經驗被強化，另一些經驗就會被邊緣化。

這句話放到今天，有一種預言般的準確。短視頻強化了即時刺激，削弱了耐心；社交媒體放大了反應速度，壓縮了沉思空間；生成式 AI 則進一步改變了我們處理語言、組織思想和形成判斷的方式。

我們越來越擅長快速提問、快速調用、快速生成，卻越來越不習慣遲疑、咀嚼、推敲和獨立完成一段完整的思考。技術沒有拿走我們的全部能力，但它正在重新配置這些能力的比重。

這也意味著，AI 對人的影響，遠不只是“幫你完成了一項任務”這么簡單。它還在悄悄重塑一種新的認知結構：什么樣的表達更容易被接受，什么樣的思路更值得保留，什么樣的語言更“像答案”，什么樣的停頓又顯得多余。

久而久之，人會越來越傾向于按機器擅長的方式表達自己，也越來越傾向于按照系統偏好的節奏來理解世界。

法國哲學家讓-保羅·薩特曾擔心，人會不會變成“機器的機器”。這句話放在今天，忽然有了新的現實感。

它并不是說，人會像科幻電影里那樣，被一臺超級智能直接統治。更真實的風險是，我們在追求便利、效率和順滑的過程中，越來越主動地按機器的要求來調整自己。

我們學會了如何讓系統更容易理解自己，卻忘了如何更深入地理解世界；我們越來越會寫機器喜歡的 prompt，卻越來越不會寫真正屬于自己的句子；我們越來越擅長用流暢的套話填滿文檔，卻越來越少經歷那種艱難但誠實的推敲時刻。

長此以往，人的判斷力、想象力、共情能力、語言感覺、對意義和分寸的把握，都可能在不知不覺中變薄。

失去這些東西，不會像機器故障那樣轟然作響。它更像是一種安靜的塌陷：談話變淺了，表達變空了，復雜問題越來越讓人不耐煩，模糊和不確定越來越難以承受，連尋找一個準確詞語的耐心都在消失。

這也許才是 AI 時代最值得擔心的后果。

六、走出淺灘人生，拒絕被AI撫平

說到這里，并不是要反對 AI。

AI 在很多場景里都有非常明確的價值。處理重復勞動、篩查海量材料、修復格式錯誤、輔助信息提取，這些都可能實實在在節省時間，提高效率。問題從來不在于“要不要用 AI”，而在于：我們究竟把它用在什么地方，又把什么東西留給自己。

卡爾·紐波特有一個重要判斷：真正危險的，是那些主要用來讓核心任務“變得沒那么費腦子”的 AI 用法。因為恰恰是那些費腦子的部分，構成了一個人的認知肌肉。寫作不是麻煩，而是訓練；閱讀不是前置步驟，而是思考本身；獨立組織論證，不是低效，而是能力形成的過程。

所以，AI 時代真正的自救，也許不是學更多技巧，而是重新建立一套“認知衛生”觀念：哪些內容要少吃，哪些能力要刻意練，哪些時刻必須拒絕把自己的大腦外包出去。

我們也許需要像對待身體健康那樣，重新對待認知健康。少吃“數字垃圾食品”，保留不被打斷的時間，重新練習深度閱讀，給自己留出獨立寫作和獨立思考的空間。在組織里，也許需要有意識地建立“無 AI 訓練場”，讓人定期在沒有輔助的情況下處理問題，確認自己的判斷能力并沒有在順滑的自動化流程中慢慢退化。

因為，未來人與人的差距，未必首先體現在誰更會寫 prompt，誰更早接入模型，誰更快實現自動化。

真正的分水嶺可能是：誰還能在這個越來越順滑、越來越替你完成一切的時代，保住那些緩慢、費力、卻不可替代的能力，如專注，判斷，閱讀，寫作，獨立思考。

所以，走出淺灘人生，不是拒絕 AI，而是不讓自己只活在那些被算法撫平、被模型代勞、被效率邏輯徹底統治的區域里。我們仍然需要主動走向那些有挑戰的任務，走向那些需要專注、判斷和耐心的時刻。

只有在那里，人才能重新長出自己的厚度。【懂】

歡迎加入經叔的知識星球。在這里，我們拒絕無用的焦慮，只談底層的邏輯與實戰的干貨。我會結合最新的AI前沿動態、深度的商業創新分析（如一人企業的構建）和獨特的文化思潮（如麥克盧漢的媒介洞察），幫助大家把握時間窗口。

歡迎訂閱不懂經知識星球，星球即將漲價。

我是不懂經的經叔，國內最早翻譯介紹了納瓦爾的《如何不靠運氣獲得財務自由》，以及影響了納瓦爾、中本聰、馬斯克等大佬的《主權個人》。

不懂經知識星球，眾多百萬粉絲大V、千萬及億萬富翁訂閱。專注分享一人企業、一人創投主題，關鍵詞：AI、IP、創投、科技及商業前沿的高杠桿內容。

愈懂愈自由