这两年，技术圈里最普遍的一种情绪，不是兴奋，而是轻微而持续的失重。
很多人已经熟悉那样的场景：一个功能还没开始写，AI 已经先把代码草稿生成出来；一篇方案还没真正落笔，AI 已经给出结构完整、措辞得体、逻辑像样的初稿；就连原本需要查资料、列提纲、反复修改的工作，如今也能在很短时间内被迅速推进。
从结果来看，这当然是一种进步。我们曾经追求的，正是更高的效率、更低的成本，以及更少的重复劳动。可是，当这一切真正大规模到来之后，另一种更难描述的感受也随之出现：事情明明做完了，人却未必更踏实。
我越来越觉得，AI 真正带来的挑战，并不只是「哪些工作会被替代」，而是一个更靠近内里的问题：当效率几乎免费之后，人还要靠什么来确认自己的价值，判断什么值得亲手去做？
这不是一个情绪化的问题，而是一个现实问题。因为在 AI 时代，效率不再天然稀缺，执行也不再天然等于能力。一个人如果仍然只把自己的价值建立在「我做得更快」上，那么他迟早会被新的工具推到边缘。真正需要重建的，是我们对工作、创造和判断的理解。
一、效率不是目的，它只是现代人的默认信仰
过去很多年里，我们几乎被训练成了「效率动物」。
在学校里，我们被鼓励用更短的时间做更多的题；在公司里，我们被要求用更高的产出证明自己的价值；在技术系统里，我们习惯把一切都理解为优化问题：更快的响应、更少的步骤、更低的成本、更高的复用率。久而久之，效率不再只是一个工具性指标，而几乎成了一种不言自明的道德。
于是，当 AI 出现时，它之所以令人兴奋，不只是因为它足够聪明，更因为它精准击中了这个时代最核心的偏好。它承诺把原本需要几个小时、几天、甚至几周的工作，压缩到几分钟之内；它让人相信，只要把流程设计好、上下文喂准确、工具调用合理，我们就能用极少的人力撬动极大的产出。
这种变化没有错。问题在于，效率之所以长期被推崇，是因为我们默认「目标已经清楚，过程只是通往目标的手段」。 可现实并不总是如此。
很多真正重要的工作，恰恰是在过程中才逐渐显形。你以为自己在写代码，实际上你在摸清系统的边界；你以为自己在写方案，实际上你在确认问题的定义；你以为自己在修改一篇文章，实际上你在形成自己的判断和表达秩序。对于这类工作来说，过程并不是结果的附属品，过程本身就是价值发生的地方。
这也是为什么，AI 越强，我们越需要重新理解效率。效率当然重要，但它不是终点。它解决的是「如何更快抵达」，而不是「哪里值得抵达」。前一个问题可以被工具不断优化，后一个问题却仍然要由人来回答。
二、被省掉的，未必只是重复劳动，也可能是理解本身
许多人谈论 AI 时，喜欢用「把重复劳动交给机器，人去做更高级的事」来概括这种分工。这句话听上去合理，但真正的问题在于：我们究竟把什么叫作「重复劳动」？
在纸面上看，许多基础工作确实缺少光环。排查 bug 很琐碎，查资料很枯燥，逐段修改文章很耗耐心，反复推翻方案也远谈不上优雅。可是，一个人的专业能力往往正是在这些不够耀眼的环节里长出来的。
工程师的判断力，不只是来自他是否知道「正确答案」，更来自他是否亲手排查过那些没有标准答案的现场。内容工作者的表达能力，也不只是来自他是否见过漂亮文本，而来自他是否无数次在写作中感受过一句话哪里太虚、一个转折哪里太硬、一个判断哪里站不住。所谓专业，往往不是掌握结论，而是拥有在复杂情境里辨别轻重缓急的能力。
而这种能力，不能被简单地外包。
如果一个人长期只接收 AI 生成的成品，却很少进入那些粗糙、笨拙、需要自己动手梳理的中间过程，那么他表面上节省了时间，实际上可能也跳过了最关键的训练。久而久之，他手里拥有越来越多「像样的结果」，心里却未必形成相应的理解结构。
这就是 AI 时代一个容易被忽视的悖论：工具越能直接给出答案，人越容易失去形成答案的能力。
这并不是在鼓吹「凡事都要手写、都要从头做」。那样既不现实，也没有必要。真正值得警惕的，是另一种更隐蔽的滑坡：我们太快地把「自己不必亲自经历」误认为「自己已经真正掌握」。
三、创造力并不悬浮，它建立在长期的笨功夫上
今天还有一种很流行的说法：既然 AI 已经能够处理执行层面的工作，那么人就应该把精力集中在创造力上。
这句话也没有错，只是它常常把创造力说得过于轻盈，仿佛那是一种天然存在、只等被释放的能力。可现实更接近另一种情况：创造力从来不是凭空出现的，它通常建立在大量具体经验、反复试错和长期训练之上。
一个真正成熟的设计判断，不只是审美偏好，而是对结构、信息密度、用户心理和实现成本的综合感知。一个真正扎实的技术判断，不只是知道某种架构「看起来先进」，而是知道它在什么条件下会失效，为什么失效，代价由谁承担。写作也是一样。看似自然流动的文字，背后往往不是灵感，而是无数次删改之后对节奏、层次和语义重量的把握。
这些东西无法只靠「调用高级能力」获得。它们更像是身体里的肌肉，而不是脑海里的概念。你必须在很多具体、重复、甚至乏味的劳动里，让这些肌肉慢慢长出来。
所以我并不赞成把人类工作粗暴分成「低级执行」和「高级创造」两层。这样的划分太干净，也太理想化。大量看似重复的工作，其实正是创造力的地下部分。没有地下部分，地面上那些漂亮的判断与表达，也就失去了支撑。
换句话说，你以为自己省掉的是枯燥劳动，实际上你省掉的，也可能是未来做出好判断所必需的训练。
四、真正关键的，不是要不要使用 AI，而是谁来承担判断
如果问题说到这里，很容易滑向一种过度保守的结论：既然过程重要，那就应该尽量少用 AI，多保留人工。这同样不对。
AI 最大的价值，恰恰在于它可以可靠地接住大量低杠杆、低差异、低创造性的执行任务。把这些工作交给工具，本身就是理性的选择。问题从来不是「该不该使用 AI」，而是「在哪些地方，人的亲自参与仍然不可替代」。
在我看来，至少有三类事情，今天依然必须由人来握住。
第一类，是方向的判断。做什么，不做什么；先做什么，后做什么；一件事的目标到底是增长、口碑、现金流，还是长期能力建设——这些都不是简单的技术问题，而是价值排序问题。AI 可以帮助你列出选项，却无法替你承担选项背后的后果。
第二类，是质量的判断。AI 非常擅长生成「看上去没问题」的东西，但「看上去没问题」离「真正好」之间，往往隔着最难也最贵的那一层。代码是否稳健，文章是否有力量，产品是否有边界感，表达是否经得起反问，这些都需要一种基于经验、责任与品味的判断，而这恰恰是人最不该放手的部分。
第三类，是意义的判断。效率只能回答「能不能更快做完」，却回答不了「为什么要做这件事」。很多时候，一项工作是否值得投入，并不取决于它能否自动化，而取决于它是否与一个人、一支团队真正相信的东西有关。意义不是效率的副产品，意义来自选择。
所以，与其问「AI 会不会取代人」，不如问：当 AI 逐渐接管大部分执行之后，人是否还愿意、也是否还有能力去承担判断？如果一个人长期把自己缩减成提示词的操作者、流程的拼接者、结果的转发者，那么即使他依然忙碌，也未必还真正处在工作的核心位置。
五、在 Agent 协作里，我反而更清楚了人的位置
这几年，我们自己也在做 Agent 协作。系统越往前搭，我越强烈地感受到一件事：Agent 的能力越强，人反而越需要把自己的位置站稳。
原因很简单。执行是最容易被拆解的。只要流程足够清楚、上下文足够完整、工具链足够稳定，很多原本需要人亲手完成的事情，都可以被很好地分发出去。可一旦执行变得不再稀缺，真正稀缺的就会变成另外几样东西：方向感、判断力、责任心，以及一套能长期维持一致性的价值标准。
在一个团队里，最难被自动化的，从来不是「写出一段代码」或「生成一篇初稿」，而是：我们为什么要做这件事？做到什么程度才算够好？当短期收益与长期建设发生冲突时，应该偏向哪一边？又有哪些事情，即使能做，也并不值得做？
这些问题，表面上抽象，实际上决定了几乎所有具体执行的质量。AI 可以沿着轨道把事情推得很快，但轨道往哪里铺，仍然是人的工作。某种意义上说，AI 不是让人失去价值，而是迫使人停止把价值建立在那些迟早会被工具抹平的能力之上。
这听起来或许有些残酷，却也相当诚实。AI 时代真正值得珍惜的，不再是单点执行速度，而是一个人是否有能力看懂问题、定义问题，并在各种看似合理的选项之间作出真正负责任的选择。
六、因此，慢一点并不总是落后，亲手做也不总是低效
今天我们很容易把「快」理解成先进，把「自动化」理解成进步，把「亲手做」理解成低效，仿佛只要还有哪些步骤没被工具接管，就说明系统不够现代、方法不够聪明。
但有些事情，恰恰因为重要，才值得被慢慢地做。
第一次进入一个新领域时，你需要的不是一个过于完整的答案，而是先建立对问题纹理的感知；面对核心决策时，你需要的不是更漂亮的建议，而是能够穿透建议、看见代价的能力；当你试图创造某种真正属于自己的东西时，你也不能只依赖外部生成，因为风格、判断和立场，从来都不是被「生产」出来的，而是在一次次亲身参与中逐渐形成的。
所以我越来越相信，AI 时代最成熟的工作方式，不是盲目坚持手工，也不是把一切都尽快外包给模型，而是在两者之间建立一条清晰边界：凡是已经标准化、重复性高、差异价值低的部分，尽可能交给工具；凡是涉及理解、判断、责任与风格的部分，尽可能保留人的在场。
这条边界并不永远固定。它会随着你的经验、领域和目标而变化。但无论如何，有一个原则大概不会变：工具应该扩展人的能力，而不该偷走人形成能力的过程。
结语：人真正不能外包的，是对「值得」的判断
如果一定要用一句话来概括我对这件事的看法，那大概就是：AI 正在让「效率」越来越廉价；也正因如此，「判断什么值得做」才变得越来越昂贵。
未来最有竞争力的人，未必是最快的人，也未必是最会调工具链的人，而是那些在工具极其强大的情况下，依然知道哪些事情必须亲自参与、哪些标准不能放弃、哪些选择需要自己承担的人。
效率当然重要，它会继续改写我们的工作方式，也会继续释放巨大的生产力。但一个人最终能否在这样的时代里站稳，不取决于他能多快地产出，而取决于他是否还保有对问题的理解、对质量的要求，以及对意义的敏感。
AI 可以替我们完成越来越多的任务。
但它替代不了我们决定：什么值得做，为什么值得做，以及做到什么程度，才算真正做好。