发芽报告：你省下的那 40 分钟，正在吃掉你的能力

有人做了个调查，发现美国 40% 的上班族在过去一个月里收到过一种特别的东西：看起来很专业，排版漂亮，图表齐全，但仔细一看，数据是编的，结论是套话，对决策没有任何帮助。有人给这种东西起了个名字，叫 workslop。

这其实是一个很好的观察入口。当我们讨论 AI 的影响时，大多数人关注的是效率提升了多少、省了多少时间。微软的报告说，AI 每天帮用户省下 40 到 60 分钟。但你有没有想过，省下的这些时间，可能刚好被处理那些看起来专业但没用的 AI 生成内容吃掉了？

这个「省了又被吃掉」的现象，不只是 workslop 的特征。它揭示了 AI 时代一个更深层的问题：效率的提升往往是可见的，但效率背后隐藏的代价往往是不可见的。

先说一个你可能已经感受到但没意识到的事。你最近写东西的时候，是不是越来越多地先让 AI 起个草稿，然后从中挑选和修改？你可能觉得这很自然，效率更高了。但微软的研究发现，这种习惯正在改变人的思考方式本身。过去写东西，从空白页开始，自己构思框架、组织论点、斟酌措辞，这个过程本身就是思考。现在变成了先看 AI 给的选项，再从中挑选。看起来结果差不多，但你跳过了「从零构建」这个过程。

关键发现来了。微软的报告说，这种依赖一旦形成，即使你把 AI 拿走，你的第一反应仍然是等一等，没有选项让我选了。你的构建能力已经退化了。就像习惯了导航之后，即使没有手机你也不会认路了。不是因为路变了，是你认路的能力退化了。

现在把视角拉大一点。不只是个人，整个组织甚至整个社会都在经历类似的转变。微软的报告还揭示了一个数据：22 到 25 岁群体在 AI 高暴露岗位上的就业率下降了 16%。企业对初级岗位的招聘明显放缓。

表面上看，这很合理。初级岗位干的都是标准化的活，AI 做得又快又便宜，为什么要花工资招新人？省下来的钱可以投入更重要的地方。

但这里有个容易被忽略的问题。初级岗位对于年轻人来说，不只是挣工资的地方，更是练习「动手思考」的场所。一个初级工程师从写基础代码开始，慢慢理解项目架构，积累经验，几年后成长为能做复杂决策的高级工程师。这个过程需要时间，更需要大量的实践。

当 AI 替代了这些初级任务，年轻人失去了练习的机会。短期企业省了钱，长期高级人才从哪里来？更深层的问题是：当一整代人都习惯了从 AI 输出中选择而不是自己从零构建，社会整体的认知能力会发生什么变化？

你会发现，workslop、认知模式转变、初级岗位压缩，这三件事其实形成了一个螺旋。初级岗位被压缩，年轻人更早接触 AI 辅助工作，更早进入「选择输出」模式，认知能力少了锻炼机会，产出更多看起来专业但缺乏深度思考的内容，也就是 workslop。组织的信息环境下降，决策质量下降，然后更依赖 AI 来补救，进入下一轮循环。

这个螺旋最可怕的地方在于：每一步看起来都是合理的。用 AI 替代初级岗位省成本，合理。让 AI 帮忙写初稿提高效率，合理。快速生成内容发出去获得流量，合理。每一步都在优化，但整体在退化。

现在换一个角度看这件事。有人提过一个商业模型，说成功的产品等于三样东西：流量来源加产品力加变现模式。但只有产品力是看得见的，流量来源和变现模式藏在水面底下。模仿者复制的是产品本身，但决定成败的流量来源往往是不可复制的。

在 AI 时代，这个模型的权重正在发生变化。当所有人都能用 AI 快速做出产品，产品力的壁垒在缩小。但水面底下的东西，流量来源、独特的认知视角、深度思考带来的洞察，这些东西反而更值钱了。

因为 AI 能帮你快速生成内容，但生成的内容是平均水平的。AI 可以帮你写出格式专业的报告，但写不出真正有洞察的报告。AI 可以帮你做产品，但做不出需要深度理解用户才能发现的产品。水面底下的那些能力，恰好是「从零构建」的认知模式才能培养出来的。

所以这里有一个反直觉的结论：在 AI 效率最高的时代，最稀缺的能力恰好是那些低效的、费时间的、需要反复试错的能力。深度思考、原创洞察、独特视角，这些东西没法通过选择 AI 输出来获得。

这不是说不用 AI。而是说用 AI 的同时，要有意识地保留一些低效的环节。写东西的时候偶尔从空白页开始，做判断的时候先自己想清楚再去看 AI 的建议，解决问题的时候先挣扎一下再求助。这些看起来低效的行为，恰恰是认知能力生长的土壤。

省时间没问题。但要知道，有些时间省掉了，就再也长不回来了。

#科技先锋官##How I AI#