当AI替你完成了工作，一个人要靠什么能力被市场付钱？

本文来自微信公众号： 不懂经 ，作者：不懂经也叔的Rust，题图来自：视觉中国 一个人还在学习的现场，工作却已经可以绕过他完成。 在机器人手术室里，这件事有一个很具体的表现。主刀医生坐在控制台前，操纵病人身旁的四条机械臂。年轻的住院医师也在场，却可能只负责清除烟雾和积液，或者坐在另一台控制台前观看。 马特·贝恩是一位研究技术与工作的学者。他用两年多时间观察机器人手术和传统手术，注意到一个变化： 传统手术往往需要两个人、四只手，年轻医生参与其中，也就有了练习的机会。机器人让专家可以独自操作，学徒成了可选项。 这里的“可选”，比“被替代”更值得深思。 年轻医生没有被赶出手术室。他仍然能看见操作，也仍然在接受培养的名义之下。但那双不够熟练的手，已经不再是完成眼前这台手术的必要条件。病人需要安全，主刀需要把手术做好，每一个理由都成立。至于一个后来者怎样变得熟练，那是另一个需要安排的问题了。 这是一个很残酷也很现实的问题，尤其是放在今天年轻人就业率的大背景下。 市场需要结果，却未必需要你的成长 如果把手术室的场景挪到今天使用AI 的办公室，会怎么样？ 假设你刚进入一家咨询公司，要为一个陌生行业写报告。你打开AI ，几轮对话之后，桌面上多了一份结构完整、措辞成熟的文档，里面甚至替你列好了反方观点。这当然是一种进步，谁都不想把大半天耗在调整表格和寻找一个过期链接上。 你也可以认真读它，逐页检查，觉得每一段都有道理。真正的分歧藏在一个不起眼的地方：报告有了，那个能够写出报告的人，有没有一起出现？ 试着想一个更具体的下午。两份资料对同一个市场给出的数字差了一倍。你先怀疑其中一份错了，回去查定义，才发现它们算的根本就不是同一批客户。你把原来准备写进开头的判断删掉，整份报告得换一个方向。 这个下午没有多少漂亮的产出，甚至还倒退了。可你开始知道，一个数字摆在眼前，先要问它把什么算了进去。 AI 可以替你发现口径差异，也可以把它解释清楚。但如果你只领取修正后的结论，你就跳过了亲自发现错误、为自己的判断改道的那一段。成品看不出这段差别，交付时间却会忠实记录谁更快。 一项工作可以做得越来越好，同时越来越少地要求做这项工作的人有所成长。 我在以前谈去技能化的文章里，已经讨论过这种漂亮产出背后的空心，也写过新人失去训练机会的问题。现在要进一步追问的是， 假如交付暂时不受影响，市场未来会为谁和什么样的能力付费？ 英国一家汽车厂的经历，可能会给我们一点启示。 研究者通过访谈和厂内文件，回看了这家工厂转向精益生产前后的学徒经历。工会曾为学徒争取到训练室，里面有机器人和小型流水线，可以设置故障供他们练习。房间有了，熟练工却抽不出身来带教，训练所需的备件也短缺。 它闲置了数年。后来，在生产经理的要求下，熟练工把里面的设备拆用，维持车间的生产。 训练室终于派上了用场，但不是它原定的用途。 这件事，你很难说汽车厂“不重视人才”。工厂确实给过房间，也放进过设备。培养人的愿望曾经有一个真实的场所。只是当生产需要人手，需要零件，需要马上恢复运转时，那个场所里的东西都可以被取走。 一边是眼下必须交付的产品，一边是某个还没有学会的人。前者缺了一个零件，后果很快就能看见；后者少了一次练习，今天的生产记录未必会有任何异常。 如果每一次冲突都按眼前的交付裁决，学习就只能使用剩下的时间、剩下的人手，以及还没有被征用的设备。我们可以在墙上写人才是未来，然后让未来等当天的工作结束。 问题也就超过了培训预算。在有带教作用的工作中，完成任务和培养后来者，原本发生在同一个过程中。如今，我们必须单独为第二件事争取位置，并接受一个过去不必每次都回答的追问：为什么值得为它慢一点？ 当一个系统已经不必等待你的成长，就能得到你成长以后才交得出的成果，它还为什么要等你？ 借来的聪明，算不算自己的本事？ 在很多人看来，这个问题的答案很明显。然后，会认为保持独立思考很重要。这句话很容易说，但其实并不容易实现。你可以尽管独立思考，但报告还是下午五点交。 我们可以先看看，借来的聪明，对学习本身有什么影响和后果。 在土耳其一所高中，近千名学生参加了四轮数学学习实验。练习时，一组可以使用普通聊天式AI ，一组使用专门设计的AI 辅导系统，还有一组使用课本和笔记，不用AI 。每轮练习之后，所有学生都要独立参加测试，不能使用课本、笔记或AI 。 普通聊天组练习时表现更好，独立测试成绩却比对照组低约17%，这是相对差幅。这项研究发表于《美国国家科学院院刊》，测量的是这几轮课程中的短期学习效果。 这个效果并不难理解。你读完一道题的解答，看到下一行，点点头，认为当然应该这样解答。然后把下一行盖住，纸还在，题目也没有变，你却不知道从哪里接上。刚才的顺畅有一部分属于那份解答，你借用了一会儿，把它算在了自己头上。 同一实验里的辅导组，提供了另一种安排。系统接入教师准备的解法与常见错误提示，要求引导学生尝试，避免直接给出完整答案。这组学生在练习时表现同样提高，独立测试时与对照组的差异也不明显。 这组学生的重要性，在于他们没有被要求学习时不用AI 。AI 在，借来的聪明仍在，但是需要他们完成的那部分成长也被留了下来。 现在很多人谈轮判断力，往往忽略了一个前提： 一个人本来会多少，决定了他面对AI 的答案时能看出多少。 但对从学习第一天就面对AI 的后来者、年轻人，我们还得回答另一半：他怎样获得最初那点本事？而不是让有过旧时代训练的人，拿着经验当门票，告诉新人，你来晚了。 把答案暂时留住，让人先试一试，再给恰当的帮助，是一种值得争取的安排。这里的“试”不必被写成苦行。基础薄弱的人需要讲解，卡住的人需要线索；让一个人茫然坐上三小时，跟让他想通一道题，是两件不同的事。 我觉得有意义的是，让一个人能发现自己错在哪里，并有机会把它改过来的过程。哪怕只有一小段，也要有真正属于他的判断，不能从头到尾都只是在确认别人已经做好的选择。 这种安排有时会显得多此一举。既然系统知道答案，为什么还问？既然一键就能完成，为什么还要留下一块空白？ 因为此刻要发生的事情，包括让一个原本不会的人逐渐学会。对完成任务来说可以省掉的步骤，对这个人可能就是任务本身。 一份报告送到客户手上，这项工作的价值已经实现了一部分。同一份报告也可能改变写它的人，让他下次遇见相似问题时，知道多问一句。两份收获可以同时出现，但它们从来都不完全相同。当工具替我们保住第一份，我们不能默认第二份也已经到账。 我们制造一切，唯独不造就人 说到这里，我们暂时把电脑放下，去看一块石头。 十九世纪的英国评论家约翰·罗斯金，在《威尼斯之石》里讨论过哥特式建筑。他关心建筑是否美，也关心参与建造的人被允许做什么。在他那里，一块雕刻的石头还留着另一份记录：工匠有没有被允许思考。 他的例子具体到了手上的动作。一个人按给定的线条切削，沿着弧线雕刻，可以熟练又准确。然后，你请他想一想，这个图案能不能有更好的做法。变化发生了：他停下来，动作迟疑了，很可能第一下就犯错。 只看加工速度，这个人退步了。罗斯金却把开始自行思考的这一刻看得更重。他愿意接受做工里的不完美，因为在那份不完美里，工匠开始有了自己的主意。 在“哥特式的本质”这一章里，他把问题从建筑带到了工业分工，写下这样一句话：“我们制造