别追天才！《引爆点》作者直言：AI 金矿在最弱 20 %

全文 3,000字 | 阅读约 10 分钟

（Malcolm Gladwell访谈精彩片段）

拉斯维加斯 Bellagio 酒店，Info-Tech LIVE 大会现场。

《引爆点》作者、“一万小时定律”提出者Malcolm Gladwell（马尔科姆·格拉德威尔）只用 30 秒，就把全场注意力从“卷模型”“拼天才”拉回了最容易被忽视的地方：

We grew up in a strong-link world. We’re now in a weak-link world, and AI is giving us a golden opportunity.—— “我们成长于强链世界，如今却已步入弱链时代，而 AI 带来了难得的机会。”

换句话说，决定一支队伍上限的，不是明星工程师，而是最弱 20% 的短板：流程盲区、数据短板、技能断层。

为什么这句话，对企业管理者尤为扎心？

• AI 投得多，用得少。2025 年麦肯锡报告显示，几乎所有企业都在投资AI，但仅 1% 认为"成熟落地"——瓶颈从来不在模型，而在流程最后一公里。

• 头部同质，尾部失衡。当算法、算力、资源逐渐趋同，谁率先补上最弱 20%，谁就能整体抬高行业平均线。

• 组织竞争正在反转逻辑。不是最强决定胜负，而是最弱决定整体水平。

这一篇文章，将基于 Gladwell 的访谈内容，拆解 AI 时代的“最弱一环”：

• 为什么别追天才，机会反而藏在最弱岗位？

• AI 怎么帮“新手”和“菜鸟”，成了最友好的学习搭子？

• 人类凭什么不可替代？AI 会说话，但讲不好故事。

• 哪些环节最先用上 AI？IBM 工厂的答案超出想象。

现在，是时候把目光从模型参数，移向你组织里最不起眼的那个部分。

真正的 AI 金矿，就埋在那里。

第一节｜金矿在底部：AI 强者游戏的误区

“我们一直活在一个强者决定上限的时代，但 AI 让我们可以认真思考：是不是‘最差的人’才决定团队真正的水平？”

在访谈中，《引爆点》作者Malcolm Gladwell给出这个洞察，接着他说：

AI 最有前景的应用场景，不是创造，而是强化薄弱环节。 如果你从这个角度去看，它的价值是压倒性的。

他举了一个最容易被忽略的视角：如果我们把发达国家排除在外，只看落后地区，所有关于 AI 的争论就变得非常简单了。

比如，在非洲或南美部署一套农业 AI 系统，能帮助农民预测天气、判断种子、决定何时施肥——这些原本是没几个人能做好的事情。现在 AI 能力一接入，人与人差距立刻被缩小。

企业也是如此——不是用 AI 给专家锦上添花，而是把不具备专业能力的人，拉到能上手的水平。

而当主持人试图回到“AI 会不会取代人类”的传统老话题时，Gladwell 的回答更直接：

“比如助理。我们可以用 AI 替代助理，也可以用 AI 让助理变得更优秀。后者才是真正值得做的事。但‘只看效率’的诱惑，永远会让人选错方向。”

他没有谈模型多强、参数多大，而是反复强调一件事：AI 的真正价值，不在天才身上，而在底部 20% 的“做不好的人”那里。

我们从他给出的几个场景提炼出一种共性：

这不只是提升能力上限，更是托住能力下限。

组织真正的 AI 落地机会，不是高水平的人有了新帮手，而是让零基础的人也能入门了。

强者决定一切，但最弱的那一环，才决定组织能走多远。

第二节｜在 AI 面前，你可以大胆当“小白”

“我记得互联网早期有一句名言：‘没人知道你是条狗。’

现在，AI 时代的版本是：‘没人知道你其实不会。’”

这是 Gladwell 在访谈里说的一句话，听起来像玩笑，但背后是一条极深的认知洞察：

AI 不只是工具，它是一个安全屋—— 让你敢问、敢学、不丢人。

很多时候，人们不是不想学，而是怕自己显得很笨。特别是在医生、律师、老师这类高门槛职业面前，很多人因为‘听不懂’而默认知道，从不发问。

他指出：在人类社会中，有一种长期存在但很难解决的尴尬——那些知识不足的人，往往不敢提问，也不愿暴露自己的无知。

尤其是你面对一个真正专业的人，比如分析师、税务顾问、工程师时， 你心里往往是：“我是不是显得太外行了？”“这个问题会不会很蠢？”

而 AI 改变了这一点。

你可以对 AI 问任何问题。它不会笑你，不会嫌你问多了。它是你走进现实世界前，最安全、最友好的练习对象。

这就是它真正的价值——让问问题不再难，让学习更有劲。

举个更具体的例子：

Gladwell 提到医学场景时说：今天的医生比 25 年前要懂得多太多了，但患者并没有同步成长，也不敢问。如果 AI 能让他们提前准备好问题、理解基础概念、进行模拟决策，那他们就能和医生进行更对等的对话。

这不是让病人变成医生，是让不知道怎么问的人，变成会问问题的人。

这在很多场景都成立：

AI 提供的是一个“心理安全区”。

这也正是 Gladwell 想表达的：AI 真正重要的能力，是在‘你还不会的时候’，让你不再怕自己显得不会。

这句听起来简单，却击中无数个人的现实困境。

真正的问题往往不是太难，而是在组织中没有一个能放心试错的地方。

而 AI，就在这里，拉了人一把。但别误会，AI 能弥补“不会”，不代表它能替代“灵感”。

第三节｜AI 会说话，但还不会写故事

AI 当然可以模仿回复的内容，但它无法知道我们为什么选择这种讲法。

在现场，Gladwell 用两个简单例子，精准划出了 AI 与人类在创造力上的鸿沟。

第一例，是音乐创作。

Gladwell 说，他曾与著名歌手 Paul Simon（《寂静之声》创作者）讨论过：

“Paul 说，他有一首著名的歌《带我去狂欢节》，结合了四到五种不同的音乐传统：哈莱姆福音歌手、阿拉巴马R&B、新奥尔良行进乐队、加勒比海节奏—— 一个纽约白人犹太人，把这些完全不同的音乐世界融合在一起。”

这就是创作的本质：你不能通过分析过去的曲库数据，预测出那首歌会怎么写出来。那是人的随机性、联想力和文化经验混在一起的结果。

而这，正是 AI 很难学习的地方。

第二例，是写作动机。

当主持人问到 AI 是否能够预测他的写作选题时，Gladwell 举了一个具体例子：朋友发给他一篇研究论文，分析休斯顿太空人队作弊却没占到便宜的现象。从商业角度看，这个题材没有大人物、没有悬疑线、也没有政治隐喻，按常理说很难吸引读者。

但他就是被这种荒诞现象吸引，决定把它储存起来作为写作素材。他说：如果你用语言模型去预测我会写什么，这种题材根本不会出现。偏偏是这样看似平凡的故事，一旦被 Gladwell 式的洞察力重新包装，往往能让读者产生深层共鸣——'这就是我生活中的某种挣扎。'

AI 可以写出流畅的文章，但生成不了出人意料的好点子。它能学会套路，却学不会一个人的人生阅历。

从 Paul Simon 的音乐到 Gladwell 的写作，这两位顶级创作者的共识是：

• AI 擅长总结经验，不擅长产生异想；

• AI 擅长预测趋势，不擅长打破常规；

• AI 可以把已有东西讲得更好，但无法决定“该讲什么”。

而这刚刚是人类的特有优势：创造全新的东西、从平凡中挖出不平凡、把看似杂乱的信息连成故事。

真正动人的创作，不是套公式，而是找到了别人没注意到的那个角度。

第四节｜AI 的实际落地，都在“最蠢的流程点”

人类擅长讲故事，AI 擅长跑流程。 真正的落地，也正是从这些“常规环节”开始。

在接下来与 IBM 高管的对话中，Gladwell 问了一个很直接的问题：你们最早在哪些地方使用 AI？

IBM 的回答更直接：不是在研发中心，也不是高层会议室。是客服后台，是日志排查，是那些没人愿意碰、也没人看得见的流程环节。

案例一：30% 故障处理时间被缩短

IBM 现场分享了一个典型应用：过去，一个工厂服务器出问题，要靠人工翻查上百页日志、对比配置、定位报错。

而现在：

“AI 可以秒读这些日志、提取异常字段，并列出可能的出错节点。 一些原本要查两三个小时的问题，现在 20 分钟就能搞定。”

这个流程没有创新、没有决策、也没有高难度。但就是靠 AI 的“看得快”“记得多”，提升了30% 的平均处理速度。

你发现了吗？真相是最琐碎、最没人管的地方，最先被 AI 接管了。

案例二：客服对话生成器节省 50% 处理成本

另一个例子是客服对话流程。

IBM 表示，在许多 B2B 场景中，客户发来的问题其实都很像：

• 登录不了；

• 邮件收不到；

• 模板找不到；

但过去这些问题，每一个都需要人工客服逐条处理。

AI 落地后：我们让模型生成一版‘客服草稿’，让人工快速二次确认即可发出。并不是完全交给 AI 回答，但每条响应都让员工从“要绞尽脑汁想” 变成了“照着改改”就行。

效果是：客服人手没变，接待量翻倍，成本砍半。

我们总是喜欢问：AI 会不会取代设计师？取代写作者？取代 CEO？但真正的问题是：AI 正在不声不响地替你干你不想干的事，你却没发现。

从自动邮件、格式规范，到数据校验、内容润色——当下 AI 正在替代的，不是创意工作，而是重复的机械劳动。

而这也正好回应了 Gladwell 在整场对谈里最想表达的：

AI 的金矿，不在最强 1%，而在最弱 20%。

那些你以为没人注意、没人想优化的繁琐流程，恰恰是 AI 最先渗透、最容易落地、也最能释放价值的地方。

结语｜真正的红利，从来不在“天才聚集区”

Malcolm Gladwell 觉得：

AI 的真正价值不在精英阵地，而在那些被忽视的基础环节。

这不是一句评论，而是一条路径。

AI 的力量，不一定体现在天才的爆发，而是日常流程的改变、最普通岗位的提效。

它不是立即颠覆精英工作，而是先悄悄渗透到那些看似最简单的地方：客户服务、日常对话、重复判断——这些才是 AI 迅速见效的领域。

Gladwell 强调，那些被忽视的 20%，往往才是红利最多的部分。

因为那里简单，也就没人愿意关注。

我们不必总是追赶最前沿的突破，也不需要想着和顶尖人才比拼创造力。真正的机会，是看清 AI 能做什么、做不到什么，然后占据还没人深入的蓝海。

这是 Gladwell 给出的最实用提醒——

别追天才，盯住 AI 还没开始替代的“盲区”。

本文由AI深度研究院出品，内容基于 Malcolm Gladwell 在 2025 年 Info-Tech LIVE 大会与 IBM 高管访谈翻译整理。未经授权，不得转载。

星标公众号， 点这里 1. 点击右上角 2. 点击"设为星标" ← AI深度研究员 ⋮ ← 设为星标

https://www.youtube.com/watch?v=9TLMSTRvr1Y&t=397s&ab_channel=Info-TechResearchGroup

https://www.linkedin.com/posts/info-tech-research-group_ai-infotechlive-malcolmgladwell-activity-7338347485502873602-H-sd

https://www.linkedin.com/posts/info-tech-research-group_infotechlive-activity-7338680966539812864-XlK6

https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work

来源：官方媒体/网络新闻，

排版：Atlas

编辑：深思

主编：图灵