最可怕的事来了

今天早上遇到一个既棘手又好笑的问题，我提供产品咨询的一家公司在给客户介绍业务和产品时翻车了。

原因是因为 PPT 中的一处逻辑和数据错误，而造成这次翻车的罪魁祸首就是 AI。

因为，这部分内容和数据引用是负责这个 PPT 的同学用 AI 生成的。

有趣的是，包括他的直属领导、业务负责人、产品总监、以及连公司老板都没发现。

客户在听汇报过程中先是指出了数据错误，然后又发现一个业务逻辑硬伤，搞得现场十分尴尬。

回来后他们进行了深入复盘，并且得出一个结论：可以用 AI，但不能信 AI，人还是最后一道防线。

不知道你们发现没，自从 AI 出现后，知识差和信息差被一定程度上抹平了。

谁都可以用，谁都可以快速获取信息和完成工作。但问题就在于，如何判断？

AI 做得越像真的，你就越容易信它。但它错得也越像对的，你就越难发现。

不具备判断力的人使用 AI，就像在井底向上看天，以为那就是世界的全部。

不知道自己不知道，就是认知边界。

以前拼的是谁知道得多，现在拼的是谁判断得准。

显然，我上面说的那个案例就是典型的「没判断」。他们直接选择了相信，而且无差别执行。

再说一个真相：AI 让获取答案的成本降低了，知道答案的人很多，能判断答案对不对的人很少。

当我们懒得去做「探究答案」和「验证答案」这两件事时，才是 AI 时代最可怕的事。

因为，我们放弃了作为人的竞争力优势，转而成了机器的执行者。

盲目相信 AI，就是把我们的大脑外包给了 AI。

我自己现在是每天用 AI，但是我用和别人用是有区别的。

核心差异在于，我会把方法、要求、限制告诉他，然后再用我的专业能力、思维认知、鉴别能力去识别和判断。

比如，我会借助 AI 来帮我做需求分析和产品规划，也会让它来帮我创作内容脚本。但是，它生成的结果对我来说只是一个高效率的输入，最终的输出关卡还是在我这里。

而且我现在用 AI 有一个原则，在我知识和认知范围外的领域我是不用的，因为我没法判断。

之所以这么做，是因为我了解 AI 大模型背后的技术原理。

简单理解，你可以把大模型当成一个概率机器，它并不是真的理解的意图，也不是真的会做数学题和编程，它只是在一个既定框架下基于训练数据做概率预测。

再举个例子。

完成一个 App 产品的设计有很多个可选路径和流程，每一个环节上都有不同的节点。

如果你完整实践过整个闭环，那你一定知道哪些是重要的、哪些是有用的、哪些需要什么能力。

随着实践密度的提升，你会形成方法，而每一次的反馈会让你不断完善这套方法。

这也是为什么我一直说，方法论是干出来的！

能力 = 方法 ✖️ 实践 ✖️ 反馈

AI 输出的内容，语气自信、逻辑流畅、看起来很专业，但它也可能在一本正经地胡说八道。

如果你没有判断力，你甚至不知道自己被骗了。

判断力，就是 AI 时代的「信息免疫系统」。

按照上面的能力公式，我们的判断力也是来源于方法、实践、反馈，我在产品判断力上的沉淀就是这三者的结合。

如果我做产品的实践密度不够质量不高，如果我做产品不形成方法，如果我做产品不获得反馈，那我就无法沉淀那些被验证过且可复用的能力。

这也是为什么很多同学参加完我的产品训练营回去后再用 AI 提效，发现就是原地起飞的原因。

AI 知道的一定比我们多，但是我们如何去判断它提供的结果是否正确以及改如何应用，依旧是作为人的核心竞争力。

AI让获取答案变得简单，却让判断答案变得更难。

别让 AI 替代你去思考，否则有一天你会忘了如何思考，那也是最可怕的事情。

那么，如何提升判断力呢？分享 4 个我正在用的方法。

第一，先实践，再问 AI。

能最大化发挥 AI 能力的人，一定是本身就有方法、有高密度实践、在反馈中迭代过方法的人。

先自己动手，获得一线体感，然后再问 AI，让它帮你扩充信息量并提供结构化框架。

第二，建立自己的判断框架。

在某个领域深耕，形成自己的评判标准，这依旧是一条必走的路。

我之所以要给公司当产品顾问，最主要的目的不是赚钱，而是给自己提供一个真实的实践环境，目的是完善和迭代我的能力和方法。

按照目前的 AI 能力，你把它给一个小白，无法让一个小白瞬间变成高手。

但是，你把 AI 给一个高手，那高手确实能很快变成顶尖高手。

区别就在于，高手有自己的判断框架，这是通过方法、实践、反馈积累起来的个人能力。

第三，学会用 AI 过程中的反向验证方法。

什么意思呢？

AI 给你一个答案后，你故意反着问它。

比如，AI说「应该这样做」，你就问「为什么不能那样做」。或者直接问「这个建议有什么局限性？可能在什么情况下不适用？」。

另外，AI 的答案往往是「最大公约数」，不一定适合你的具体情况。

如果用反向验证法去追问，就可以尽可能往你的个性领域去引导，而且你的反问其实也是在补充自己在判断力上的缺失。

至少，提问总比获得答案更容易。

当然，提问本身也是一项很重要的能力。

第四，建立自己的「判断日志」。

其实，这也是我构建自己方法体系的一个方法。说白了，就是构建方法的方法。

每次做重要判断时，记录一下「我当时怎么判断的？依据是什么？后来结果如何？」。

还有一点很重要，定期回顾，看看自己的判断准确率。

说实话，这一招很有效。

大多数人做完判断就忘了，不知道自己判断准不准，所以没法把最佳表现固定下来，其实挺浪费的。

记录+复盘，才能让判断力真正提升。

写在最后。

现在，人人都在谈如何用好 AI，这的确是趋势。

但我想说，比用好 AI 更重要的，是别被 AI 用了。

保持你的判断力，保持你的识别力，保持你动手实践的习惯。这些东西看起来很笨，但恰恰是 AI 替代不了的。

工具会一直迭代，但用工具的人，才是真正的变量。

实践出真知，这句老话在 AI 时代反而更值钱了。

菲尔兹奖得主陶哲轩说：AI 最危险的地方，不是它不会，而是它错得太像对了。

················· 唐韧出品 ·················

安可时刻

1 月份又是忙到起飞的节奏，这周末去成都，举办成都线下聚会和产品训练营。

下周受邀去腾讯成都总部参观，然后直接飞深圳开第一期 AI 个体户计划两天课程。

再下周就飞上海，同样是第一期 AI 个体户课程，带一批人先掌握 AI 能力完成个人商业模式打造。

整个 1 月我只有一个周末有休息，忙完这一阵我就准备提前放假了。

只工作不上班的第 7 年，继续迭代！

PS：今天我的 AI 摄影师给我「拍了」一张工作照，各方面细节都拿捏到位了，这张照片的提示词有 300 字。