第一批深度使用AI的人，正在被AI去技能化

有一位做了25年软件开发的软件顾问，决定做一个实验。

最近，Business Insider报道了他的经历：他让 AI 帮自己开发一款应用，从搭框架到生成功能，几乎都交给了聊天机器人处理。最开始，那种感觉近乎魔法。几分钟，一个功能就出来了；一小时，一个模块就成形了。进展快得惊人，仿佛软件开发从一项需要长年训练的复杂手艺，突然变成了一种“会描述需求就行”的工作。

可几周之后，问题开始出现。随着代码库膨胀到 10 万行，沟通成本迅速上升，返工越来越多，修 bug 变成一场没完没了的拉扯。更微妙的变化，发生在他准备重新亲自上手的时候。

他原以为，只要自己重新接管，凭着二十多年的经验，很快就能找回熟悉的节奏。结果却不是这样。代码摆在面前，他当然看得懂，也知道该怎么改，可真正开始动手时，每一步都多了一点犹豫。他后来形容那种感觉，就像很久没碰球杆的人重新站上高尔夫球场：“我的挥杆动作不对了。”

这句话值得反复咂摸。

因为它触碰到的是 AI 时代一种极其隐蔽、又越来越普遍的风险：AI 未必立刻让你失业，但它可能先让你失去“本来会做这件事”的那种手感、判断和笃定。你看起来更高效了，产出也更多了，可真正支撑这些产出的能力，却可能在悄悄变薄。

这就是今天越来越多人开始讨论的一个词：去技能化。第一批深度使用AI的专业人士，正在被AI卸下技能，那种肌肉记忆和感觉都在变弱。但是，对外行和新人来说，威胁则更加深远。

一、AI 最大的风险，不是替代你，而是削弱你

过去几年，关于 AI 的讨论大多围绕一个问题：它会不会取代人类工作。可比“取代”更早发生的，往往是“削弱”。

不久前，我们分享过《大西洋月刊》在2025年10月发表的长文，其中提出了一个关键判断：AI 带来的问题，并不只是某一项职业是否会被自动化，而是新技术正在改变人形成能力、维持能力和理解世界的方式。

这篇文章说的是，所谓去技能化，并不总是指“突然不会了”。更多时候，它意味着一种更缓慢、更不易察觉的变化：你依然能完成任务，但熟练度在下降；你依然能产出结果，但对过程越来越陌生；你依然能说得头头是道，但真正需要独立判断时，心里开始发虚。

这也是为什么很多人最近会产生一种很怪的感受：工作更快了，但人更空了。

原因并不复杂。AI 擅长给出流畅、完整、看起来很专业的答案，而人类又天然容易把“拿到答案”误认为“掌握能力”。

你让 AI 总结一篇文章，写一份报告，搭一个代码框架，生成一套分析思路，结果似乎都还不错。久而久之，我们开始默认：既然我能调动这些结果，那它们在某种意义上也“属于我的能力”。

可这恰恰是一种危险的错觉。

真正的能力，不只体现在最后那份看起来像样的结果上，更体现在一个人有没有经历过困惑、试错、拆解、推演、反驳、修正这些过程。很多技能，尤其是认知技能，并不是“知道答案”就能获得的，而是在反复练习中，把一种思考路径、一种判断习惯、一种应对复杂情况的感觉，慢慢长进自己身上。

AI 的方便之处，也正是它的风险所在：它不只是替你省力，很多时候，它把这些本该由你亲自完成的训练环节，也一并替你跳过了。

于是，一个悖论出现了：我们越依赖AI提升表现，就越可能削弱真正产生表现的能力。

二、短视频切碎注意力，AI 接管思考

如果说AI造成的是“去技能化”，那么更大的背景，其实是更早已经发生的“认知前滩化”。

昨天，《纽约时报》刊发了计算机科学家 Cal Newport 卡尔·纽波特的评论文章《There’s a Good Reason You Can’t Concentrate》。这位《Deep Work》《深度工作》的作者提出了一个更尖锐的判断：今天的问题，已经不只是我们找不到时间深度思考，而是我们正在迅速失去深度思考本身的能力。

这可以说是显而易见，但并不容易解决。

过去十几年，智能手机、社交媒体、即时消息和短视频平台共同塑造了一种新的注意力环境。人的认知系统被不断训练去适应更短、更快、更密集的刺激：几秒一个切换，几十秒一个高潮，信息必须足够轻、足够快、足够上头，否则就会被手指划走。

卡尔·纽波特引用的研究显示，人类注意力持续时间已经显著缩短；手机哪怕只是静静放在旁边，也会削弱专注表现；短视频消费与更差的认知能力和更低的注意力水平之间，存在明确关联。他用了一个极形象的比喻：TikTok 之于大脑，就像多力多滋之于身体，是一种“超加工内容”。它高度可口，高度上瘾，却几乎没有真正的营养。

而生成式 AI 的出现，并没有扭转这种趋势，反而把它推进到了下一阶段。

短视频和社交媒体，主要是把人的注意力切碎；生成式 AI 则进一步提供了一种更体面、更像“工作”的逃避方式。面对空白页太难？让 AI 先写个初稿。看资料太累？让 AI 先总结。做推演太费脑？让 AI 先列框架。难题本来需要你咬着牙一点点拆，现在只要写个 prompt，系统就替你把“像样的结果”端上来了。

问题是，人并不会因为“看见了一份像样的结果”，就自动获得相应的思考能力。相反，越是习惯于这种方式，越难忍受真正的慢思考，越难忍受独立阅读、独立写作、独立组织逻辑带来的阻力。

数字技术先把我们推向浅水区，AI再让我们误以为，自己已经学会了游泳。

三、真正被侵蚀的，不是手艺，而是判断力

当然，去技能化并不总是坏事。

《大西洋月刊》那篇文章有一个很重要的提醒：从长时段看，人类文明本来就是在不断把一部分能力外包给工具。文字削弱了口头记忆，却催生了历史、法学和科学。

计算器削弱了心算，却让更多人能处理复杂计算。卫星导航替代了观星定位，可靠的发动机替代了许多机械维修常识。并不是每一项技能的消失，都值得哀悼。

真正值得警惕的，不是某种机械手艺的退场，而是那些更核心的能力也开始一起被外包：判断真假、辨别轻重、处理复杂性、承受模糊、形成自己的理解。

这才是 AI 时代最要命的地方。

因为生成式 AI 最强的能力之一，就是制造“看起来很合理”的东西。它会写出流畅的段落，给出完整的结构，生成似是而非却足够唬人的分析，让人误把“表达得很顺”当成“理解得很深”。一个不具备足够判断力的人，很容易被这种流畅性催眠。

所以，未来真正稀缺的能力，很可能不再只是“能不能生产内容”，而是“能不能对内容负责”。你能不能看出一段话虽然顺，但空；一份报告虽然整齐，但浅；一段代码虽然跑得起来，但结构有问题；一个分析虽然漂亮，但关键前提就是错的。

换句话说，AI时代的高价值能力，正在从“生产第一稿”转向“审查第一稿”，从“亲手完成全部”转向“为结果承担判断责任”。

但这里有一个残酷的前提：只有本来就有基本功的人，才有资格谈“监督AI”。

不会写的人，很难真正修改 AI 的文字；不懂研究的人，很难发现 AI 总结时遗漏了什么；不懂代码的人，也不可能真正判断一段 AI 生成的程序到底稳不稳。没有基础的人，并不是在“与 AI 协作”，而是在把自己的判断权交出去。

所以，AI时代真正稀缺的，不是会不会用工具，而是有没有能力在工具面前保持清醒，不被工具反噬和吞没。

四、最危险的一代，可能是从未建立“基线”的新人

这也是为什么，去技能化对年轻人和初入职场者的威胁尤其大。

Business Insider的报道里，研究者反复强调一个词：baseline，基线。也就是，一个人在没有AI帮助时，本来就具备的基本能力水平。

很多今天的资深从业者，哪怕再依赖 AI，至少也有过一段没有 AI 的训练期。他们写过笨拙的初稿，做过低效率的检索，熬过独立思考的痛苦阶段，知道一个完整的专业判断到底是怎么长出来的。即便能力生疏了，那条路他们毕竟走过。

真正危险的，是那些从一开始就被 AI 包围的人。

对于新人来说，初级岗位和基础训练从来都不只是“做点简单活儿”而已。它的真正意义，是让人学会如何拆解混乱的问题，如何承受犯错，如何在被质疑时为自己的思路辩护，如何在一堆不完整的信息里慢慢形成判断。

一个人真正的职业感觉，往往不是在做高光任务时长出来的，而是在这些看似低级、实际极其重要的重复练习里长出来的。

可如果这一层，被 AI 提前吞掉了呢？

当阅读可以外包，写作可以外包，资料整理可以外包，代码初稿可以外包，连“第一步该怎么想”都可以外包时，就会出现一种很奇怪的人：看起来效率很高，表达很流畅，提交物也很漂亮，但一旦脱离工具，就失去支撑。表面是熟练，内里是空心。

更糟的是，很多组织还在奖励这种表面效率。一些企业已经把 AI 使用频率纳入绩效，鼓励员工更快地产出更多内容。短期看，这当然漂亮：速度更快，成本更低，文档更多，会议纪要更全，汇报材料更整齐。

可长期看，一个组织真正的能力储备，也许正在被悄悄掏空。系统顺利运转时看不出来，一旦模型出错、环境变化、规则失效，才会发现，真正能独立接住问题的人，已经越来越少了。

五、我们会不会慢慢变成“机器的机器”？

关于去技能化，最深的一层担忧，并不是职业技能退化，而是所谓“构成性去技能化”：那些最根本地构成人之为人的能力，也开始被慢慢侵蚀。

这听上去很抽象，其实并不难理解。

技术改变的，从来不只是效率，还会改变人的感觉、身份和生活质地。数字先知麦克卢汉就曾提出，新的媒介技术会改变人类“感官的比率”。也就是说，它会重新安排我们的注意力如何分配、感知如何展开、理解世界时优先依赖哪一种能力。某种感官被放大，另一些感官就会被压缩；某种经验被强化，另一些经验就会被边缘化。

这句话放到今天，有一种预言般的准确。短视频强化了即时刺激，削弱了耐心；社交媒体放大了反应速度，压缩了沉思空间；生成式 AI 则进一步改变了我们处理语言、组织思想和形成判断的方式。

我们越来越擅长快速提问、快速调用、快速生成，却越来越不习惯迟疑、咀嚼、推敲和独立完成一段完整的思考。技术没有拿走我们的全部能力，但它正在重新配置这些能力的比重。

这也意味着，AI 对人的影响，远不只是“帮你完成了一项任务”这么简单。它还在悄悄重塑一种新的认知结构：什么样的表达更容易被接受，什么样的思路更值得保留，什么样的语言更“像答案”，什么样的停顿又显得多余。

久而久之，人会越来越倾向于按机器擅长的方式表达自己，也越来越倾向于按照系统偏好的节奏来理解世界。

法国哲学家让-保罗·萨特曾担心，人会不会变成“机器的机器”。这句话放在今天，忽然有了新的现实感。

它并不是说，人会像科幻电影里那样，被一台超级智能直接统治。更真实的风险是，我们在追求便利、效率和顺滑的过程中，越来越主动地按机器的要求来调整自己。

我们学会了如何让系统更容易理解自己，却忘了如何更深入地理解世界；我们越来越会写机器喜欢的 prompt，却越来越不会写真正属于自己的句子；我们越来越擅长用流畅的套话填满文档，却越来越少经历那种艰难但诚实的推敲时刻。

长此以往，人的判断力、想象力、共情能力、语言感觉、对意义和分寸的把握，都可能在不知不觉中变薄。

失去这些东西，不会像机器故障那样轰然作响。它更像是一种安静的塌陷：谈话变浅了，表达变空了，复杂问题越来越让人不耐烦，模糊和不确定越来越难以承受，连寻找一个准确词语的耐心都在消失。

这也许才是 AI 时代最值得担心的后果。

六、走出浅滩人生，拒绝被AI抚平

说到这里，并不是要反对 AI。

AI 在很多场景里都有非常明确的价值。处理重复劳动、筛查海量材料、修复格式错误、辅助信息提取，这些都可能实实在在节省时间，提高效率。问题从来不在于“要不要用 AI”，而在于：我们究竟把它用在什么地方，又把什么东西留给自己。

卡尔·纽波特有一个重要判断：真正危险的，是那些主要用来让核心任务“变得没那么费脑子”的 AI 用法。因为恰恰是那些费脑子的部分，构成了一个人的认知肌肉。写作不是麻烦，而是训练；阅读不是前置步骤，而是思考本身；独立组织论证，不是低效，而是能力形成的过程。

所以，AI 时代真正的自救，也许不是学更多技巧，而是重新建立一套“认知卫生”观念：哪些内容要少吃，哪些能力要刻意练，哪些时刻必须拒绝把自己的大脑外包出去。

我们也许需要像对待身体健康那样，重新对待认知健康。少吃“数字垃圾食品”，保留不被打断的时间，重新练习深度阅读，给自己留出独立写作和独立思考的空间。在组织里，也许需要有意识地建立“无 AI 训练场”，让人定期在没有辅助的情况下处理问题，确认自己的判断能力并没有在顺滑的自动化流程中慢慢退化。

因为，未来人与人的差距，未必首先体现在谁更会写 prompt，谁更早接入模型，谁更快实现自动化。

真正的分水岭可能是：谁还能在这个越来越顺滑、越来越替你完成一切的时代，保住那些缓慢、费力、却不可替代的能力，如专注，判断，阅读，写作，独立思考。

所以，走出浅滩人生，不是拒绝 AI，而是不让自己只活在那些被算法抚平、被模型代劳、被效率逻辑彻底统治的区域里。我们仍然需要主动走向那些有挑战的任务，走向那些需要专注、判断和耐心的时刻。

只有在那里，人才能重新长出自己的厚度。【懂】

欢迎加入经叔的知识星球。在这里，我们拒绝无用的焦虑，只谈底层的逻辑与实战的干货。我会结合最新的AI前沿动态、深度的商业创新分析（如一人企业的构建）和独特的文化思潮（如麦克卢汉的媒介洞察），帮助大家把握时间窗口。

欢迎订阅不懂经知识星球，星球即将涨价。

我是不懂经的经叔，国内最早翻译介绍了纳瓦尔的《如何不靠运气获得财务自由》，以及影响了纳瓦尔、中本聪、马斯克等大佬的《主权个人》。

不懂经知识星球，众多百万粉丝大V、千万及亿万富翁订阅。专注分享一人企业、一人创投主题，关键词：AI、IP、创投、科技及商业前沿的高杠杆内容。

愈懂愈自由