最近大家聊 AI 时，话题发生了变化。

前两年问得最多的是：它会不会写文章、画图、写代码？现在基本不用争了。它不但会，而且一天比一天做得快。过去要折腾半天的事，现在扔给 AI，去倒杯水，回来可能就有了。

于是一个值得深思的问题出现了：如果 AI 什么都会做，人还需要做什么？

写周报，让 AI 整理；开会，让 AI 记重点；做项目，让 AI 拆需求、写代码、做页面。能交出去的事越来越多，当然省时间。我自己也是这么干的，能交给 AI 完成的事，没必要自己亲力亲为。

可用久了会产生一种疑惑感：AI 给了你一份看起来很完整的答案，你却不知道它到底对不对。

代码能运行，但边界条件可能漏了；行业分析结构清楚、数据很多，里面却可能混着过时信息；文章句句通顺，读完又觉得哪里不对劲。

这时候，问题已经不是“AI 会不会做”，而是我们能否对 AI 给出的答案作出正确判断，或者说，它能否达到交付标准。

我以前觉得，使用 AI 最重要的能力是会写提示词。现在再看，会写提示词只是第一层。更难的是拿到答案以后，能否看出其中的问题，并让 AI 重新调整。

这个判断没法靠一句万能提示词补上。你需要清楚这项工作的目标、基本逻辑和验收标准，否则就算 AI 给出了答案，也很难判断它究竟能不能用。AI 越强，人越不能变成一个只会点“接受”的人。

所以我越来越觉得，AI 时代真正稀缺的，是下面四件事。

第一，知道什么值得做。

AI 能把一个想法拆成几十项任务，却不会替你判断这些任务是否值得完成。方向错了，执行越快，只会越快地把时间和钱花完。

第二，判断结果靠不靠谱。

不只是检查事实错误，还要看它省略了什么、用了什么前提，有没有把不确定的事说得太肯定。AI 的表达越完整，我们反而越容易放松警惕。

第三，保留自己的偏好。

当工具可以批量产出“平均正确”的内容时，一个人明确地知道自己喜欢什么、不喜欢什么，反而很重要。没有偏好，就只能接受默认值。文章越来越像，产品越来越像，最后连观点也差不多。

第四，负责。

AI 可以给建议，但不会替你承担后果。代码上线出了事故，不能说是模型写的；文章用了假数据，也不能怪它一本正经。最后按下按钮的还是你自己。

这并不是说以后还要坚持所有事情亲手做。真要这样，多少有点跟洗衣机较劲的意思。

AI 会带走很多我们反复训练过的技能，其中一些失去就失去了，没必要都怀念。但工具替我们省下来的时间，最后拿去做什么，决定了它是在增强人，还是慢慢掏空人。

AI 能帮我们更快地得到答案，却不会自动告诉我们该相信什么、该选择什么，更不会替我们承担选择之后的结果。哪些答案可以直接采用，哪些内容必须重新核对，哪些决定不能交给 AI，最后都要由我们自己判断。既然享受了 AI 带来的效率，也要对最终交付的结果负责。

这些能力以前也重要，只是以前忙着干活，没那么显眼。

当越来越多具体工作可以交给 AI，人需要做的就不再只是亲手完成每一步，而是明确目标、检查结果、作出选择并承担责任。这些过去容易被忽略的能力，正在变得越来越重要。