AI 时代我们究竟在追赶什么
AI 带来的变化，最先表现为一种兴奋：过去做不了的事情，现在可以试了；过去需要花很长时间才能掌握的操作，现在能够在提示和反馈中完成。写作、设计、编程、整理资料，越来越多工作开始有了新的完成方式。
紧接着，兴奋里又混入了一种不安。
我们刚学会一种方法，工具就更新了；刚做出一个过去需要多人配合的作品，就发现别人也能做出来。曾经值得写进简历的能力，可能正在成为软件默认提供的功能。
眼前的产出更多了，我们却越来越无法确定，自己脚下究竟是坚实的土地，还是一片随波漂流的浮萍。
这种感受不只属于技术从业者。Pew Research Center 在 2026 年 9 月发布了一项调查。调查覆盖了 37 个国家。其中有 34 个国家，担心 AI 会减少工作机会的人，比期待它创造更多岗位的人更多。这是人们对未来二十年的预期，也反映了广泛的就业焦虑。调查报告
不过，工作受到影响，也不等于岗位一定会消失。国际劳工组织与 NASK 在 2025 年的研究中指出，很多工作仍然需要人参与，AI 更可能改变工作的内容，而不是让整个岗位消失。研究说明
但“工作转型”也不能让人真正安心。恰恰是这种不确定，让我们不知道自己积累的东西还能保值多久，也不知道新的要求会是什么。
社交媒体又给这种焦虑添了一层催促。有人展示更高的收入，有人宣布一个人就能经营公司，有人告诉你，错过这一轮就再也没有机会。你刚为自己完成一件事高兴，下一条信息就提醒你，别人已经走得更远。
在这种不断抬高期待的叙事里，现实中的生活，与我们觉得自己“本该拥有”的生活之间，总有一段距离。
焦虑也因此成了一门生意：一门课程、一套方法、一款工具，都可以被包装成通往更好生活的捷径。当我们把希望寄托在这些承诺上，学习和尝试就很容易变成下一轮追赶。而 AI 又让这种追赶显得更加紧迫。
于是，一个问题越来越难回避：当过去的能力不再那么稀缺，我们应该怎样继续积累，才能不把时间花在下一轮迅速过时的努力上？
几种看起来可靠的出路
面对这种变化，很容易想到几种答案。它们各自都有道理，但如果把它们当作能够长期消除焦虑的保证，就会遇到问题。
一种是守住原来的手艺，继续把它磨得更好。
热爱一门手艺，与市场愿意为它付费，是两件事。以编程为例，用户首先关心的是软件能否可靠地解决问题，以及价格和交付时间是否合适，未必愿意为更漂亮的代码买单。
打个比方，很多场景需要的是“80%的质量、1000%的效率”：质量足以满足需要，同时交付更快、成本更低。如果你追求的是额外的精巧、风格与手工打磨，你制作的就更接近手工艺品，需要找到愿意为它付费的买家。
更深的专业能力也未必是护城河。短跑运动员再怎样训练，也跑不过汽车。如果AI正在改变一项工作的完成方式，继续精进旧技能，可能让我们领先于同行，却未必能保住这门技能原来的市场价值。
另一种是更早掌握新工具，始终比别人熟练一点。
熟悉工具能带来暂时的优势，但AI工具也在不断变得更容易使用。昨天需要反复配置、精心组织提示的操作，明天可能已经变成普通人开箱即用的功能。
AI更像一件仙家的法器：普通人借助它，也可能在某些任务上超越专家。但法器的威力不等于持有者的修为。换一个更强的模型，我们就能做出更好的结果，增长的可能只是 AI 的能力。如果把借助工具获得的产出，当成自己已经掌握的本领，就很容易误判自己的能力。
还有一种是趁现在做得快，尽可能增加产出。
多写文章、多做产品、多生成方案，看起来总能提高碰到机会的概率。但生产门槛降低以后，读者的注意力、用户的信任和真实需求，并不会按同样的速度增长。
一个作品能够被做出来，只说明制作环节已经完成。它为什么值得存在，谁愿意使用，出了问题由谁处理，仍然需要回答。大量产出甚至可能增加维护和筛选的负担，让人更加忙碌。
这些做法都可以服务于一个具体目标。它们不足以成为出路，是因为我们很容易只计算“我又学会了什么”“我又做出了什么”，却没有检查这些变化是否留下了持续的价值。
把使用AI的过程变成自己的积累
最近看到《跳出 AI 的中等收入陷阱》讨论了判断力和品味，也谈到用户、渠道等长期积累。我认同这个方向：工具在变化，我们仍然需要知道，在具体情境中怎样作出决定，怎样辨别结果的好坏。
这也是我与AI协作时一直在做的事情。写作、设计、整理材料，表面上是在完成不同任务，实际上经常涉及相同的动作：把标准说明白，比较候选方案，指出问题，再根据结果修改自己的理解。
不过，反复使用并不自动等于反复学习。如果每次都只是接受第一个看起来合理的答案，我们可能完成了任务，却没有增加对问题的理解。
我觉得可以把这个过程做得更具体一些。
判断之前先留下自己的预期
遇到重要选择时，先说明自己想解决什么，准备采用什么办法，以及预期会出现什么结果，再让AI提出意见。
例如，准备调整一篇文章的开头，可以先判断：“读者还不知道这个问题为什么与他有关，所以需要一个能让他进入情境的例子。”之后再比较新旧版本，看那个例子是否真的承担了这个作用。
这样做，讨论就有了能够被检验的对象。AI如果提出不同意见，也可以回到目标和证据上讨论，而不必在两个听起来都很有道理的说法之间摇摆。
一个重要项目也可以留下三行记录：预期结果是什么，什么反馈支持继续，什么情况需要调整。记录的作用，是防止看到结果之后，再悄悄修改原来的预期。
比较结果时说明理由
训练品味，需要接触好的作品，也需要把比较落到具体差异上。
同一个表达任务，可以让AI提供两个有实质区别的版本。一个从具体情境开始，一个先解释概念；一个用完整段落推进，一个用图示组织关系。比较它们怎样帮助读者理解，而不是只看哪个显得更精致。
如果觉得某个版本不好，继续问自己：事实是否准确，信息顺序是否合理，例子有没有支持观点，语言是否适合使用场景？一篇口播稿可以写得很漂亮，却不适合念出来；一张页面可以很好看，却让人找不到下一步该做什么。
“我不喜欢”是起点。逐渐说清楚不喜欢的原因，才能把一次选择变成下一次可以使用的标准。别人的优秀作品，也应该接受同样的分析：它具体解决了什么问题，为什么这种形式适合它？
让自己的标准接受外部反馈
自己与AI都认可一个方案，还不能说明它在实际使用中有效。
文章需要有人读，方案需要有人执行，工具需要有人使用。反馈可以很小，比如：让一个不了解背景的人读完，看看他能否说清主旨；让实际使用者完成一次任务，观察他在哪一步停下来；把新方法与原方法并排使用，检查它是否减少了错误和额外操作。
反馈之后，尽量区分三个问题：目标是否选错，执行是否可靠，评价标准是否遗漏了重要代价。一个方案看上去更好，却增加了等待、理解或维护成本，这些也属于结果。
品味里有自己的偏好，但作品是否有效，还需要接受对象和场景的检验。判断力也需要在这种检验中不断校准。
这些方法不要求每件小事都做完整评测。重要的选择多留一点依据，普通任务做适度比较，足以开始形成积累。
品味和判断仍然无法保证安全
做到这些，我们确实更有可能完成可靠的工作，也更容易解释自己的决定。但它还不能保证，我们因此就有了稳定的位置。
首先，判断力和品味本身也需要继续学习。我不愿意因为某种能力今天由人主导，就断言 AI永远无法触及它。最后由人承担责任，也不能证明人的直觉天然更正确。
AI的引入也让我们重新审视所谓的专业差距：有些专业人士比初学者更会整理材料、组织语言和完成汇报，却未必判断得更准确。
其次，个人能力提升，并不自动增加整个市场的机会。即使大家都变得更会判断、更懂质量，也仍然可能竞争同一批岗位、客户和读者。一个有效的个人策略，不能单独解决所有人的就业问题。
更接近我们日常生活的，则是第三个问题：能力提升带来的收益，可能再次被新的工作要求吸收。
假如一件事过去需要一周完成，现在三天就能完成，剩下的两天可以用来休息、学习、提高质量，也可以被安排另一个任务。决定它用途的，往往是组织的交付要求和工作安排。
因此，一个人完全可能更会判断、更能独立负责，也同时承担了更多工作。当新的完成方式进入流程和考核，曾经额外的能力，就可能变成新的基本要求。
我们提高了做事的能力，却未必因此获得更多安排生活的权利。
如果只把目标放在“怎样让自己更有竞争力”，每次进步都可能只是帮助我们留在下一轮竞争里。它仍然有用，但最初让我们不安的问题，没有因此结束。
我们希望这些提升最终带来什么
聊到这里，我们需要重新问问自己：这些提升，究竟是为了什么？
为了得到更好的工作，当然是合理的答案。更稳定的收入、更适合的岗位、更有成就感的职业，都能改善生活。尤其在需要承担家庭开支的时候，保持工作能力有实际意义。
但如果工作本来是改善生活的一种方式，我们就需要偶尔检查，这个过程有没有偏离自己的目的。
假如效率越来越高，工作却占据了越来越多的晚上和周末；收入有所增长，却没有精力使用这份收入提供的条件；一直在积累未来的可能，却把所有想做的事情都推到以后，那么“进步”这个词就值得重新衡量。
困难在于，我们很容易习惯外部提供的标准。职位有高低，收入有数字，作品有排名。这些东西容易比较，也容易让人觉得，自己只要再向前一点，就能终于安心。
但下一个目标总会出现。社交媒体里展示的生活，也总有人比我们走得更远。如果不说明自己想要什么，再强的工具都可以被用来维持一场没有终点的追赶。
对我而言，逐渐变清楚的目标，是拥有一些能够自己安排的时间和精力。可以做想做的事情，可以认真陪伴家人，也可以休息，而不必把每一段空闲都解释成下一轮竞争的准备。
工作中的成就感是真实的，工作之外的归属感和自我实现也同样真实。我们不必要求一份职业提供所有满足，更不必因为无法从工作里得到它们，就不断增加对工作的投入。
判断力可以帮助我们挑选值得做的事情。它也应该被用来检查，某件事情是否仍然值得继续，以及为它付出的生活是否已经太多。
把一部分效率真正留给自己
一旦目标具体起来，AI带来的能力就可以有更明确的用途。
工作也可以被理解为一场赎回时间的交易：我们付出当下的时间，赚取收入，希望以后有更多条件安排生活。AI可以帮助我们完成这笔积累，但还需要检查，自己是否真的在兑换。
如果已经有条件给自己留些时间，却还把想做的事情一拖再拖，就该重新规划和利用好自己的时间了。
有人希望提高收入，有人希望减少重复劳动，有人希望尝试新的职业，也有人只想有个不被工作打扰的周末。想清楚自己要什么，才知道该把 AI 带来的能力用在哪里。
第一步，是说明自己希望保住哪一部分生活。它可以很小：每周一段完整时间，能够持续推进一件自己的事情；或每天工作结束之后，不再反复检查新任务。目标越具体，就越容易发现，所谓的提效有没有发生在自己身上。
第二步，是寻找实际能调整的地方。比如与团队明确优先级和交付范围，检查哪些重复操作可以减少，减少没有明确用途的工具学习，或者在条件允许时选择更合适的工作安排。节省原有任务的时间之后，还需要让这段时间拥有一个可以被保留的位置。
对于想尝试独立做事的人，无论做自媒体，还是经营一人公司，实际都需要回答相似的问题：为谁解决什么需求，怎样判断结果有效，怎样触达愿意使用或付费的人，以及持续投入的成本有多大。AI可以降低其中一部分制作成本，但不会自动补齐整个过程。
这些尝试可以从小范围开始，提前说明时间和预算，观察真实反馈，再决定是否扩大。它们有机会形成另一种收入和选择，也可能变成新的负担。如果离开一种工作安排后，又把自己放进必须不断更新、不断增长的要求里，生活未必更自由。
第三步，是把时间和精力也放进收益的计算中。除了收入和产出，还可以回头看：自己是否能按计划结束工作，是否还有精力做想做的事，是否减少了对单一安排的依赖？如果这些指标一直在恶化，就值得调整，而不能只用“我又做成了一件事”解释所有代价。
这也不是鼓励所有人立即辞职或创业。储蓄、家庭责任、健康和岗位条件都会影响可选择的范围。需要稳定收入时，先维持生活，再做有限的尝试，是合理的安排。能够承受波动时，也仍然需要检验投入是否有效。
我们可能无法一次拿回很多时间，但可以开始为一部分效率收益作出自己的决定。
给追赶一个可以停下来的地方
我依然愿意学习新工具，也希望提高自己的品味和判断。它们能帮助我做得更好，少走一些弯路，并在变化中保留更多选择。
但我希望这种学习有一个可以回头检查的目的。
如果某项投入让我更接近想过的生活，它就值得继续。如果它只是在不断证明我还没有掉队，却长期挤掉了所有其他事情，我就应该重新考虑它的范围。
AI带来的机会是真实的，焦虑也是真实的。我们可以认真面对工作中的变化，同时为这些变化设定自己的用途。提高收入、完成作品、建立新的业务，都可以成为实现这个用途的办法，但生活不需要被无限推迟到这些事情全部完成之后。
我希望技术进步最终能够让我拥有一些时间，做自己认可的事情，与重要的人相处，也允许自己什么都不做。
当一个晚上真正属于自己，不再必须用于追赶下一个目标时，我才会觉得，工具的进步也开始进入了我的生活。
AI 辅助创作说明
本文基于我此前关于 AI、工作和生活的文章，以及与 ChatGPT的讨论，由 ChatGPT协助整理结构并撰写初稿。外部研究在相应段落附有来源链接。配图使用GPT Image 2 生成。
