一个常见场景:让AI写一份合同免责条款,语气顺、格式对,直接发出去。等出了纠纷才发现,那条条款的责任方写反了。不是AI瞎写,是没人核验——这正是博主David Nicholas Williams最近这篇短文想戳破的幻想:以为把细节整体外包给AI,就能跳过对这件事本身的理解。
他的判断很直接:AI能接手部分细节,但决定交出哪些细节,本身就是专业能力的一部分。不懂行的人,连"这块能不能放手"都判断不了,拿到的只是一份产出,不是一份能力。
发生了什么,为什么重要
Williams的核心观点:任何事情越往细看越复杂,没有哪个抽象层级能让你完全绕开细节。真正的专家优势不在亲手做完每一步,而在认得出哪几处细节最关键、核对得出AI做得对不对、扛得住突发的例外。
这条界线,对每天靠AI写文档、写代码、整理会议纪要的人尤其扎眼——用得越顺手,越容易分不清自己是在委派,还是在逃避。管理者推动团队"用AI提效"时,同样绕不开这个问题:提效的前提,是团队本来就懂,还是团队正好借此少懂一点。
委派和逃避,差在哪
专家用AI,是在自己已经吃透全貌的前提下,挑几段可以放手的细节丢出去,自己盯着核心判断和例外情况。新手用AI,是连"哪块该盯"都不知道,只能整段丢出去——直到出现例外,才发现自己压根没有能力接住。
区分点不在"用不用AI",在"交出去的是执行,还是连判断一起交了出去"。前者是委派,后者只是把"我不懂"包装得更体面。
普通人怎么判断,这块能不能交给AI
一个简单的检验:AI的结果出来,你能不能在几分钟内看出它哪里可能错。能看出来,说明你懂到位了,可以放手;看不出来,交出去的就是赌运气。
| 任务类型 | 能否核验结果 | 建议 |
|---|---|---|
| 整理会议纪要、格式化文档 | 容易核验(内容你本来就在场) | 可以放手委派 |
| 写初稿(邮件、周报、代码骨架) | 中等,需要复核事实和逻辑 | 可以委派,但要看一遍 |
| 专业判断(合同条款、代码架构、财务模型) | 难核验,依赖专业知识 | 只有懂行的人能安全放手 |
新手能不能借AI学东西?能,但前提是主动核验、刻意琢磨AI为什么这么写,而不是拿到产出就收工。用AI学习和用AI逃避学习,看着一样,差别只在你有没有停下来问一句"这里为什么这么写"。
这次真正的短板是什么
纸上谈兵这个词,两千多年前说的就是这件事:背熟地图和兵法条文,不代表能带兵打仗。AI把"条文"背得比谁都熟,可战场上的例外情况,还是要靠没读过地图细节的那个人自己判断。
技术史上,工具一直在压低执行成本:计算器省了算术,拼写检查省了校对,搜索引擎省了查资料。它们解放了时间,但没有一次替使用者接走判断的责任。LLM把执行门槛压得更低、更快,判断的责任还留在原地。
接下来值得盯的,不是AI又能替谁写完什么,是例外真正出现的那一刻,委派的那个人还能不能补救。这才是区分"委派"还是"逃避"的分水岭。
【锐评】纸上谈兵四个字没变,兵法换成了提示词,战场上的例外从不因工具变新而消失。