过去，遇到一个问题，我们习惯先搜索。
搜索是一件有点麻烦的事。你要换关键词，要点开不同页面，要在互相矛盾的信息里比较，要忍受广告、噪音和不完整的答案。很多时候，结论是在不断筛选中慢慢形成的。
这个过程并不高效，但它有一个价值，你参与了答案的形成。
现在不一样了。
我们越来越少搜索，越来越多提问。把问题交给 AI，它很快给出一段完整、清楚、结构良好的回答。它帮我们总结背景，分析利弊，甚至直接告诉我们更推荐哪一个。
相比过去在信息里摸索的方式，AI 的答案显得干净、快速、体面。它让问题看起来更容易结束，也让我们更容易跳过中间那段不确定的过程。
问题也正出现在这里。
当答案来得太完整，我们很容易忘记自己还需要判断。
过去，答案往往需要自己拼出来。现在，答案可以直接摆在面前。它越顺滑，我们越容易把它当成终点，而不是一个还需要继续辨认、追问和承担的材料。
一次次便利可能让人慢慢不习惯自己判断，这正是我警惕的地方。
我最早明显感受到这一点，是在写代码的时候。
写代码本来是一件不断追问为什么的事。为什么这里报错？为什么这个逻辑跑不通？为什么这个函数应该这样拆？为什么这个方案短期能用，长期却可能留下问题？
但有了 AI 以后，很多时刻变了。
你把报错贴进去，它告诉你原因。你描述需求，它给你代码。你说这里有 bug，它直接改出一版。很多时候，代码确实能跑，解释也听起来合理。于是最自然的反应就是，既然问题解决了，那就继续往下。
可慢慢地，一个危险的问题出现了，我真的理解了吗？
代码跑通，不等于我理解了代码。问题被解决，不等于我拥有了解决问题的能力。AI 给出的答案可以是对的，但如果我不知道它为什么对，那么这份“对”其实并不完全属于我。
更麻烦的是，写代码并不是只要能跑就够了。
一段代码今天能跑，不代表明天能维护。一个方案现在看起来简洁，不代表它没有隐藏风险。一个 AI 生成的函数可以解决眼前的问题，却可能埋下性能、边界条件、安全性、可读性上的隐患。
如果一个人完全依赖 AI 写代码，短期看，效率确实会提高。但时间久了，他可能会越来越不熟悉系统本身，只熟悉如何把问题描述给 AI。程序出错时，他会把错误继续丢给 AI，很少再顺着逻辑排查。
这件事最现实的后果是，责任不会因为 AI 参与了就消失。
代码出了问题，使用它的人仍然要面对线上故障、用户损失和项目延期。AI 可以生成答案，但它不会替你负责。
这其实也是 AI 时代最核心的变化。
过去，一个人需要先学会完成任务。现在，AI 正在越来越多地替人完成任务。写文案、做 PPT、写代码、剪视频、画图、分析数据，这些曾经需要花时间练习的技能，正在被工具迅速压缩。
于是问题变了。
当 AI 也能完成任务，人还剩下什么？
我更在意技能背后的判断、理解、责任和创造。
你能不能判断一个答案是不是可靠。你能不能理解一个方案为什么成立。你能不能在工具给出结果之后，继续追问它遗漏了什么。你能不能为最后的选择负责。
这些东西，才是 AI 越强大，人越不能丢掉的部分。
这种变化放到就业里，会更明显。
这几年，很多大学生找工作时都会感受到一种新的焦虑。过去大家担心的是学历够不够、实习经历够不够、专业是否对口。现在还多了一个问题，如果 AI 已经能写文案、做 PPT、写代码、剪视频、画图、分析数据，那企业为什么还要招一个刚毕业、经验不多、需要培养的人？
这个问题残酷，但并不空泛。
很多入门级岗位，本来承担的就是整理、执行、初稿、辅助、重复劳动。一个新人过去可以通过写日报、整理资料、做表格、改文案、写简单代码来慢慢熟悉行业。可这些任务恰恰是 AI 最容易介入的地方。
这意味着，年轻人进入职场的台阶正在变窄。
以前，一个人可以先做简单的事，在简单的事里积累判断。现在，简单的事被工具吃掉了一部分，企业却又希望新人一上来就更成熟、更独立、更能解决问题。
于是很多刚毕业的人会陷入一种矛盾，没有工作就没有经验，没有经验又很难获得工作。
但这并不只是“AI 抢工作”的故事。更准确地说，AI 正在改变工作对人的要求。
过去，很多岗位看重的是你能不能完成任务。以后，可能更看重的是你能不能定义任务。过去，很多人靠执行获得机会。以后，单纯执行的价值会被压低，能够判断问题、拆解目标、整合资源、承担结果的人，会变得更重要。
如果一个人在学校里只是完成作业，遇到问题就问 AI，简历让 AI 写，面试回答让 AI 准备，作品集让 AI 包装，看起来一切都更专业了。
但面试时，别人一追问细节，他是否真的理解项目？是否知道自己做过什么选择？是否能解释方案背后的取舍？这些东西很难完全伪装。
AI 可以帮人把门面做得更漂亮，却不能替人长出真实能力。
未来的职场，很可能会出现一种分化。
一部分人会把 AI 当成拐杖。没有它就很难开始，也越来越少亲自判断和解决问题。他们看起来掌握了很多工具，但只是更熟练地调用答案。
另一部分人会把 AI 当成放大器。他们用 AI 查资料、试方案、提高效率，但关键判断仍然握在自己手里。他们知道该问什么，也知道 AI 的回答哪里可能有问题。他们不会把生成结果当成终点，而是把它当成继续思考的材料。
差距可能就在这里。
未来有竞争力的人，不一定是最会使用 AI 的人，而是最能带着判断使用 AI 的人。
因为当所有人都能生成一份漂亮简历，重要的就是简历背后有没有真实经历。当所有人都能写出一段流畅表达，重要的就是你有没有自己的观点。当所有人都能做出一份像样方案，重要的就是你能不能解释为什么这样做，以及出了问题以后怎么办。
答案会越来越便宜，判断会越来越贵。
今天我想讨论的是，当 AI 越来越会替我们回答问题，人会不会越来越不习惯自己判断。
一个顺滑的答案，常常会让人放松警惕。它有清晰的小标题，有看似全面的分析，有温和而自信的语气。它不像真实世界那样混乱，也不会把矛盾和不确定赤裸裸摆在你面前。
但真实世界恰恰是混乱的。
一个重要的问题，往往没有标准答案。换不换工作，是否相信一个观点，以及某种创作和生活选择，都不能只靠一段利弊分析解决。
它们需要你把外部信息和自己的处境、性格、经验、欲望放在一起，慢慢咀嚼。
AI 可以帮你整理利弊，却不能替你承担选择之后的人生。
判断力不是一个抽象的大词。它非常具体。它是你看到 AI 给出的结论时，还会问一句依据是什么。它是你看到一段漂亮文字时，还能辨认这是不是自己想说的话。拿到一个方案时，你还要问代价是什么。
如果说自由还有意义，它首先应该是这种能力，我可以借助工具，但我没有把自己的判断完全交出去。
说到这里，还剩下另一个问题，创造。
如果 AI 可以写代码、写文章、做方案、生成图片，甚至写诗，那么人的创造力还剩下什么？
这时，我会想到《三体》里的“诗云”。
“诗云”是一个很有象征意味的设定。强大的技术试图通过近乎无穷的排列组合，生成所有可能的诗。它拥有惊人的计算能力，可以制造出海量看起来像诗的句子。
但这个设定打动人的地方，恰恰在于它提出了一个问题，如果一首诗只是被计算出来的，它还拥有人的创造吗？
这不是说机器不能写出漂亮的句子。今天的 AI 已经可以写出非常工整、流畅、像样的文本。它可以模仿风格，可以制造意象，可以把语言组织得比很多人更漂亮。
但创造不只是结果。
一首诗之所以是诗，不只是因为它长得像诗。它背后还有一个人为什么要写它，有他的处境、记忆、痛苦、犹豫、误解、冲动，以及某个无法被完全复制的瞬间。
这件事放到今天的 AI 里，同样成立。
AI 可以生成代码，生成文章，生成方案，生成图片，生成许多看起来像创造的东西。人的创造力既留在最终产物里，也留在生成产物以前那段缓慢、混乱的过程里。
我们常常以为，AI 替我们省掉的是重复劳动。但有时候，它省掉的可能是思考本身。
当然，这并不意味着我们应该拒绝 AI。拒绝它既不现实，也没有必要。AI 是很强大的工具，它确实能帮助人减少低效劳动，拓宽视野，提高表达和工作的速度。
每一次把问题交给 AI，我们都在做一次能力分配。
有些事情可以交给它，有些事情必须自己想。有些答案可以参考，有些判断不能外包。
如果这些边界不清楚，久而久之，我们可能会变成一种奇怪的状态，什么都能做得更快，却越来越不知道自己为什么这样做。什么都能说得更好，却越来越难说出属于自己的话。什么问题都能得到答案，却越来越不愿意承受没有答案的时刻。
这才是 AI 时代隐蔽的风险。
自由常在一次次便利中被交出去。
我们把判断交出去，把怀疑交出去，把不确定交出去，把尚未成形的想法交出去。最后，我们得到一个更高效、更顺滑、更正确的自己，却也可能失去那个会犹豫、会犯错、会慢慢想出新东西的自己。
我想保留一件很具体的事。
每个人都应该保留一些不用 AI 的时刻。
学习时，先自己读一遍错误信息，自己推一遍原因。
工作时，先想清楚这个任务要解决什么问题，而不是急着让 AI 给出一版结果。
表达时，先试着用自己的语言说一遍，确认那是不是自己想说的话。
选择时，先把真实顾虑写下来，不要急着要一个漂亮结论。
看到 AI 的答案时，问问它依据是什么，遗漏了什么，代价是什么。面对重要选择时，也允许自己在问题里多停留一会儿。
这些动作看起来低效，却是在保护人的判断力。
AI 越强大，我们越需要这种保护。
因为未来最稀缺的，也许不是答案。答案会越来越多，越来越便宜，越来越容易获得。稀缺的，是一个人面对答案时仍然能够判断，面对效率时仍然能够停顿，面对工具时仍然没有忘记，自己才是那个应该负责的人。
我们不必拒绝 AI，但必须保留不用 AI 的能力。
我无意怀旧，也不反对技术。
这是在提醒自己，工具可以替我们走得更快，但不能替我们决定要去哪里。答案可以由 AI 提供，但判断必须重新回到人身上。
否则，当我们终于拥有无数答案时，可能也会突然发现，那个会提问、会怀疑、会创造、也会为选择负责的人，已经在不知不觉中退到了很远的地方。