20 KiB
20 KiB
1
我写了一篇文章，内容如下：
# AI是团队的认知分拣机：关于“取代”与“赋能”的一体两面
## **我的“正确”与董事长的“天真”**
前不久，与一位教育集团的董事长聊天。我们一见如故，都看到了“AI+教育”这个宏大叙事下令人振奋的未来——尤其是在高中年龄段，一个心智将熟未熟、最需要个性化引导的阶段。
然而，当话题从星辰大海落到具体航线上时，我们之间浮现出一条清晰而深刻的裂谷。
他的路径，是一种属于产品经理的、宏大而略带技术天真的叙事。他倾向于用AI直面学生，近乎“取代”教师一部分“教书”的职能。他描绘的蓝图里，有个性化学习路径规划器、有AI驱动的视频内容库、有7x24小时在线的AI自习室。他的核心理念是：**教书交给AI，育人交给老师。**
我下意识地皱了皱眉，几乎是本能地提出了我的路径——一条更“现实”、更“稳妥”的路线。我主张AI应首先作为“教师副驾”存在，从赋能教学端切入。比如，帮教师制订教学计划、辅助设计教案、将他们从批改作业与试卷这种价值密度极低的“体力活”中解放出来。
我的论据几乎是脱口而出，充满了某种不容置疑的“正确性”：取代教师是不可能的。教学视频能降低外部认知负荷，但学生内化知识的内部认知负荷，AI无能为力；AI受限于无实体的“具身认知”，无法像一位经验丰富的老师那样，仅凭一个眼神、一个细微的课堂走神，就精准捕捉到“学情”的动态变化；更何况，对于高中生，教师的人文关怀与严格管理，是AI那冰冷的像素点无论如何也无法模拟的。
在那场对话中，我确信自己是正确的。我所有的论点，都植根于我对技术边界的清醒认知，以及作为一个管理者对组织变革稳定性的天然敬畏。先赋能核心节点（教师），再逐步渗透，这是一条多么稳健、多么符合工程学与管理学理性的道路。
然而，最近一次对我自己团队的复盘，却像一道闪电，击穿了我自以为坚固的逻辑壁垒。
我忽然意识到，“赋能”与“取代”，并非两条需要我在战略上二选一的道路，而是一枚硬币不可分割的两面。一个组织在引入AI这股强大外力时，这两种结果会像物理定律一样自然发生，你无法只选择其一。
而启动这枚硬币开始疯狂旋转的，正是我在自己团队中推行的、为期两年的AI变革实验。
## **我的团队：一个残酷的“硬币”实验场**
要理解这枚硬币为何会旋转，故事必须回到两年前那个令我头皮发麻的下午。
那时ChatGPT刚横空出世，我带着一个老软件架构师的自信，向它抛出了一个我赖以为生的专业问题：“一个软件系统的架构可以分为多少个层面？”它回答了8种，逻辑清晰。我说“继续”，它又回答了8种。我的知识储备，能清晰描述的不过6种。那一刻，我感觉脚下的基石正在被液化。我们这种“专家经验”，在LLM排山倒海的知识库面前，脆弱得像一张窗户纸。
一个念头让我不寒而栗：程序员的本质，是翻译官。我们将人类模糊的需求，翻译成机器能懂的二进制语言。现在，机器自己就能听懂自然语言了，还要我们这些翻译官干嘛？
这场深刻的生存焦虑，最终以一种务实的姿态宣告结束：打不过就加入，做不了精英就做买办。我决定将我几乎所有的空闲时间，都投入到对LLM的研究中。两年下来，我成了团队里那只最闲，也对AI懂得最多的“懒蚂蚁”。
我将这份个人探索，转化为一场组织实验。我做了近千页的PPT，从原理到方法论，在公司内部反复试讲，并号召全体员工投入学习，为每个人都定制了初步的转型方向。我天真地以为，我打开了一扇通往集体进化的门。
但现实，却露出了它残酷的、一体两面的真相。
### **硬币的A面，是“取代”的冷酷现实。**
最先被取代的，是那些工作内容与AI能力高度重叠的初级岗位。一些过去给项目经理打下手的助理，负责整理文档、编写简单私有方法，AI做这些事的效率是他们的百倍。他们的离开，几乎没有在组织内激起任何涟漪，像清晨的薄雾，被技术进步的太阳蒸发得无声无息。
更让我深思的，是那些“被动淘汰者”。
我曾为UI设计师规划了“AI赋能的产品经理”转型路径，并给了她三个月的带薪学习期。从Midjourney出图，到用A4纸草图让AI直接生成原型HTML，我除了提供资源，甚至亲自手把手教她如何与AI协作进行面向对象的分析（OOA）。但几个月下来，进展寥寥。她无法提出一个结构化的好问题，也无法将AI给出的碎片化灵感，整合成一个逻辑自洽的方案。
同样的故事发生在测试经理身上。我给了他一个“研发测试智能体”的课题，时间长达一年半。他卡在关键路径上，寸步难行。今年2月他离开后，我们自己动手，只用了不到两个月，测试智能体就已初具雏形。我们请来一位25年经验的资深测试做外部评估，她审阅完AI生成的测试用例后，沉默了许久，说了一句：“我们这个行业，可能要变天了。”
### **而硬币的B面，则是“赋能”的巨大杠杆。**
起初，当我推动全体程序员使用AI辅助编程时，效果并不理想。年初统计，多数人的效率提升在30%到80%之间，远低于我自己测试的200%~300%。他们只是把AI当成了一个更聪明的搜索引擎。
转折点，发生在测试智能体亮相之后。那种扑面而来的冲击力，让开发经理终于意识到了这不只是一款工具，而是一场工作范式的革命。他投入了三个月，带领团队重构了整个开发流程。到8月我们再次统计时，结果令人震惊：纯粹的编码效率，提升了5到10倍；包含设计、测试、文档的全流程开发效率，提升了2到3倍。
看着眼前这活生生的“取代”与“赋能”同时上演，我不得不承认，我最初在董事长面前那套逻辑自洽、充满人文关怀的“赋能论”，是多么的片面与苍白。
我的理论，在残酷的实践面前，被彻底击碎了。我只看到了硬币的一面，却忽视了另一面。赋能确实发生了，但它只降临在少数人身上；而取代，也同样真实地发生了，它清退了那些无法与新范式共舞的人。
如果“取代”和“赋能”都只是结果，那它们背后的运行机制到底是什么？到底是什么，在决定一个人的最终命运？
## **“认知分拣机”：时代的新陈代谢法则**
如果“取代”与“赋能”只是结果，那么产生这些结果的机制是什么？在复盘了无数次那些离开的、挣扎的、以及最终实现飞跃的团队成员的轨迹后，一个冰冷的词汇浮现在我脑海：**认知分拣机。**
我意识到，“硬币的两面”这个比喻依然不够精确。它太过静态，暗示着一种被动的、50/50的概率。而我亲眼所见的，是一个动态的、主动的、有着清晰筛选逻辑的流程。它不是硬币，它是一台机器。
这台“认知分拣机”，并非一部实体机器，而是由AI这股强大的技术外力所催生的、一套全新的组织新陈代谢机制。它中立、高效、甚至冷酷，其运行逻辑只有一个：通过无限拉低“标准化认知劳动”的价值，来倒逼组织中的每一个成员，贡献出AI所不具备的、真正属于人类的、非标准化的智慧。
你能否贡献这种智慧，就是你被投入“赋能”还是“取代”传送带的唯一标准。
那么，这台分拣机的“标准说明书”是什么？当我试图描绘它时，我震惊地发现，这份说明书我早已写好。它就是我在[《解锁AI潜能：提示词工程的核心技能金字塔》](https://sayings.wantsong.life/post/2025-03-27-core-skills-pyramid-of-prompt-engineering/)中画出的那张金字塔。塔底的“底层认知”——本质思考能力、逻辑思维、批判性思维、信息素养；第二层的“方法设计”——问题重构能力、系统思维、抽象化能力。这20项技能中，绝大部分都深植于人文社科的土壤。
这瞬间解释了所有问题。
我的团队成员们之所以走向不同的命运，并非因为技术能力的差异，而是因为这台分拣机精准地扫描出了他们认知模式上的“缺陷”——而这些缺陷，几乎都能归咎于我们这个时代落后的教育理念。
* **“取代”的传送带上是什么？** 是那些在“分科教育”下知识结构单一、在“应试教育”下缺乏创新与批判性思维、在“填鸭式”教学下丧失了主动学习与定义问题能力的“产品”。他们持有的，甚至是“苏式辩证法”那样的诡辩逻辑，而非真正的逻辑思维。当AI接管了“标准答案”的生产，他们便失去了存在的价值。
* **“赋能”的传送带上又是什么？** 是那些无意中或刻意地补完了这些“认知短板”的人。他们恰好具备了“新文艺复兴”所呼唤的那些特质：能进行跨学科的系统思考，能将模糊的需求结构化，能与一个复杂的、非确定性的智能系统进行高质量的对话。
分拣机筛选的，根本不是技术能力，而是以人文素养为基底的、系统化的思维与表达能力。这正是这场变革最深刻，也最颠覆之处。
至此，我终于可以回到最初与那位董事长的对话，给出一个更完整的答案。
我们当初的争论，从一开始就问错了问题。真正的问题，从来不是一个企业应该选择“取代”还是“赋能”的战略。因为这根本不是一个可选项。
**“取代”或“赋能”，并非AI的预设程序，而是我们每一个人的认知模式，与这个时代全新的“接口协议”进行匹配后的必然结果。**
**“取代”**，是被动接收知识、思维固化、无法进行体系化思考的“工业时代教育范式”，在这台分拣机面前的必然崩解。
**“赋能”**，则是那些主动构建知识体系、拥抱跨界、能与复杂系统共舞的“新文艺复兴式个体”，在这场新陈代谢中获得的必然奖赏。
AI不是敌人，也不是救世主。它是一面镜子，映照出我们认知世界的深度；它也是一个标尺，度量着我们与未来之间的距离。在这台冷酷而公正的分拣机面前，我们唯一的通行证，就是开启一场自我教育的“新文艺复兴”，去补上那些年被我们落下的、关于思考与表达的最重要的课程。
与其说AI是在筛选一个团队的未来，不如说，它是在对我们每个人的过去——我们所受的教育、我们所建立的思维模型——进行一场迟来的、冷酷而公正的毕业典礼。
而真正的学习，从这场典礼之后，才刚刚开始。
---
《新文艺复兴时代》三部曲：
* [《人文社科退潮：生存理性与精神启蒙的世纪博弈》](https://sayings.wantsong.life/post/2025-05-16-the-decline-of-humanities-and-social-sciences/)
* [《AI时代的“新文艺复兴”：为什么未来属于文理兼修者》](https://sayings.wantsong.life/post/2025-06-14-contemporary-renaissance/)
* [《AI是团队的认知分拣机》](https://sayings.wantsong.life/post/2025-10-29-cognitive-sorter-of-the-team/)
请你审核这篇文章。
巨人认知智能体分析报告
- 意图与价值 分析与洞察: 本文的核心意图是重构关于AI“取代”与“赋能”的二元对立讨论。作者通过一次个人认知上的“失败”叙事，旨在论证“取代”与“赋能”并非企业可选择的战略路径，而是个体认知模式在AI这股新范式冲击下必然产生的两种不同结果。文章的最终价值落点，在于拔高讨论的维度：从技术应用或团队管理，上升到对个体认知模型、乃至整个教育体系的反思与批判。作者希望传递的核心价值是：在AI时代，基于人文社科底蕴的深度思考与系统思维能力，是决定个体命运的唯一“通行证”。
启发性问题:
- 文章最终将问题的根源归结为“我们这个时代落后的教育理念”，这一定位是否会无形中将文章的受众窄化为对教育批判有共鸣的群体，而可能疏远那些更关注企业实际操作和解决方案的管理者？
- 将“赋能”定义为对少数“新文艺复兴式个体”的“必然奖赏”，这种带有精英主义色彩的论断，是你希望引导的最终价值取向吗？它是否可能引发一种“智力宿命论”，反而抑制了更广泛的组织变革信心？
- 知识储备 分析与洞察: 文章的论据主要建立在以下几类知识之上：1）个人经验叙事：与董事长的对话、个人面对ChatGPT的“生存焦虑”、在自身团队中推行的两年AI实验（UI设计师、测试经理、开发团队的案例）。2）领域专业知识：对软件架构、AI辅助编程、测试智能体等技术场景有具体的理解。3）个人思想体系：明确引用了作者已成体系的框架，如《提示词工程的核心技能金字塔》和“新文艺复兴”三部曲。文章的知识基础是内省的、经验驱动的，而非外部数据驱动。叙事的生动性和细节的真实感是其主要优势，但这也使其缺乏更广泛的统计数据或行业报告作为佐证。
启发性问题:
- 整个论证高度依赖于作者所在软件开发团队这一个“孤例”。你如何回应一个质疑：这个“认知分拣机”模型，是否仅仅是在知识工作高度密集的IT行业才有效，而对于制造业、服务业等更广泛的领域不具备普适性？
- 除了你个人的观察和反思，是否有第三方的研究、数据或案例可以支撑“认知分拣机”这一核心模型的有效性？引入这些外部知识，是否会增强或削弱你现有论点的说服力？
- 知识结构 分析与洞察: 文章采用了非常经典的“英雄之旅”式叙事结构。从一个看似“正确”的初始立场（赋能优于取代），经历实践的挑战与冲击（团队实验的残酷结果），最终达成一次认知上的“死亡与重生”，获得了一个更深刻的洞见（认知分拣机模型）。结构上，通过“我与董事长的裂谷”、“硬币的两面”、“认知分拣机”三个核心隐喻层层递进，将一个复杂的组织变革问题，巧妙地转化为一个清晰、易于理解的认知升级故事。这种结构极具说服力和感染力，引导读者跟随作者的思路完成一次思想上的跃迁。
启发性问题:
- 从“硬币”到“分拣机”的隐喻升级是本文的关键跃迁。但“硬币”暗示了随机性，而“分拣机”暗示了确定性逻辑。这种转变是否过于决绝？现实中，个体的命运难道不是“分拣机逻辑”和“随机性”共同作用的结果吗？
- 文章的结尾将所有问题归因于个体的“过去”——所受的教育和思维模型。这种“向内归因”的结构，是否在某种程度上简化了问题的复杂性，而忽略了组织环境、管理策略、资源支持等外部变量在“分拣”过程中的关键作用？
- 思维模型 分析与洞察: 作者在全文中主要使用了以下几种思维模型：1）隐喻思维： 这是最核心的模型，通过构建“硬币的两面”、“认知分拣机”、“新文艺复兴”等一系列隐喻来搭建和推进论证。隐喻的演进本身就构成了论证的主体。2）反思性思维： 整个故事建立在“我错了”这一自我批判的基础上，通过否定自己最初的观点来构建新的认知，这是一种高阶的思维模式。3）归因模型： 作者试图为“取代”和“赋能”这两种结果寻找根本原因，最终将其从技术问题归因为认知模式问题。4）金字塔模型： 引用了自己过去的“技能金字塔”模型，显示出作者倾向于用结构化、层级化的方式来拆解和定义复杂能力。
启发性问题:
- “认知分拣机”是一个强大但冷酷的机械隐喻。如果换一个生态学的隐喻，比如“AI创造了新的认知生态位，个体需要自我进化以适应”，这会对你的结论和行文基调产生什么影响？
- 你通过“我错了”的反思模型增强了文章的可信度。但反过来想，这种叙事方式是否也创造了一种“权威视角”，即“虽然我过去错了，但现在的我看到了终极真相”？这种模型是否存在固有的认知盲区？
- 思维方式 分析与洞察: 本文展现了一种典型的从具象到抽象、从个人到普世的思维方式。作者从一个具体的对话场景和团队管理案例出发，通过不断的复盘和抽象化，最终提炼出一个具有高度解释力的、普世性的“认知分拣机”理论。整个思考过程是迭代式和系统性的：最初的“赋能vs取代”是线性思维，被实践证伪后，迭代出一个将两者都包含在内的系统性框架。这种思维方式本身就是文章所倡导的“能与复杂系统共舞”的体现。
启发性问题:
- 你的思维方式是从“观察结果”反推“运行机制”。这其中是否存在一种风险，即过度拟合（overfitting）？你是否可能为你团队中发生的少数几个案例，构建了一个过于宏大和完美的理论解释？
- 文章展现了从二元论（取代/赋能）到一元论（认知分拣）的思维跃迁。是否存在一种可能，需要再次跃迁到更多元的视角？例如，除了认知能力，个体的“动机”、“情感韧性”、“社交资本”等非认知因素，在这台分拣机中扮演什么角色？
- 反思系统 分析与洞察: 从“魔鬼代言人”的视角看，这篇文章存在几个值得警惕的潜在风险和认知偏见：1）叙事谬误（Narrative Fallacy）： 作者构建了一个过于完美和连贯的故事，从最初的冲突到最终的顿悟，逻辑链条严丝合缝。这种“漂亮”的叙事可能掩盖了现实世界中更混乱、更矛盾的细节。2）幸存者偏差（Survivorship Bias）： 整个故事由成功驾驭AI的“幸存者”（作者本人）讲述。那些被“取代”的员工（如UI设计师）的视角是缺失的，他们的“失败”被简单归因于认知缺陷。我们无法得知，如果给予不同的支持或环境，他们是否会有不同的结局。3. 确认偏误（Confirmation Bias）： 作者最终的结论——“认知分拣机”的标准是其早已建立的“技能金字塔”，这构成了一个完美的逻辑闭环。这既可以说是其理论体系的自洽，也可能是一种确认偏误，即用自己已有的理论来解释新的现象，从而强化了原有理论。
启发性问题:
- 请尝试用那位被“淘汰”的UI设计师的视角，重写一遍她在这场变革中的故事。她会如何描述你提供的“赋能”？她认为自己失败的真正原因是什么？这个视角会如何挑战你当前的结论？
- 如果推翻“认知分拣机”这个核心隐喻，你还能用什么其他的模型或理论来解释你团队中同时发生的“取代”与“赋能”现象？强制自己进行一次“理论竞争”，可能会暴露当前模型未能解释的维度。