朋友最近跟我抱怨：他花了两周做的产品需求分析，AI 三分钟就生成了一份更全面的。他有点慌：”我的价值在哪？”

我说：如果你的工作是”把需求整理成文档”，那确实危险了。但如果你能发现连客户自己都没意识到的需求呢？

AI 时代，人和机器的分工正在重新划线。我们最该练的，不是”比 AI 更快解决问题”，而是三种 AI 暂时做不到的事。

第一种肌肉：从”解决问题”到”发现问题”

AI 擅长的：给定问题的最优解

你给 ChatGPT 一个清晰的问题：”如何优化这段代码的性能？”它能给出 10 种优化方案，还带基准测试。

你给 Claude 一个明确的任务：”写一份市场调研报告，分析电动车行业趋势。”它能生成专业的分析报告，引用最新数据，逻辑清晰。

AI 的前提：问题已经被定义清楚。

人类的优势：发现隐藏的真问题

2007 年，乔布斯没有问”如何让手机键盘更好用”，而是问：”为什么我们需要键盘？”于是 iPhone 诞生了。

特斯拉不是在优化”如何让汽车更省油”，而是质疑：”为什么汽车一定要烧油？”

Airbnb 的创始人没有想”如何做更好的酒店”，而是看到了”每个人家里都有闲置的房间”。

这些问题，AI 生成不了。因为它们不是从”现有数据”里总结出来的，而是从对现状的不满、对用户的深度理解、对趋势的敏锐嗅觉中诞生的。

如何练这块肌肉？

1. 多问”为什么”而不是”怎么做”

  • ❌ 低阶：”如何提高用户留存率？”（这是执行问题，AI 能答）
  • ✅ 高阶：”用户为什么会流失？他们真正想要的是什么？”（这是洞察问题，需要深度思考）

2. 观察”痛苦”和”低效”

所有伟大产品都源于某个痛点。去观察：

  • 哪些事情人们在抱怨？
  • 哪些流程特别繁琐但大家习以为常？
  • 哪些需求被现有方案忽略了？

AI 能分析数据，但它不会”感受痛苦”。你会。

3. 跨领域连接

Uber 是”出租车+互联网”的组合。
Netflix 是”电影+大数据推荐”的组合。
Notion 是”笔记+数据库”的组合。

AI 在单一领域很强，但跨领域的隐喻和类比需要人类的生活经验和直觉。

多接触不同领域，多思考”A 领域的解决方案能否用到 B 领域”。

第二种肌肉：从”执行任务”到”创造新物种”

AI 擅长的：优化现有路径

AI 能写代码，但它写的是”已经被验证过的代码模式”。
AI 能画画，但它画的是”训练数据中存在的风格”。
AI 能写文章，但它写的是”语料库中的表达方式”。

AI 是最强的”效率引擎”，但不是”创造引擎”。

人类的优势：创造前所未有的东西

Picasso 创造了立体主义，在那之前，没有任何训练数据能生成这种风格。
Radiohead 创造了《Kid A》的电子摇滚，在那之前，没有类似的音乐。
Elon Musk 决定造可回收火箭，在那之前，所有人都觉得这是疯子的想法。

创造力不是”优化已有”，而是”从零到一”。

如何练这块肌肉？

1. 大胆尝试”不合理”的想法

AI 会避免风险，因为它的目标是”高确定性的输出”。但突破往往来自”不合理的实验”。

  • PayPal 最早的想法是”掌上电脑之间的支付”（听起来很蠢）
  • Twitter 最早的想法是”140 字的状态更新”（当时大家觉得没人会用）

允许自己有 90% 失败率的想法，那 10% 可能改变世界。

2. 混搭和重组

创新不是凭空变魔术，而是把现有元素用新方式组合。

  • iPhone = 手机 + iPod + 互联网浏览器
  • Slack = 聊天工具 + 工作流集成 + 搜索引擎
  • Notion = 文档 + 数据库 + 协作工具

问自己：我能把 A 和 B 以一种没人试过的方式结合吗？

3. 不要害怕”没有答案”的探索

AI 需要明确的目标函数，但很多创造性工作的起点是”不知道会做出什么”。

梵高画《星夜》时，没想着”我要画一幅价值 8000 万美元的画”。
披头士录《Sgt. Pepper’s》时，没想着”我要做一张改变摇滚史的专辑”。

留出时间做”无目的探索”，不要让所有时间都被”任务驱动”填满。

第三种肌肉：从”提升效率”到”拉高能力上限”

AI 擅长的：把你的能力放大 10 倍

你会写代码，AI 能让你写得更快。
你会做设计，AI 能让你迭代更快。
你会写文章，AI 能让你产出更多。

AI 是”倍增器”，但倍增的是你现有的能力。

如果你的能力上限是 10，AI 帮你达到 100。
如果你的能力上限是 1，AI 帮你达到 10。

关键是：你的能力上限在哪？

人类的优势：突破天花板

2016 年，AlphaGo 击败李世石。但有意思的是，人类围棋手在研究 AlphaGo 的棋谱后，发现了很多以前从未想过的下法。

顶尖棋手的棋力反而因为 AI 提升了，因为他们学会了用新的视角看围棋。

AI 可以是教练，但突破的动力来自人。

如何练这块肌肉？

1. 主动走出舒适区

效率工具让你在舒适区更高效，但能力突破需要你走出去。

  • 学一门完全陌生的技能（不是为了实用，而是为了打破思维定式）
  • 挑战一个你觉得”自己不可能做到”的项目
  • 和比你厉害 10 倍的人深度交流

AI 能帮你做得更快，但不能帮你选择”做什么”。

2. 拥抱失败和困惑

AI 训练的目标是”降低损失函数”，而人类成长的本质是”在失败中学习”。

如果你只做 AI 能帮你完美完成的事，你永远不会突破。

允许自己做不完美的尝试，允许自己有 6 个月”什么都没做出来”的探索期。

3. 培养”元认知能力”

AI 能给你答案，但你需要知道：

  • 这个答案对不对？
  • 这个方向值不值得走？
  • 我现在的思考有没有盲区？

元认知就是”思考你的思考”，这是 AI 目前最弱的地方。

多问自己：

  • 我为什么会这样思考？
  • 我的假设是什么？
  • 我有没有被某种思维定式困住？

实战：一个对比案例

假设你想做一个健身 App。

低能力上限的做法（AI 能替代）：

  1. 查看市面上的健身 App
  2. 分析功能清单
  3. 找设计师和开发外包
  4. 用 AI 生成文案和素材
  5. 上线一个”和别人差不多”的产品

→ 这是”执行任务”，AI + 低代码工具就能做。

高能力上限的做法（AI 无法替代）：

  1. 发现隐藏问题：去健身房泡 3 个月，和 50 个健身新手深度聊，发现”大家不是不知道怎么练，而是坚持不下来”
  2. 创造新物种：不做”健身教学 App”，而是做”健身社交游戏化 App”，把健身变成像打游戏一样有即时反馈和成就感的体验
  3. 拉高能力上限：学习游戏设计、行为心理学、社群运营，用跨领域知识重新定义健身 App

→ 这是”创造新可能”，只有人能做。

结语：AI 时代的人，应该像”提问者”而非”答题者”

过去 200 年，工业革命训练我们成为”高效的答题者”：

  • 老板给你问题，你给出答案
  • 考试给你题目，你给出解法
  • 市场给你需求，你给出产品

AI 时代，”答题者”的价值在快速下降。

真正稀缺的，是那些能提出好问题、创造新物种、突破能力天花板的人。

不要和 AI 比速度，要和 AI 比方向感。

机器可以跑得更快，但只有人能决定跑向哪里。

思考题：你最近做的工作中，有多少是”AI 无法替代的”？如果比例很低，也许是时候重新思考你的定位了。