AI 时代,10 倍差距是怎么产生的
Source: http://x.com/i/article/2031035675852861440
很多人以为,AI 会抹平人与人之间的差距。
因为工具变便宜了,以前需要几年训练才能掌握的能力,现在一个 Claude、一个 ChatGPT、一个 Cursor,过不了几天就能让普通人摸到边。表面上看,门槛确实在下降,于是很多人自然得出一个乐观结论:既然大家都能用 AI,人与人之间的差距应该会缩小。
但现实正在朝相反的方向发展。
South Park Commons 最近分析了 20 次 work trial 的数据。同一道题,同一套 AI 工具,不同背景的人来做,最后拉开的是 10 倍的产出差距。注意,不是 10%,不是两倍,是 10 倍。更刺眼的是,这种差距和很多人过去最相信的指标几乎没有关系,工作年限、名校背景、大厂履历,都没有表现出稳定的预测力。真正更像信号的,是另一种东西:builder 气质,有没有 side project,会不会自己动手搭东西,会不会在没人要求的时候先去试新工具。
这件事真正值得警惕的地方,不在于有些人更会用 AI。
而在于 AI 正在重新定义,什么样的人会赢。
很多旧世界里被高度奖励的能力,正在迅速贬值。很多以前看上去像噪音、像旁门、像不够主流的东西,开始变成核心竞争力。你会发现,一些履历非常漂亮的人,进入 AI 时代之后并没有表现出想象中的优势。反而是那些一直在自己折腾、自己试错、自己做 side project 的人,跑得更快,理解更深,产出更猛。
原因并不复杂。因为 AI 奖励的,从来就不只是“会不会操作工具”,它奖励的是另一层能力:你会不会为了新工具,重建自己的工作方式。
这件事说起来轻巧,做起来极难。
一个经验丰富的人,往往更容易被过去的经验困住。经验本身当然有价值,但经验也会形成一套很强的默认路径。你做一件事时,脑子里会自动冒出一整套“正常做法”。这套系统在旧时代非常有用,因为旧时代变化慢,正确路径一旦形成,可以吃很多年。
AI 时代的问题在于,路径变得太快了。
很多资深从业者面对 AI 的第一反应,是把它塞进原有流程里,让它帮自己把旧流程跑得快一点。他们问的是:这个工具怎么配合我现在的工作方式?
更强的人问的是另一句话:既然这个工具已经出现了,我原来的工作方式还有多少是值得保留的?
这两种问法看起来只差一点,后果却差得极大。
前者只是给旧机器装了个更快的发动机。后者是在拆掉整台机器,按新时代的物理规律重新造一台。
这才是 10 倍差距真正开始出现的地方。
历史上每一次技术革命,真正吃到最大红利的人,往往都不是最早把新技术“接入旧流程”的人,而是最早围绕新技术重构流程的人。蒸汽机、电力、互联网,都是这样。AI 只是在把这个过程压缩得更快,更暴力,也更不留情面。原来一个行业要花十年才完成的范式迁移,现在可能两三年内就结束了。
所以今天最大的差距,不是技术差距,是心态差距。
准确一点说,是你对旧框架有没有执念的差距。
应届生有时跑得比老手快,原因未必是他们能力更强,而是他们没什么东西需要捍卫。他们没有那么多“这件事本来就该这么做”的条件反射。他们更容易直接上手,直接犯错,直接换方法。这种看起来有点莽的状态,在 AI 时代反而成了一种稀缺品质。因为多数人真正缺的,从来不是工具说明书,而是放下旧地图的勇气。
但心态还只是第一层。
第二层差距,比心态更大,也更隐蔽,那就是系统判断。
AI 非常擅长执行。只要你把问题定义清楚,把路径讲明白,它就能在框架内高速运转。于是很多人会误以为,未来最重要的能力是“让 AI 替我做更多事”。
其实没那么简单。
当执行被大规模外包之后,最值钱的能力会自动上移。原来谁做得快,谁有优势。现在执行速度逐渐趋同,真正拉开差距的,是谁更早看见什么事情值得做,什么问题值得解,什么方向值得投入。
你给一个人和一个 AI agent 24 小时,他可以做出大量东西。页面、代码、文案、原型、分析报告,都能产出。问题是,做出来不等于做对了。多数人会在这个阶段第一次感受到一种新的挫败感:自己忙了很久,团队也跑得很快,系统也搭起来了,最后却发现是在高效率地做错事。
这不是执行问题。
这是判断问题。
判断什么值得做,决定了后面所有执行有没有意义。**AI 让“做”变便宜了,于是“该做什么”第一次被赤裸裸地推到台前。**以前一个人方向错了,可能因为做得慢,还能拖很久才暴露。现在 agent 一个 sprint 跑完,方向错没错,产品质量会立刻把你出卖。你对问题的理解,开始被实时审判。
这也是为什么,很多人以为 AI 会让判断不重要,现实却是 AI 让判断变得比任何时候都重要。
因为执行层一旦被压平,竞争就会上移到框架层。
谁来定义问题,谁来决定目标,谁来判断什么值得优化,谁来选那条真正有杠杆的路径。
这才是接下来几年最残酷的筛选标准。
再往上一层,还有第三种差距。这个差距,很多公司今天甚至还没有学会怎么识别。
那就是跨界视角。
AI 有一个很强的特征。它可以在框架内部表现得异常聪明,却很难主动跳出框架去质疑前提。换句话说,它可以高效地完成你定义好的问题,但它不擅长重新定义问题本身。
于是一个更有意思的事实出现了。
当 AI 越来越强,真正稀缺的,反而越来越不是框架内熟练度,而是框架外视角。
你为什么会想到这样定义一个问题,你为什么会觉得这个行业的默认做法有问题,你为什么会把 A 行业的方法迁移到 B 行业,你为什么会看到别人视野之外的一个连接点。
这些东西,通常不来自标准化职业路径。它往往来自跨界经历,来自你在别的语境里待过,来自你用另一套语言思考过相似问题。Ivan Zhao 对软件结构的直觉,Brian Chesky 对 Airbnb 体验的设计方式,本质上都不是单纯行业内训练的产物。真正有创造力的框架,很多时候都来自“外部人的眼睛”。
这件事过去也成立,但在 AI 时代会被放大。
因为当执行不再稀缺,视角就会变得稀缺。 当答案越来越便宜,问题本身就会越来越贵。
当所有人都能生成内容,真正值钱的会是你到底看见了什么。
所以我越来越觉得,AI 时代最容易被低估的一类资产,其实是简历上那些“不够标准”的部分。
那些绕路,那些不合群的兴趣,那些做过又没做成的 side project,那些跨行业的经验,那些别人觉得散、觉得杂、觉得没法归类的阶段。
在旧世界里,它们经常被当成噪音。因为旧世界喜欢稳定、清晰、可比较的履历。公司想知道你有没有在已知赛道里证明过自己。GPA、名校、大厂、头衔,这些都服务于同一件事:证明你很擅长在成熟框架内表现优秀。
但 AI 时代对人的要求正在偏移。
它越来越需要一种会主动试、主动拆、主动重建的人,需要一种看到新工具出来就会扑上去摸的人,需要一种对现成答案天然不满足,总想自己再搭一版的人,需要一种哪怕没有人奖励,也会忍不住做 side project 的人。
这种人身上往往有一种很强的躁动感。
而这种躁动,在过去不总是好事。它可能意味着不够稳定,不够听话,不够标准,不够“职业化”。可一旦时代进入范式迁移期,它就会突然变成领先指标。因为当规则尚未成型时,最先赢的人,通常不是最会遵守旧规则的人,而是最先开始试新规则的人。
这也是我想说的那个更大的判断:
AI 并没有让世界更平均,
AI 只是把很多原本被旧体系遮住的差距,更快地暴露了出来。
它把会做题的人和会搭系统的人分开了,把会执行的人和会判断的人分开了,把履历漂亮的人和真正对新世界有感觉的人分开了。
以前,一个人懂不懂,可能要在一个组织里待很久,做很多项目,才慢慢显露。现在不是这样,AI 把执行成本压低之后,也把伪装成本压低了。谁都可以一键生成像样的东西,谁都可以迅速堆出某种“看起来很像”的成果。可也正因为如此,真正的判断失误会更快暴露,真正的框架缺陷会更快被放大,真正的无知也更难被资历和术语掩盖。
这才是很多人还没完全意识到的现实。
AI 让强者更强,不只是因为强者更会用工具。AI 让强者更强,是因为强者更愿意重建自己。 他们更快放弃旧工作流,更快升级自己的问题定义,更快从别的领域借框架,更快承认旧方法已经失效,更快开始下一轮试错。
而很多人真正输掉的,不是在今天不会写 prompt,也不是不会调 agent。
他们输在还把 AI 当作一个可以补丁式接入旧生活、旧工作、旧认知的外挂。
可 AI 不是外挂。
它更像一次重新分配优势的时代冲击,它会奖励那些肯自己拆掉自己的人,也会惩罚那些只想守住旧位置的人。
所以与其焦虑自己会不会被 AI 替代,不如先问一个更尖锐的问题: 当 AI 把执行拉平之后,你身上还剩下什么,是别人复制不了的?
是你重建工作流的勇气,是你判断什么值得做的能力,是你跨出原有语境、重新定义问题的视角,是那种没人要求你,你也会忍不住去试、去搭、去改、去重来的驱动力。
这些东西,AI 给不了你。
但接下来的胜负,会越来越由它们决定。