最近有一个感受越来越强烈:
AI在给我们带来巨大便利的同时,似乎也在制造另一种东西——熵增。
以前我觉得,AI最大的价值是降低成本。获取信息、分析问题、写代码、做方案,过去可能需要几天的事情,现在几个小时甚至几分钟就能完成。
听起来很美好,对吧?
但最近我越来越觉得,事情可能没那么简单。
因为当获取信息的成本越来越低、执行一件事情越来越容易的时候,我们面对的选择也在爆炸式增长。
以前很多事情做不了,是因为不会做、没人做、没钱做。
现在呢?
AI告诉你:这个可以做,那个也可以做;这条路径行不通,没关系,我们还有另外五条路径。
更可怕的是,它不仅能提出方案,还真的能把方案执行下去。
然后你会发现,事情越做越多,问题越解决越多,系统越来越复杂。
但你离最初的目标,未必越来越近。
AI很擅长解决问题,但问题本身可能就不值得解决
最近和Codex一起做项目,这种感受尤其明显。
我发现它有时候会陷入一种很奇怪的状态:
明明我们最初要解决的是一个业务问题,执行过程中发现了一个技术细节,它就开始认真研究这个细节。
研究着研究着,发现这个细节背后还有个问题。
于是开始修复,修复过程中又发现原有架构不够完善,需要补充一些机制;补完机制之后,为了保证机制可靠,又需要增加测试、监控和保护措施……
每一步看起来都很合理。
甚至单独把其中任何一步拿出来分析,你可能都会觉得:嗯,确实应该这么做。
但把这些事情放在一起,再回头看最初的目标呢?
好家伙,我们好像已经跑到十万八千里之外了。
这其实是一个挺可怕的问题。
局部的正确,不代表整体的正确。
AI可以在一个局部问题上表现得非常专业,甚至比人类更细致、更严谨。但它可能会因为过度关注眼前的问题,不断扩大工作范围,而忽略整个项目最初为什么存在。
当然,这不完全是AI的问题。人类工程师也会这样,做产品的人应该都见过。
但区别在于,过去人的时间、精力和团队资源会自然限制这种扩张。你想把一个小问题做成大工程,至少还要考虑排期、成本和人手。
而现在,AI太能干了。
只要你不叫停,它可能就这么一路做下去。
如果这时候人类没有自己的判断,只是不断接受AI提出的下一步,那就很容易出现一种荒诞的结果:
AI非常努力地完成了大量工作,而我们却忘了自己最初想解决什么。
浪费了多少Token、花了多少钱,其实还是次要的。
更贵的是你的时间、精力和注意力。
甚至还有信心。
当你花了几天时间,看着AI不停分析、修改、测试,最后发现整个项目似乎还是没有什么实质进展时,那种挫败感是很真实的。
你开始怀疑是不是问题太难、是不是方向不对,甚至怀疑自己到底能不能把这件事做成。
但有可能,真正的问题只是:你们本来就不应该把精力花在这里。
商业上也是一样,而且可能更危险
前几天和合伙人聊天,也有一个非常突出的感受。
AI让做很多事情的门槛都变低了。
以前你想做个产品,需要产品经理、设计师、工程师;想研究一个市场,需要收集资料、找人访谈、分析数据;想验证一个商业想法,可能光准备工作就得花上不少时间。
现在这些事情,AI都能帮你完成相当一部分。
一个想法,聊上半个小时,就能有商业模式、竞品分析、产品规划,甚至一套可以开始执行的方案。
这当然是好事。
但它也带来了巨大的噪音。
因为当所有想法都看起来有机会落地的时候,你反而更难判断哪个想法值得投入。
过去,资源不足本身就是一道过滤器。
一个想法即使听起来不错,如果启动成本太高、团队能力不够,可能也就放弃了。
现在这道过滤器正在消失。
你会发现自己很容易进入一种状态:
这个方向好像不错,可以试试。
那个机会似乎也有潜力,反正AI能做。
还有这个功能,实现起来并不难,不如顺手加上。
于是项目越来越多,功能越来越多,待办事项越来越多。
每一个都有道理。
但问题是——你到底想做什么?
这个项目本身make sense吗?
它真的在解决某个真实存在的问题吗?有没有真实用户需要它?做成之后的价值是什么?
还是说,只是因为现在有能力把它做出来,所以就决定做了?
我觉得这是AI时代特别值得警惕的一件事:
不要把“能做”误认为“值得做”。
技术门槛降低了,并不意味着市场需求变多了。
产品开发成本降低了,也不代表获客更容易、商业模式更成立。
AI可以帮你生成十种进入市场的方法,但它不会因为生成了十种方法,就让这个市场变得更有价值。
甚至恰恰相反。
当所有人都能以极低的成本生产内容、开发产品、设计方案时,市场上的噪音只会越来越大。
你不仅需要在自己的十个想法之间做选择,还要在别人制造的无数信息和机会中保持清醒。
AI在局部降低了熵,却可能在整体制造了更多熵
回头想想,我觉得这可能是最近自己最大的一个认知变化。
我们过去一直在追求信息效率。
互联网让信息更容易获取,搜索引擎让我们不需要记住那么多知识,而AI又进一步省略了检索、整理、总结,甚至一部分思考的过程。
从单个任务来看,效率确实越来越高。
但从人的整个工作和决策过程来看,未必如此。
因为信息越容易获得,我们越容易获得更多信息。
方案越容易生成,我们越容易不断寻找新的方案。
事情越容易执行,我们越容易同时启动更多事情。
AI帮你降低了每一件事的成本,却也让你更容易开启原本根本不会去做的事情。
这就是我所说的熵增。
当然,这里并不是在严格讨论物理学意义上的熵,而是在描述一种感受:
局部的效率提高了,但整体的复杂度也可能随之失控。
而人的精力并没有随着AI的能力一起指数级增长。
一天还是24小时。
你的注意力仍然有限,判断力需要时间,真正理解一个业务也需要时间。
更重要的是,当大量信息和结论都由AI直接提供时,我们很容易跳过原本应该属于自己的思考过程。
它给了你一个结论,你觉得挺有道理。
它给了你一套方案,你觉得逻辑很完整。
它告诉你接下来应该做什么,你也就顺手让它去做了。
久而久之,最危险的不是AI犯错。
而是你逐渐失去了主动判断的习惯。
所以,我最近反而觉得应该慢一点
这听起来可能有点反直觉。
AI都这么强了,不应该趁着这个机会拼命往前冲吗?
当然应该利用技术红利。
但我现在更想提醒自己:谋定而后动。
这里的“谋定”,不是要把所有事情想得完美无缺之后才开始行动。那样很容易重新掉进过度规划的陷阱。
而是至少先回答几个最基本的问题:
我到底要解决什么问题?
这件事为什么值得做?
做到什么程度就够了?
以及,如果继续投入,我要放弃什么?
最后这个问题尤其重要。
因为AI会让你产生一种错觉:反正大部分工作都由它完成,多做一点好像没什么成本。
但实际上,每一个新增的方向、每一次偏离目标的探索,都需要你去理解、验证和决策。
AI可以同时跑十个任务,但你未必有精力同时判断十个任务是否正确。
所以最近我越来越觉得,人和AI的分工不应该只是:
人负责提出需求,AI负责执行。
而应该是:
人始终对目标和取舍负责,AI负责在明确的目标与边界内尽可能高效地执行。
它可以帮我思考,可以质疑我的判断,可以提出我没有想到的方案。
但最终决定哪些事情值得做、哪些事情应该停下来的人,仍然应该是我。
甚至有时候,最好的决策不是让AI继续做,而是直接告诉它:
这件事到此为止,不值得再投入了。
写到这里,我突然觉得,AI时代真正稀缺的东西,可能和我最开始想象的不太一样。
不是信息,不是技能,甚至也不只是执行能力。
而是面对越来越多的可能性时,仍然能保持清醒,知道自己要什么,以及愿意放弃什么。
以前我们需要努力寻找解决问题的方法。
现在,方法可能多得用不完。
过去的难题是“我能不能做到”,现在越来越多的难题是“我到底应不应该做”。
AI让我们拥有了更强大的执行能力。
但越是这样,越应该保护自己的注意力、时间和判断力。
因为它们才是我们真正不可再生的资源。
至于那些做不完的事情?
让它们继续待在待办列表里吧。
不是所有能做的事情,都值得去做。
当然,或许我说的都是错的。
