技术与判断

AI 把答案变便宜之后，为什么判断反而更贵了？

生成速度不是工作完成速度。当产出增长快于核验能力，瓶颈会从“写出来”转移到“证明它值得相信”。

析元编辑部 · 2026.10.22 · 原创分析 · 约 5 分钟阅读

十分钟写完，不等于十分钟交付

设想一个人原本花两小时写分析，现在用 AI 十分钟生成初稿。看上去，生产率提高了十二倍。但如果接下来花一小时核对引用、半小时确认前提，再花二十分钟修改被流畅语言掩盖的逻辑缺口，最终改善就与“生成速度”很不一样。

这个例子不是实测数据，而是在提醒我们：工作至少包含生成、验证、整合与承担后果。AI 最显眼地压缩了第一部分，其他部分却不会因为文字变得顺滑就自动消失。

因此，一个更值得追问的问题不是“它能写多快”，而是“在相同可信度要求下，整个任务能否更快完成”。不固定质量标准，速度比较就可能只是把核验工作推迟了。

哈佛商学院介绍的一项研究考察了 758 位顾问，并提出“锯齿状技术前沿”：AI 对不同任务的帮助并不均匀。[1] 这里更重要的不是某个提升百分比，而是一个认识上的困难：看起来相似的任务，未必处在同一条能力边界内。

我们不能从“上一封邮件写得不错”推导“这份合同的事实也可靠”，也不能从“一段代码可以运行”推导“它满足全部业务约束”。输出格式相似，很容易给能力连续性的错觉。

这项研究使用特定时期的模型、任务和参与者，不能当成今天所有模型的性能表。但它支持一个仍然有用的工作原则：按具体任务验证，不按产品名整体信任。

校对错别字和验证结论不是同一种工作。前者可以在局部进行，后者往往需要重建推理链：数据代表谁、比较基准是否一致、遗漏的条件会不会改变结论。

如果核验者缺少相应知识，答案越完整、语气越确定，反而越可能降低他的警觉。不是因为流畅必然错误，而是因为流畅提供了一个与真实性无关的可信外观。

微软研究院参与的一项 CHI 2025 调查收集了 319 名知识工作者的自述。研究报告了对 AI 的信心与较少批判性思考之间的关联，也描述了思考活动向核验、整合和任务管理的转移。[2] 必须强调：这是调查中的关联和自我报告，不能据此断言 AI 已经因果性地降低了人的智力。

与其把任务分成“创意型”和“严肃型”，不如先问两个问题：有没有独立于生成者的检验办法？出错之后是否容易撤回？

生成一个文件格式转换脚本，可以用已知输入、可打开的输出与边界案例来检查。但一份市场解释即使没有明显语病，也可能在因果关系上出错；让另一个模型表示赞同，仍不等于出现了独立证据。

可验证、可回退的任务，适合更大胆地自动化；难以验证、后果难以撤回的任务，需要更多前置约束和人工判断。这个划分不是风险评级标准，而是分配注意力的方式：将最昂贵的审查留给最难被其他机制兜底的部分。

当写一份报告变便宜，组织可能不会只要求原来那一份报告，而是要求十份方案、二十种变体、每天一次更新。单份生成成本下降，审阅对象的总量却上升。

若每份内容仍需要承担责任的人逐一核对，瓶颈就转移到审阅端。表面上文档更多、会议材料更完整，实际决策却可能更慢。这是一个有条件的推论：只有在产出增长超过验证能力、且内容需要实质审查时才成立；不是所有自动生成都会造成这种结果。

对应的管理动作也就不是“再生成一份总结”。更有价值的可能是限制需要审批的输出数量，要求每项关键结论携带依据，优先呈现变化而不是重复全文，以及允许在证据不足时暂缓下结论。

如果产品竞争只围绕“生成更多”，它可能把最困难的部分留给了用户。另一条路线是让结果更容易被检查：结论链接到具体出处，事实与推断明确分开，修改可以比较，失败可以恢复，不能确定时诚实呈现不确定性。

例如，代码助手除了提交修改，还应说明影响范围与实际运行过的检查；研究助手除了给出结论，还应标明来源是否直接支持那句话。来源列表很长并不等于证据充分，测试数量很多也不等于关键行为被覆盖。

判断力变贵，并不意味着人要拒绝自动化。它意味着，当表达不再稀缺，价值会更多地取决于“为什么相信这一份，而不是另外一千份”。能降低证明成本的产品，才更有机会把生成能力转化为真正可交付的工作。

研究发现与本文推论已在正文中区分。示例用于解释机制，不代表析元自己的实验结果。