本文來自微信公眾號： 葉小釵 ，作者：葉小釵，原文標題：《麻了！他用 WorkBuddy 半小時交了萬字作業(yè)，我要認真讀嗎？》
最近學員里有個人把我搞得挺累的，倒不是因為教不會，反而是因為他搞得太快了。
我們上完一節(jié)課以后布置了個作業(yè)，本來我預計這個東西怎么都得折騰個兩三天，做得慢的可能要一兩個星期。結果半個小時以后，作業(yè)就交上來了：一篇兩萬字的HTML。我打開以后都懵了。他半個小時寫完的，我可能得花半天才能看完。
沒辦法嘛，還是得看嘛，畢竟人家是交了錢的呀。
我花了挺長時間看了一下。說實話，看不懂，不知道說的是啥，但是里面還是有一些信息量的。我就把那一部分信息量提出來，給了一些建議。又過了半小時，新版本又來了。我當時就有一種特別熟悉的感覺，這是以前工作的時候經(jīng)常能感受到的：有些人就是你推一步他動一步，但偏偏干得又特別快。
這里面最難受的就是——他越高效，我越累。
我不知道他累不累，反正我是真的累。所以我現(xiàn)在看到這種學員，有點不知道該笑還是該哭。高興肯定還是高興的。至少說明這個學員AI學得很好，工具甚至用得比我還溜；但確實也挺撓頭的，這種動不動就一兩萬字的作業(yè)，你叫我咋點評嘛？
以前怎么判斷AI原生？
以前我們在判斷一個人是不是AI原生的時候，我主要看這些東西：
Claude Code會不會用；
Codex可以連續(xù)跑多久；
日Token消耗是多少；
在Agent上總共花了多長時間。
其實這些東西對應的，就是一個人有沒有建立真正的AI使用體感。另外，以前可能三四個人做的事情，現(xiàn)在自己一個人能不能搞得定，這一點也很重要。
但是等我開始給他評作業(yè)以后，就覺得這里也不對，那里也不對。最主要的是，我看不到他到底學會了什么啊。
工作場景和學習場景不一樣
其實，學生交作業(yè)跟員工交付工作還不是完全一樣的性質。
工作有時候確實就是看結果，這個東西必須今天上線，那你有什么辦法都得做出來。而且現(xiàn)在很多企業(yè)默認的要求，本身就是員工帶著AI去交付結果的。
只是說，現(xiàn)在的工作如果沒有AI，很多人根本就做不了。但是有了AI以后，就能基本先做出來。中間可能確實會缺少思考，回頭去問的時候，可能就會出現(xiàn)"與神對話"的情況。
但是現(xiàn)在AI把執(zhí)行時間壓得太短了，原來藏在執(zhí)行過程里的成長時間也一起被壓縮了。不是說人不想成長，而是說時間壓縮了以后，如果我們真的在這里預留時間讓人去學習，體現(xiàn)出來的就是提效變弱了，這個時候必然就會焦慮：
是不是自己用AI的能力還不夠呀？人家提效好幾倍，自己只能提效50%，這還不是說，自己能接住以前不會的活，別人也能接住以前不會的活，這個時候就會覺得別人很牛逼，自己不行。
更可怕的是在團隊里面，因為要去和AI交互對話來提升，這占用了交付的時間，交付變少了，也會被認為是能力不足。
這一塊其實，在企業(yè)里面大家也是有取舍的。如果是一些完全不會的需求，還是會考慮先做需求評審，讓AI給自己做科普，科普完了以后再讓AI去執(zhí)行。
雖然還是會有一部分"與神對話"的環(huán)節(jié)，但還是會出現(xiàn)一些被問倒的情況。不過相對來說，效率和成長是有平衡的：效率其實是有提升的，同時又不會完全成為AI的掛件。
但是過了一段時間，可能又感覺別人AI用的飛起，自己這么搞還是慢了，然后又開始想怎么能少限制AI，讓效率提升更快，自己控制得更少一點。這感覺就是一個循環(huán)，不斷在迭代處理。
這里本質上是一種現(xiàn)實的焦慮。在時間已經(jīng)被AI壓縮的情況下，我們到底應該在多大程度上去控制AI？隨著任務往前走，再不斷判斷哪些事情可以繼續(xù)放給AI，哪些地方自己還是得停下來確認。
兩個循環(huán)
這里面其實是有兩個循環(huán)的。
1.AI在跑的任務循環(huán)
它會理解任務、查資料、拆解執(zhí)行、生成結果，并自己檢查，發(fā)現(xiàn)問題后再修改?，F(xiàn)在模型越來越強，這個循環(huán)已經(jīng)跑得非?？炝恕Ｉ踔梁芏鄷r候我們不需要一小步一小步地指揮，直接把一個完整任務交過去，它自己就能往前跑很多步。
2.人在跑的認知循環(huán)
它關注的是：為什么做這個判斷？為什么走這條路徑？這個東西跟現(xiàn)實有沒有對不上的地方？
這里面最容易出問題的地方就是：為了能夠交付結果，讓AI的循環(huán)越跑越快，人在里面的認知循環(huán)卻直接沒有了。
前面其實發(fā)生了一種情況：我們明知道人應該在環(huán)中，但現(xiàn)實工作里大家還是會不斷想辦法把自己從環(huán)里面拿掉。當然有時候可能是偷懶，但在企業(yè)里面，我覺得更現(xiàn)實的原因還是效率評價。
評價者看的是第一個循環(huán)：這個工作是兩天還是一天？是三個人干還是一個人干？一天能交的結果是什么？你和他之間有多少區(qū)別？
但是第二個循環(huán)："今天有沒有比昨天評價能力再提升一點？下次遇到同類問題的時候，是不是已經(jīng)不用重新問AI了？"
這個其實很難去評價，所以大家會不自覺地持續(xù)優(yōu)化第一個循環(huán)，然后就忽略了第二個。
學習場景更明顯
這個事情到學習場景里面就更明顯了。因為學習不是以作業(yè)的結果為要求的，作業(yè)其實也不是看完整度來評價的。作業(yè)除了要結果，我還想知道你有沒有真的搞懂。
如果AI很快地去完成了，我們又把自己從這個環(huán)里面拿掉了，就會出現(xiàn)一個特別奇怪的東西：一份作業(yè)在形式上可以完成得特別好，結構完整，內容豐富，有圖表，有總結，甚至還有正反辯論。
其實不能說他沒學，他是真的用上了課程里面的概念，并且真的都用了一遍。但是看完以后，腦子里還是一堆問號：這里面哪一部分是自己想的，哪一部分是原來理解錯了以后經(jīng)過AI提醒才發(fā)現(xiàn)的，這些東西其實都看不出來。
最麻煩的就是，這種文檔往往還特別自洽，整個邏輯跟課程的邏輯關聯(lián)度很高，連自己的局限性都被AI分析完了。什么都有，但我看完了以后，還是不知道他到底經(jīng)歷了什么、學會了什么。
我后來還是真的仔細想了一下，問題可能真的是出在太快了。
我們以前學一個東西的時候，本身其實是很慢的。老師講完了以后，我們覺得自己完全學會了，其實只是先建立了一個初步框架?；厝捅P的時候往往會發(fā)現(xiàn)自己好像忘了，再看一遍，理解錯了，然后會去研究、去改。研究清楚了以后，在另外一個地方又卡住了，再去查資料，查完回來繼續(xù)做。就這樣搞個兩三天，終于把作業(yè)搞出來交上去了。
看起來確實是挺低效的，但是很多能力其實就是在這兩三天里面長出來的。我們會記得一開始哪里想錯了，后來是怎么糾正過來的；原來哪里不行，最后為什么選擇現(xiàn)在的這個方案。這些東西，尤其是這個糾正的過程，慢慢就會變成我們的判斷。
現(xiàn)在呢，AI把這個時間壓得特別短。甚至課剛聽完，我們還沒有經(jīng)歷"忘記、發(fā)現(xiàn)不對、重新理解、再重新做"這個過程，AI已經(jīng)把作業(yè)給搞完了。這本質上就把我們原來兩三天里面撈出來的東西，一起給干沒了。
不是不用AI，是人的循環(huán)不能停
當然，我也不是說為了學習我們就故意不用AI，自己一定要手搓三天，那樣也挺傻的。AI半小時能干完，我為什么非要花3小時去搓？
我理解這里面的核心是：AI的循環(huán)可以越來越快，但是人在這個里面的循環(huán)是不能停的。
它就像兩個相互咬合的齒輪，我們不能為了讓AI循環(huán)跑得快，就把它和人的銜接給斷掉。AI可以轉得快一點，但是人的認知循環(huán)也得跟著轉。以前3天跑一輪，現(xiàn)在半天跑三輪，那每一輪里面人的閉環(huán)和成長速度其實就更快了。
人在這里面就得看、得判斷、得改，不然那就不是加速學習，只是加速交作業(yè)。
這里面的核心是人的認知循環(huán)，產(chǎn)出的是判斷。我想看的其實不完全是一個形式上的作業(yè)，我想看的其實是學員的判斷。
所以后面我可能想著怎么把作業(yè)調整一下。
我其實倒不介意學員用AI，因為AI原生人才首先得是AI原生的人嘛。如果完全不用，那其實也是自廢武功。但是，多少字我以前沒有啥要求，現(xiàn)在有了，2萬字肯定不行，不能搞個2萬字的過來，想到就氣。
我以后可能真正想看的反而是這些東西：
你最開始是怎么理解這個問題的？
AI哪些地方把你帶對了，哪些地方把你帶偏了？
AI給出來的東西，哪些你不同意？
最后這個結果里面，你自己改了什么？
做完以后，哪些東西已經(jīng)變成你自己的判斷？
反正我默認大家用AI寫作業(yè)了，那我就按照AI時代的標準來評價一個人。
AI原生人才=兩個循環(huán)都在跑
這么看的話，人對于AI結果的評價能力會越來越重要?？梢宰孉I去做方案、做架構、做分析、做規(guī)劃，其實都沒問題的，但是我們得參與進去：他為什么這么拆解？為什么這么判斷？然后讓自己有能力去評價、糾正它。
這個糾正的過程本身，就是人在參與認知循環(huán)。
現(xiàn)在如果讓我用一個特別簡單的方式去看AI原生人才，其實就是看這兩個循環(huán)：
AI原生的人，已經(jīng)能把AI的循環(huán)跑起來了，這其實就是已經(jīng)入門了。
AI原生人才，是保證AI在跑的時候，自己的循環(huán)也還在跑。
我們的目的倒不是讓AI慢下來，最好是越來越快。我們其實希望的是，在它越來越快的時候，人的這個齒輪也牢牢地鑲在上面。
要不然過一段時間回頭看，就會發(fā)現(xiàn)AI已經(jīng)升級了十幾個版本，自己還是原來的自己，那個時候就不知道是AI尷尬還是人尷尬了。