第十一章：不会贬值的资产

功夫在诗外

陆游说过：“汝果欲学诗，功夫在诗外。“要写好诗，光学写诗技巧不够，你需要丰富的阅历、广博的见闻、深刻的体验。

用好AI的道理一样。

观察那些真正把AI用得好的人，有一个有趣发现：他们往往不是AI专家。

一位资深财务分析师，用AI辅助工作。他不是对各种模型参数最熟悉的人，但对财务分析有二十年经验。他知道什么问题重要，什么数据关键，什么分析有价值。AI对他是强大助手——帮他更快处理数据、生成报告、检验假设。他的价值不在于会用AI，而在于知道让AI做什么。

反过来看。一位刚入行的分析师，即使学会最先进的AI工具，也做不出资深分析师的判断——不知道哪些问题值得分析，不知道数据背后的业务逻辑，不知道什么结论靠谱。工具再好，缺了领域积累也没用。

这个规律并不复杂。领域知识、问题定义、判断力、工具熟练度——四者的组合决定一个人能否用好AI。前三项比最后一项重要得多。有深厚领域知识、敏锐的问题意识、准确的判断力，工具用得笨一点没关系——用笨办法让AI做对的事，结果还是好的。反过来，只会用工具而缺乏前三项，可能把AI玩得很花哨，产出却没有价值。

这就是功夫在诗外的当代含义：决定你AI使用效果的，往往不是AI技巧本身，而是你在AI之外的积累。

什么积累不会贬值？除了第五章讨论的领域知识、审美、信任和跨界视角，还有一种更根本的东西：质疑框架的能力。

组织行为学家阿吉里斯区分了两种学习。

单环学习是在既定框架内改进做事方法。你用AI写报告，发现输出不够好，学了更好的提示词技巧，输出改善了。你在”如何让AI写出更好的报告”上进步了，但没质疑过这份报告本身有没有必要。

双环学习是质疑框架本身。这份报告的目的是什么？读者真正需要什么？有没有更好的方式传递这些信息？我们是不是在做”一直这么做”的事而没质疑其必要性？

区别在于：单环学习让你在现有框架内做得更好，双环学习让你能改变框架。

这个区分之所以重要，因为AI特别擅长帮助单环学习。你想在某任务上做得更好，AI可以辅助执行、优化、迭代。但AI很难帮你进行双环学习——质疑框架、挑战假设、重新定义问题，这些需要跳出当前情境去审视它。

AI时代，单环学习的价值在下降——AI帮你更快地在既定框架内优化。双环学习的价值在上升——它决定了你是否在做正确的事。

一个简单的自检：当你发现自己在一件事上投入大量时间却效果不佳，停下来问——我在优化的这个流程，应该存在吗？如果从零开始，我还会这样做吗？有没有完全不同的解决方式？这些问题把你从单环拉入双环。不需要每件事都问，但在关键节点提醒自己：除了做得更好，还有做对的事这个选项。

讨论”不会贬值的资产”，要警惕两种极端。

一种是完全忽视AI。“我做了这么多年，不学AI也照样行。“AI不是可以忽视的小变化，它正在渗透越来越多的领域。你可能暂时感觉不到影响，但影响正在发生。某一天竞争对手用AI做到了你做不到的事，再追就晚了。

另一种是只追AI。“现在最重要的是学AI，其他都可以放一放。“AI工具本身快速变化，追逐追不完。更重要的是，AI的价值最终要落地到具体领域。没有领域知识、没有问题定义能力、没有判断力，光有AI技能是不够的。

健康的态度在两者之间：学习使用AI，继续深耕领域，判断标准是”它能解决我的问题”而非”别人都在用”。有稳定的内核——判断力、领域知识、核心能力——同时保持适应的弹性——持续更新认知，愿意尝试新方法。内核让你不被潮流裹挟，弹性让你不被时代抛弃。

把前面几章讨论过的”不贬值资产”汇总一下。

领域知识——对一个行业、一类问题的深入理解。AI降低了执行门槛，但提高了判断门槛。知道什么是好、什么重要、什么行得通，这些来自领域深耕，不来自工具。

审美与品味——第十章讲过，当AI能生成无限选项，选择的质量取决于你的品味。品味是大量接触优秀作品后的产物，没有捷径。

信任——第九章讲过，信任是人际关系的积累。客户信你这个人，不是信你用的工具。AI越普及，人与人之间的信任越稀缺、越值钱。

质疑框架的习惯——本章讲的双环学习。单环学习AI可以帮你做得更快，但质疑框架本身——我们是不是在解决错误的问题？——只有人能做。

这四样东西有一个共同特征：都不是短期内能速成的，都需要时间和实践来积累。恰恰因为难以速成，它们才不会贬值——容易获得的东西容易被替代，难以积累的东西才有持久价值。

用好AI的功夫在诗外。工具会变，但领域知识、审美、信任和质疑的习惯不会过时。接下来的问题是：知道了这些，怎么开始行动？