最可怕的事來了

今天早上遇到一個既棘手又好笑的問題，我提供產品咨詢的一家公司在給客戶介紹業務和產品時翻車了。

原因是因為 PPT 中的一處邏輯和數據錯誤，而造成這次翻車的罪魁禍首就是 AI。

因為，這部分內容和數據引用是負責這個 PPT 的同學用 AI 生成的。

有趣的是，包括他的直屬領導、業務負責人、產品總監、以及連公司老板都沒發現。

客戶在聽匯報過程中先是指出了數據錯誤，然后又發現一個業務邏輯硬傷，搞得現場十分尷尬。

回來后他們進行了深入復盤，并且得出一個結論：可以用 AI，但不能信 AI，人還是最后一道防線。

不知道你們發現沒，自從 AI 出現后，知識差和信息差被一定程度上抹平了。

誰都可以用，誰都可以快速獲取信息和完成工作。但問題就在于，如何判斷？

AI 做得越像真的，你就越容易信它。但它錯得也越像對的，你就越難發現。

不具備判斷力的人使用 AI，就像在井底向上看天，以為那就是世界的全部。

不知道自己不知道，就是認知邊界。

以前拼的是誰知道得多，現在拼的是誰判斷得準。

顯然，我上面說的那個案例就是典型的「沒判斷」。他們直接選擇了相信，而且無差別執行。

再說一個真相：AI 讓獲取答案的成本降低了，知道答案的人很多，能判斷答案對不對的人很少。

當我們懶得去做「探究答案」和「驗證答案」這兩件事時，才是 AI 時代最可怕的事。

因為，我們放棄了作為人的競爭力優勢，轉而成了機器的執行者。

盲目相信 AI，就是把我們的大腦外包給了 AI。

我自己現在是每天用 AI，但是我用和別人用是有區別的。

核心差異在于，我會把方法、要求、限制告訴他，然后再用我的專業能力、思維認知、鑒別能力去識別和判斷。

比如，我會借助 AI 來幫我做需求分析和產品規劃，也會讓它來幫我創作內容腳本。但是，它生成的結果對我來說只是一個高效率的輸入，最終的輸出關卡還是在我這里。

而且我現在用 AI 有一個原則，在我知識和認知范圍外的領域我是不用的，因為我沒法判斷。

之所以這么做，是因為我了解 AI 大模型背后的技術原理。

簡單理解，你可以把大模型當成一個概率機器，它并不是真的理解的意圖，也不是真的會做數學題和編程，它只是在一個既定框架下基于訓練數據做概率預測。

再舉個例子。

完成一個 App 產品的設計有很多個可選路徑和流程，每一個環節上都有不同的節點。

如果你完整實踐過整個閉環，那你一定知道哪些是重要的、哪些是有用的、哪些需要什么能力。

隨著實踐密度的提升，你會形成方法，而每一次的反饋會讓你不斷完善這套方法。

這也是為什么我一直說，方法論是干出來的！

能力 = 方法 ?? 實踐 ?? 反饋

AI 輸出的內容，語氣自信、邏輯流暢、看起來很專業，但它也可能在一本正經地胡說八道。

如果你沒有判斷力，你甚至不知道自己被騙了。

判斷力，就是 AI 時代的「信息免疫系統」。

按照上面的能力公式，我們的判斷力也是來源于方法、實踐、反饋，我在產品判斷力上的沉淀就是這三者的結合。

如果我做產品的實踐密度不夠質量不高，如果我做產品不形成方法，如果我做產品不獲得反饋，那我就無法沉淀那些被驗證過且可復用的能力。

這也是為什么很多同學參加完我的產品訓練營回去后再用 AI 提效，發現就是原地起飛的原因。

AI 知道的一定比我們多，但是我們如何去判斷它提供的結果是否正確以及改如何應用，依舊是作為人的核心競爭力。

AI讓獲取答案變得簡單，卻讓判斷答案變得更難。

別讓 AI 替代你去思考，否則有一天你會忘了如何思考，那也是最可怕的事情。

那么，如何提升判斷力呢？分享 4 個我正在用的方法。

第一，先實踐，再問 AI。

能最大化發揮 AI 能力的人，一定是本身就有方法、有高密度實踐、在反饋中迭代過方法的人。

先自己動手，獲得一線體感，然后再問 AI，讓它幫你擴充信息量并提供結構化框架。

第二，建立自己的判斷框架。

在某個領域深耕，形成自己的評判標準，這依舊是一條必走的路。

我之所以要給公司當產品顧問，最主要的目的不是賺錢，而是給自己提供一個真實的實踐環境，目的是完善和迭代我的能力和方法。

按照目前的 AI 能力，你把它給一個小白，無法讓一個小白瞬間變成高手。

但是，你把 AI 給一個高手，那高手確實能很快變成頂尖高手。

區別就在于，高手有自己的判斷框架，這是通過方法、實踐、反饋積累起來的個人能力。

第三，學會用 AI 過程中的反向驗證方法。

什么意思呢？

AI 給你一個答案后，你故意反著問它。

比如，AI說「應該這樣做」，你就問「為什么不能那樣做」。或者直接問「這個建議有什么局限性？可能在什么情況下不適用？」。

另外，AI 的答案往往是「最大公約數」，不一定適合你的具體情況。

如果用反向驗證法去追問，就可以盡可能往你的個性領域去引導，而且你的反問其實也是在補充自己在判斷力上的缺失。

至少，提問總比獲得答案更容易。

當然，提問本身也是一項很重要的能力。

第四，建立自己的「判斷日志」。

其實，這也是我構建自己方法體系的一個方法。說白了，就是構建方法的方法。

每次做重要判斷時，記錄一下「我當時怎么判斷的？依據是什么？后來結果如何？」。

還有一點很重要，定期回顧，看看自己的判斷準確率。

說實話，這一招很有效。

大多數人做完判斷就忘了，不知道自己判斷準不準，所以沒法把最佳表現固定下來，其實挺浪費的。

記錄+復盤，才能讓判斷力真正提升。

寫在最后。

現在，人人都在談如何用好 AI，這的確是趨勢。

但我想說，比用好 AI 更重要的，是別被 AI 用了。

保持你的判斷力，保持你的識別力，保持你動手實踐的習慣。這些東西看起來很笨，但恰恰是 AI 替代不了的。

工具會一直迭代，但用工具的人，才是真正的變量。

實踐出真知，這句老話在 AI 時代反而更值錢了。

菲爾茲獎得主陶哲軒說：AI 最危險的地方，不是它不會，而是它錯得太像對了。

················· 唐韌出品 ·················

安可時刻

1 月份又是忙到起飛的節奏，這周末去成都，舉辦成都線下聚會和產品訓練營。

下周受邀去騰訊成都總部參觀，然后直接飛深圳開第一期 AI 個體戶計劃兩天課程。

再下周就飛上海，同樣是第一期 AI 個體戶課程，帶一批人先掌握 AI 能力完成個人商業模式打造。

整個 1 月我只有一個周末有休息，忙完這一陣我就準備提前放假了。

只工作不上班的第 7 年，繼續迭代！

PS：今天我的 AI 攝影師給我「拍了」一張工作照，各方面細節都拿捏到位了，這張照片的提示詞有 300 字。