你花了一辈子在错误的事情上精益求精

来源： The Algorithmic Bridge，作者 Alberto Romero（2026年2月7日）

核心论点

AI智能体（搭载GPT-5.3的Codex，搭载Opus 4.6的Claude Code）将执行压缩为许愿。瓶颈从怎么做转移到了做什么。大多数人一辈子都在优化"怎么做"，现在手握一盏神灯，却仍然把99%的精力花在执行上。

关键论据

神灯隐喻

魔法一次性物品（神灯、传送器）彻底颠覆了精力分配：「怎么做」被完全外包，所以脑力必须转向「做什么」。AI只是程度上的放大，本质并无不同。"做事比决定做什么需要更多资源"这个信念一直是人类历史的默认运行模式——而这个假设正在被打破。

人们为什么抗拒这种转变

• 自我认同问题： 我们衡量价值的语言建立在执行能力之上。"我很高效"意味着我擅长执行。当执行变得廉价，感觉就像你的技能变得毫无价值。
• 逃避心理： 人们只把AI用于小型、安全的任务（邮件、摘要），因为直面它的全部能力意味着承认多年磨炼的技能对机器来说已经不值一提。
• 职业惯性： "我想做什么？"早已变成了"我能做什么？"——劳动力市场、地理位置和可行性的限制压缩了我们的抱负。AI正在松动这些限制，但心智模型还没跟上。

"做什么"技能栈

文章将"做什么的技能"分解为不同的、不可互换的能力：

关键洞察：一个人可能有非凡的品味却毫无主动性（从不创作的评论家），或者有很强的主动性但判断力很差（朝错误方向猛冲的创始人）。这些技能以前是隐形的，因为"怎么做"的瓶颈就像一块巨石堵在洞口前面。

软件形态的问题

生活中充满了软件形态的问题，非程序员甚至注意不到它们的存在，因为"怎么做"过去根本不可行。即使对程序员来说，大多数也因为时间和资源限制而无法着手。现在，识别这些问题才是瓶颈，而不是解决它们。

值得注意的引言

"做事比决定做什么需要更多资源，这个信念基本上是整个人类生活的默认运行模式。怎么做一直如此昂贵，以至于做什么几乎无关紧要。"

"人们一手拿着神灯，口袋里揣着传送器，却仍然把99%的时间、精力和思考花在怎么做上。"

"如果你没有感到一丝眩晕，说明你还不够深入。"

分析：这对职场中的人到底意味着什么

上面的文章是由深耕AI领域的人为同类读者写的。以下是一个诚实的评估：哪些站得住脚，哪些被夸大了，以及对做普通工作的人来说，这在实践中意味着什么。

文章说对了什么

转变的方向是真实的。 如果你的工作涉及写报告、分析数据、起草邮件、制作演示文稿、总结文档或整理信息，AI工具已经能完成60-80%的机械性工作。这不是猜测——这就是这些工具今天的能力。文章说得对，这改变了什么让一个人在工作中有价值：能清晰定义需要发生什么以及为什么的人，相对于执行任务速度快的人，正变得更有价值。

心理阻力是真实的，值得认真对待。 大多数人的职业认同与他们的执行能力绑定。"我是Excel达人。""我写的方案最好。""我最懂我们的ERP系统。"当一个工具威胁要更快更便宜地做到这些，自然的反应要么是否定这个工具，要么只把它用于琐碎的任务。Romero说得对，这种逃避才是最大的障碍——而不是技术本身。

技能分解确实很有用。 品味、判断力、主动性、好奇心——这些不是空洞的口号。具体来说：

• 品味 = 当AI起草了三个版本的客户邮件，你能分辨出哪个真正听起来像你的公司、能达到效果吗？
• 判断力 = 当AI建议自动化某个流程，你能看出它虽然每周省2小时，但会破坏维系团队的非正式沟通吗？
• 主动性 = 你真的在用这些工具做实际工作，还是在等别人告诉你去用？
• 好奇心 = 你每个月花20分钟探索这些工具现在能做什么，还是还停留在六个月前的认知？

文章夸大了什么

神灯隐喻太理想化了。 AI不是精灵。你不是许个愿就能得到完美结果。实际上，你得到的是70%正确的东西，然后需要评估、修正和迭代。这意味着你现有的专业知识不是没用的——它正是让你能判断AI输出是好是坏的关键。一个用AI起草报告的财务总监仍然需要懂足够的会计知识，才能发现它编造了一个数字。"怎么做"的技能不会消失；它们转化为质量控制技能。

严重低估了学习曲线。 文章暗示主要障碍是心理层面的（恐惧、逃避、自我认同）。但确实存在技能差距：知道如何向AI提出你想要的东西，理解它擅长和不擅长什么类型的任务，学会把复杂工作拆解成AI能帮忙的部分——这需要练习。不是简单地"擦一下灯"就行了。更像是学习和一个非常快但有时不太靠谱的新同事合作，这个同事需要清晰的指令。

"软件形态的问题"比听起来的范围更窄。 文章暗示生活中充满了现在可以轻松解决的问题。对于知识型工作来说确实如此——起草、分析、研究、重复性数字任务的自动化。但大量的实际工作涉及人际关系、物理存在、机构知识、政治博弈、察言观色。AI触及不到这些。如果你的工作80%是关系管理、20%是写报告，AI帮的是那20%。有用，但不是你日常生活的范式转变。

作者站在一个优越的立场说话。 作者承认他写的是办公室/知识型工作，但这种框架（"你花了一辈子在错误的事情上精益求精"）对于那些技能不容易被自动化的人来说可能显得轻蔑。很多角色——特别是那些需要跨团队协调、客户信任或深厚机构知识的——并不会很快被"许愿"所取代。

这对日常工作具体意味着什么

1. 你的领域专长更重要了，而不是更不重要。 AI让产出变得廉价。这意味着平庸工作的供给增加了。变得稀缺——因而更有价值的——是在你特定领域分辨好坏的能力。如果你了解你的行业、你的客户和你公司的背景，这些知识就是你相对于那些不理解自己在看什么就给AI下指令的人的竞争优势。

2. 从无聊的事情开始。 不要一上来就让AI做你工作中最重要的部分。从你讨厌的部分开始：格式化、初稿、数据清理、会议纪要、语言或格式间的转换。这样建立熟悉感，不会有存在性焦虑。

3. 真正的转变在于你把时间花在哪里。 如果AI每周帮你省下5小时机械性工作，问题就变成了：你用这5小时做什么？获益最大的人会把这些时间重新投入到"做什么"的技能中——更仔细地思考优先级，建立关系，理解团队或公司真正需要什么的大局。获益最少的人只会做更多同样的机械性工作，只是更快而已。

4. 好奇心确实是切入点。 这是文章完全正确的一点。你不需要成为AI专家。你需要花少量但持续的时间，在实际工作中真正尝试这些工具——不是读相关文章，不是看演示，而是使用它们。每周30分钟的真正实验，就能让你领先于90%还在等别人告诉他们该怎么做的人。

5. 这不是一夜之间的改变。 尽管标题暗示如此，你并没有花一辈子在"错误的事情"上精益求精。你花了一辈子建立领域知识、职业关系和判断力——而这些恰恰是让你能有效使用AI工具的东西。转变是真实的，但它是一个渐进的优先级调整，不是突然的淘汰。