当 AI 变成“巫师”，人还剩下什么价值？

副标题：从写代码、做作业到孩子的创造力，我们需要重新学习如何判断、选择和生活。

整理说明：本文根据 Stefan Bauschard 的 Substack 文章 *When AI Becomes the Wizard: (Re)Learning How to Work, Learn, and Live — and Why the Kids Will Be Alright, Even Thrive* 整理改写。以下内容保留原文的论证顺序、关键案例和作者立场；中文表达为转述与再组织，不是逐段翻译。

结论先说

这篇文章最值得分享的地方，不是又一次提醒“AI 很强”，而是提出了一个更刺痛人的问题：当具体执行越来越容易交给 AI，人类还靠什么证明自己的价值？

作者的答案很明确：人的位置正在从“亲手执行任务的人”，转向“定义目标、驱动工具、判断结果的人”。

也就是说，未来重要的不是你能不能完成某个孤立任务，而是你能不能判断：这个任务是否值得做，AI 给出的结果是否可靠，以及这个结果是否应该进入真实世界。

一、工作不再只奖励“会做事的人”

文章首先引用了 Ethan Mollick 的一次体验。原文称，他使用一个名为 Claude 5 Fable 的前沿模型，进行了长达 9.5 小时的软件开发。这个模型不仅能回答问题，还能生成多个子智能体，让它们分别写代码、搜索资料、互相校验。

这里的重点不是某个模型名称本身。这个名称和能力描述带有明显的前沿与设想色彩，更重要的是它指向了一种工作方式的变化：AI 开始从“助手”变成“执行系统”。

过去，人的价值很大一部分来自熟练执行：写代码、查资料、整理表格、产出文档。现在，这些步骤正在被 AI 快速压缩。

人没有消失，但人被推到了更上游的位置。

你要提出目标，拆解方向，检查成果，承担判断。你不一定亲手完成每一步，但你必须知道这件事有没有做对、有没有价值、有没有风险。

这就是作者所说的类似“赞助人”的角色：不是每个细节都自己动手，而是对最终作品负责。

二、教育系统正在被 AI 暴露底层裂缝

第二个例子来自教育。

作者提到，加州大学伯克利分校 CS 10 课程的挂科率升至 35.3%，而往年通常低于 10%。同时，近 30 名学生因作弊被抓。

这组数字背后的问题，不只是“学生有没有偷懒”。更深层的问题是：当 AI 可以完成作业，传统作业还能证明学生真的学会了吗？

如果学生提交的是一段正确代码、一篇完整短文、一个看似漂亮的答案，老师很难仅凭结果判断他是否理解底层概念。等到闭卷考试或真实问题出现时，能力缺口才会集中暴露。

这也是 AI 对教育最直接的冲击：它让“答案”和“理解”之间的距离变得更大。

未来的学习，不能只围绕“产出答案”设计。它必须更重视这些能力：

否则，AI 会制造一种很危险的熟练感：每个人都能提交成果，但并不是每个人都真正学会了。

三、AI 改变工作的速度，可能比上一轮互联网更快

作者随后把问题放大到社会层面。

农业到工业的转型用了几十年，互联网改变劳动力结构也用了十几年。但 AI 对工作的影响，可能是以季度为单位推进的。

文章提到，Anthropic 已有大量代码由 AI 写入；JPMorgan 也在部署可长期运行的 AI agents，并在私人银行业务中看到销售额提升和客户覆盖能力提升。

这些案例并不能直接证明所有行业都会立刻被重写，但它们说明一个趋势：受过训练的知识工作，正在被 AI 重新定价。

这会带来一个现实问题：当年轻人刚学会的技能很快被工具商品化，他们如何获得收入、尊严和身份感？

作者由此谈到更大的制度讨论，例如公众是否应该分享大型 AI 实验室创造的收益。类似主张本身仍有很强的政治争议，但它提醒我们：AI 已经不只是技术产品问题，也会变成财富分配和公共制度问题。

四、成年人焦虑，孩子却可能更自然地使用 AI

文章最后转向孩子，这是全文最有温度的一部分。

作者观察到，成年人面对 AI 时，常常先看到威胁：工作会不会没了？学生会不会作弊？人会不会失去价值？这些焦虑并不荒唐，因为成年人确实生活在旧规则里。

但孩子的反应可能不同。

作者在教学中看到，12 岁左右的孩子能自然地用 AI 做故事创作和动画。他们不太纠结“这到底算不算真正的创作”，而是直接进入一个循环：

有想法 → 驱动模型 → 判断结果 → 继续修改。

这其实就是前面说的“赞助人循环”。孩子不是把 AI 当成替代自己的敌人，而是把它当成扩展表达能力的工具。

当然，这只是作者基于个人教学场景的观察，不能直接推成所有孩子都会天然适应 AI。但它提供了一个重要提醒：下一代可能并不需要先经历“失去旧技能”的痛苦，才能进入 AI 时代。

他们也许一开始就会把 AI 当作创作环境的一部分。

五、我们真正需要重学的能力

这篇文章最有价值的地方，是把工作、教育和孩子的创造力串成了同一个问题：当执行能力被 AI 放大，人类要把注意力重新放在哪里？

答案不是彻底放弃基础，也不是幻想 AI 会替我们解决一切。

更现实的方向，是同时保留两类能力：

  1. 基础理解能力：知道事情为什么成立，不被漂亮答案骗过。
  2. 结果判断能力：能定义目标、识别风险、评估产出是否值得使用。

在工作里，这意味着我们不能只问“我会不会做这个任务”，还要问“我能不能判断 AI 做出来的东西是否可靠”。

在学习里，这意味着我们不能只追求“拿到答案”，还要保留对概念、逻辑和推理的掌握。

在生活里，这意味着我们要重新思考时间、关系、创造、陪伴和责任。因为如果很多任务不再需要人亲手完成，人更应该清楚哪些选择仍然必须由自己负责。

收束：别只学会使用 AI，要学会驾驭判断

原文中有些判断仍需谨慎看待，例如 AI 是否已经具有意识、AI 是否会迅速引发大规模社会动荡、孩子是否普遍比成年人更适应 AI。这些更像趋势判断和个人观察，不是已经被证明的定论。

但文章提出的问题已经足够现实：

AI 变成“巫师”之后，人类不是退场，而是换位置。

我们需要成为更好的提问者、更严格的审稿人、更清醒的选择者。

AI 时代最重要的学习，不是让机器替你完成更多任务，而是判断什么值得做、什么能相信、什么仍然必须由人来选择。