当AI已经可以独立写完前后端，开始处理越来越复杂的算法时，作为一个每天使用电脑工作的人，你在想些什么？

如果你只是软件的普通用户，你首先感受到的，大概是方便。

写一封邮件、整理一份材料、做一张图片、查询一个陌生领域的问题，过去需要打开几个软件，学习一套操作方式，现在只要说几句话。

这很像上一代人经历的无纸化办公。文件不再需要打印，信息传递变快，很多麻烦被电脑消除了。

可如果你是一名开发者，感受会复杂得多。

你站在AI时代最靠前的位置，最早获得效率提升，也最早感受到脚下的地面正在松动。

当一个完全不懂编程的人，对着AI说上一段含混、冗长，甚至逻辑混乱的需求，最后却做出了一个看起来还不错的软件，你会怎么想？

更值得观察的是，他又会怎么想？

AI给外行带来了第二层幻觉

AI本身会产生幻觉。

它可能捏造事实，写出错误代码，用非常确定的语气回答一个根本不存在的问题。

但AI还制造了另一种更隐蔽的幻觉：

它让外行误以为，自己已经掌握了一个行业。

过去，一个人完全不了解软件开发，通常还会对工程师保留一点敬畏。

他知道自己看不懂代码，不理解架构，不知道系统为什么会崩溃，也不明白一个看似简单的功能背后，可能藏着多少兼容性、数据、安全和维护成本。

现在，他只需要对着AI描述几句话，就能生成一个网页、一套后台，甚至一段能够运行的程序。

于是，一种判断迅速形成：

写软件好像也没有多难。

工程师不过如此。

以前那些人花几周才能完成的东西，我半天就做出来了。

他没有看到代码里的隐患，没有经历上线后的故障，没有处理复杂系统里的历史债务，也不需要为最终结果负责。

他只看到了屏幕上出现了一个能点击的东西。

AI替他跨过了大量学习过程，却没有自动补上判断力。结果是，能力增长了，认知并没有同步增长，ego却先膨胀起来。

模型越强，这种幻觉越牢固。而模型又在实实在在的不断变强

未来AI能够完成更复杂的软件时，他们会更加确信：软件开发本来就是一件人人都能做的事，以前的工程师只是把它故意说得很复杂。

然后，天下工程师皆庸人。

越不懂，越容易觉得自己什么都懂

一个人进入陌生行业，本来需要经历一段谦卑期。

先承认自己不知道，再花时间了解行业的基本概念、运行规则和真实难度。理解得越深，越能看见问题背后的复杂性。

但现在，这段过程正在被跳过。

遇到金融问题，问一下豆包；遇到法律问题，问一下DeepSeek；遇到医学、教育、产品、管理问题，也都可以问AI。

几分钟后，一个人便获得了一套结构完整、语言流畅、看起来很专业的答案。

知识第一次变得如此廉价，也如此容易伪装成自己的东西。

他很难分清，哪些是自己理解的，哪些只是模型临时生成的；哪些观点经得起现实检验，哪些只是统计意义上听起来合理。

久而久之，人会产生一种错觉：

我懂。

其实很多时候，他只是拥有了一个随时可以询问的模型。

越缺少行业经验，越难识别答案的边界；越无法识别边界，越容易高估自己的判断。

过去，无知至少会带来迟疑。

今天，无知可以配上一套极其自信、极其完整的表达。

最终，整个世界开始让AI和自己对话

这种变化继续发展下去，社会可能进入一种奇怪的循环。

老师用豆包布置作业，学生用豆包完成作业，家长用豆包检查作业，老师再用豆包批改作业。

全程只有豆包在学习。

老板用DeepSeek生成任务，中层用DeepSeek解读任务，员工再用DeepSeek完成任务，最后老板继续用DeepSeek评价结果。

全程只有DeepSeek在上班。

每个人都参与了流程，每个人都显得很忙，每个人都能提交一份格式完整的结果。

可人与任务之间的联系越来越弱。

老师没有认真设计问题，学生没有完成思考，管理者没有形成判断，员工也没有充分理解工作的目标。

信息在组织内部高速流动，却很少进入人的头脑。

这是一种AI和AI之间的空转。

人只是负责复制、转发、点击确认，再在流程结束之后，把模型完成的结果算作自己的产出。

所有人都在变强，多数人的价值却在下降

AI时代最容易让人迷惑的一点，是每个人能做的事情确实越来越多。

过去不会写代码的人，现在可以做软件；不会设计的人，可以生成海报；不会分析数据的人，也能得到一份看起来专业的报告。

哪怕一个人什么都没有学习，只要模型持续升级，他的表面能力也会跟着上涨。

这很像坐上了一部高速电梯。

人站着不动，楼层数字也在不断增加。

于是大家会感觉自己正在变强。

但市场价值从来不由“你能做什么”单独决定，它还取决于别人能不能做，以及完成这件事需要付出多少成本。

当所有人都能生成一张不错的图片，生成图片的价值就会下降。

当所有人都能写出一份结构完整的报告，写报告本身便难以构成竞争力。

当一个外行也能迅速做出基础软件，初级开发工作的价格自然会受到挤压。

人的能力在绝对意义上提高了，稀缺性却在快速消失。

这两件事可以同时发生。

AI让每个人都显得更有能力，也让大量能力变得不再值钱。

对于绝大部分人，最后可能出现一个反常的结果：

工具越来越强，自己懂得越来越少；完成的工作越来越多，实际参与越来越浅；产出看起来越来越专业，个人的替代成本却越来越低。

全程在做事的是AI。

人只是在AI的能力增长曲线上，短暂地署上了自己的名字。

AI和此前的科技革命既相似，也更加直接

从更长的历史看，AI依然延续了科技革命的一般规律。

社会生产效率上升，商品和服务更加丰富，普通人能够享受的生活条件越来越好。世界从总体上看，会继续向上发展。

但宏观进步从来不会均匀落在每个具体的人身上。

一项技术消灭旧成本，也会消灭依附在旧成本上的收入、身份和职业路径。

过去的高价值工作，会逐渐变成低价值工作；过去需要多年训练的能力，会变成软件里的一个按钮；过去依靠经验获得的位置，会被更便宜、更快速的替代方案侵蚀。

于是，人们开始寻找新的需求，发明新的岗位，强调新的不可替代性。

因为原来的事情已经不需要那么多人来做了。

人又是一种很擅长制造流程、权力关系和复杂规则的动物。即便效率已经足够高，我们依然可以创造更多审批、汇报、沟通和管理，让所有人继续忙碌。

技术消灭了一部分工作，人类社会再生产出另一部分工作。

其中有些产生新价值，有些只是为了维持组织和人的位置。

世界就在这种循环里一代代向前。

总体不断繁荣，微观个体却始终脆弱。

我们很少谈论被淹没的人

面对时代大势，人们习惯说一些积极的话。

AI会赋能每个人。

人类会从重复劳动中解放出来。

新的职业会取代旧的职业。

只要保持学习，就不会被时代淘汰。

这些话未必错，但它们太完整、太光滑了。

它们选择性地跳过了职业断裂时的痛苦，跳过了能力贬值后的无力感，也跳过了技术红利重新分配过程中，被挤到边缘的大多数人。

对社会而言，淘汰一项低效率工作，是生产力进步。

对一个具体的人而言，那可能是他学习了十年的技能、维持家庭的收入，以及用来证明自己有用的全部依据。

时代只记录生产率增长了多少，不会记录某个人在三十五岁时，突然发现自己过去十年的积累已经无人定价。

更残酷的地方在于，我们甚至不知道该劝他们乐观，还是劝他们悲观。

悲观无法阻止技术继续进步，乐观也不能自动解决一个人的生活。

或许，最符合时代气氛的结局是：

他们兴奋地使用着最新的AI，赞叹模型又强大了多少，庆祝社会生产力再次提升。

然后欢呼着，被时代的浪潮淹没。

原载于创意妙计。原文标注为原创内容；版权及转载要求以微信原文为准。