AI 答案越来越快，人为什么反而更不会想了？

我越来越觉得，AI 最危险的地方，可能不是它会胡说。

而是它回答得太快。

快到很多时候，你还没来得及把问题想清楚，它已经给了一个像样的答案。 然后你做的，就只剩下点头、润色、转发、提交。

久了之后，被外包出去的就不只是体力活。 而是本来该由你自己走完的那段思考过程。

<figure><img src=“images/01-compare.png” alt=“01-compare”></figure>

这不是一句空泛的“AI 让人变懒”。 Microsoft Research 在 CHI 2025 发的一篇研究，找了 319 名知识工作者，收集了 936 个真实工作场景里的 AI 使用例子。

他们看到一个很关键的信号：越相信 GenAI，越少发生批判性思考；越相信自己，越愿意做批判性思考。

说白了，不是 AI 把脑子拿走了。 是很多人会在“它看起来差不多对”的那一刻，提前结束自己的判断。

而且研究还提到一个很重要的变化。 AI 不是简单让人“不思考”，而是把思考的重心改了。 过去你要自己产出判断。 现在更常见的情况是，AI 先产出，你再去做验证、整合和把关。

问题来了。 如果连验证这一步也省掉呢？

那你借来的，就不只是答案。 还有模型的自信。

这也是为什么，很多人现在用 AI 会出现一种很微妙的状态。 你觉得自己今天做了很多判断，实际上你做的更多是“从几个看起来都不错的答案里，挑一个最顺眼的”。

这两件事，不是一回事。

最容易被外包掉的，不是知识，而是“中间那段费劲”

真正值钱的思考，很多时候都发生在中间。

不是最后一句结论。 而是你怎么拆问题，怎么怀疑第一反应，怎么发现信息缺口，怎么知道哪一步还不能信。

可 AI 最擅长做的，恰恰是把中间这段费劲感抹平。

你写周报卡住了，它先给你一个结构。 你做调研没头绪，它先给你一个框架。 你回邮件嫌麻烦，它先给你一版“看起来已经够用了”的话。

效率当然提高了。 但副作用也很明显： 你越来越少经历那种“先乱、再慢慢理清”的过程。

而很多判断力，偏偏就是在这段过程里长出来的。

Microsoft 另一篇关于复杂决策的研究，我觉得特别有启发。 他们比较了两种 AI： 一种是直接给建议的 RecommendAI。 另一种是先让用户写出自己的理由，再基于这套理由补充和挑战的 ExtendAI。

结果很有意思。 直接给建议的那种，更省力，也更容易让人马上采取动作。 但另一种“先接住你的思路，再往前推”的方式，更能融进人的决策过程，结果也略好一点。

这说明什么？

说明问题可能不在于“有没有 AI”。 而在于 AI 是先替你下判断，还是先逼你把自己的判断说出来。

教育场景已经先把这个问题暴露出来了

如果你觉得上面还是有点抽象，再看教育场景会更直白。

Microsoft 去年做的一份教育研究综述，把最近一批 GenAI 对学习结果的实证研究收在一起看。 里面提到几个信号都很刺眼。

第一，学生很容易高估自己真的学会了。 第二，没有护栏的通用聊天机器人，可能伤到记忆形成。 第三，如果它直接绕过了该有的挣扎过程，高阶思考反而会被削弱。

我觉得这里最值得记住的一句，不是“别用 AI 学习”。 而是： 有些能力，本来就需要一点慢、一点卡、一点自己撞墙。

你把这些摩擦都删掉，效率会上去。 但能力不一定会跟着上去。

工作里其实也一样。

你今天让 AI 帮你写方案、做分析、总结会议，短期看是在提速。 可如果你已经习惯了“先看答案，再补理由”，那你训练出来的就不再是独立判断。 而是一种更熟练的答案接管能力。

真正该防的，不是 AI 给答案，而是你太早停止思考

所以我的看法是，AI 时代最该防的，不是“它会不会替代我”。

更近的风险是： 它太容易替你先走一步，而你慢慢失去了把这一步自己走完的习惯。

这也是为什么我现在越来越不喜欢一种用法： 问题一上来，先问 AI“你觉得怎么做最好”。

因为这等于把最关键的那一步，也就是“先把问题定义清楚”，一起外包了。

更稳的用法其实是反过来。

先写你自己的初步判断。 哪怕很粗糙，也先写。 然后再让 AI 做三件事：

1. 找漏洞
2. 给反例
3. 补你没想到的角度

这样一来，AI 还是在帮你。 但它帮的是“把你想过的东西想得更完整”，不是“在你还没想之前，先替你想完”。

我自己现在比较常用的，也是 3 条很土但有效的护栏：

1. 先写，再问

哪怕只写 3 行，也先把自己的判断写出来。 别让第一版思路直接来自模型。

2. 只让 AI 做补刀，不让它做拍板

你可以让它补充、反驳、校对。 但别把“最后到底信什么”也一起交出去。

3. 遇到重要输出，强制加一道人工验证

发老板的邮件、对外的判断、上线前的代码、要站队的观点。 这些东西，别因为 AI 写得顺，就默认它对。

很多错误不是出在模型太差。 而是出在你太顺手。

AI 最该扮演的，不是“替你想”，而是“逼你想得更清楚”

如果只追求快，AI 确实会越来越像一个思维代餐。

但如果工作流设计得对，它也可以是另一种东西： 不是替你做决定的人，而是逼你把理由讲清楚、把漏洞挖出来、把判断磨得更硬的陪练。

差别就在这儿。

一个是： “给我答案。”

另一个是： “这是我的答案，你来挑毛病。”

这两种用法，表面都在用 AI。 最后留下来的能力，却完全不是一回事。

所以我现在越来越相信一件事： AI 时代真正稀缺的，可能不是会问问题的人。 而是在答案已经很便宜之后，仍然愿意把思考留在自己脑子里的人。

你现在用 AI，更像是在“加速思考”，还是在“外包思考”？评论区聊聊。

来源： Microsoft Research｜The Impact of Generative AI on Critical Thinking：https://www.microsoft.com/en-us/research/publication/the-impact-of-generative-ai-on-critical-thinking-self-reported-reductions-in-cognitive-effort-and-confidence-effects-from-a-survey-of-knowledge-workers/ Microsoft Research｜AI, Help Me Think—but for Myself：https://www.microsoft.com/en-us/research/wp-content/uploads/2025/03/AI-Help-Me-Think-CHI-2025.pdf Microsoft Research｜Learning outcomes with GenAI in the classroom：https://www.microsoft.com/en-us/research/publication/learning-outcomes-with-genai-in-the-classroom-a-review-of-empirical-evidence/