作者：Nagi Yan

很多人仍在使用一套已經(jīng)失效的坐標(biāo)系理解當(dāng)下的世界。

他們相信，只要足夠努力、足夠勤奮、足夠聽話，就能在腦力勞動中獲得穩(wěn)定的位置。但現(xiàn)實已經(jīng)完成了一次結(jié)構(gòu)性切換，只是大多數(shù)人尚未察覺。

在當(dāng)前環(huán)境下，沒有認知的人力，在腦力勞動領(lǐng)域幾乎不具備價值。這并不是道德判斷，而是結(jié)構(gòu)判斷。

一、腦力勞動的價值來源已經(jīng)發(fā)生遷移

過去，腦力勞動的核心公式是：

知識 × 勤奮 = 產(chǎn)出

只要掌握足夠多的信息，愿意反復(fù)執(zhí)行，就可以穩(wěn)定地產(chǎn)出結(jié)果。

但隨著環(huán)境復(fù)雜度提升與 AI 的介入，這個公式已經(jīng)失效。新的現(xiàn)實公式變成了：

認知結(jié)構(gòu) × 判斷能力 × 責(zé)任承擔(dān) = 有效決策

決定價值的，不再是“完成任務(wù)”的能力，而是在不確定環(huán)境中識別問題本質(zhì)、判斷方向，并為判斷結(jié)果承擔(dān)后果的能力。

而這正是低認知人力普遍缺失的部分。

二、低認知人力的三重結(jié)構(gòu)性缺陷

第一，缺乏結(jié)構(gòu)感。

他們只能處理被明確拆解、邊界清晰的問題。一旦問題本身存在歧義、沖突或缺口，就會陷入停滯。

第二，缺乏判斷能力。

他們可以執(zhí)行，卻無法裁決。一旦環(huán)境發(fā)生變化，不是反應(yīng)慢，而是方向感直接喪失。

第三，無法承擔(dān)認知責(zé)任。

當(dāng)結(jié)果出現(xiàn)偏差時，歸因路徑往往向外擴散：需求不清、溝通不暢、流程不順、上游失誤。

極少有人回到自身模型，檢查理解是否存在結(jié)構(gòu)性錯誤。

在 AI 出現(xiàn)之前，這些缺陷可以被流程、組織層級和人力密度暫時掩蓋；

在 AI 出現(xiàn)之后，它們被迅速放大。

三、AI 并不是“搶走了工作”

一個常見誤解是：AI 在取代人類。

更準(zhǔn)確的說法是：AI 在吞噬低認知區(qū)間。

AI 最擅長的，恰好是低認知人力僅存的優(yōu)勢領(lǐng)域：

?信息整理
?模板化分析
?規(guī)則內(nèi)推導(dǎo)
?多步驟但不涉及判斷的執(zhí)行

結(jié)果是一個極其直白的現(xiàn)實：

低認知人力 + AI = 可被直接刪除的結(jié)構(gòu)冗余

這與態(tài)度、努力無關(guān)，而是能力區(qū)間被技術(shù)完全覆蓋后的必然結(jié)果。

四、在復(fù)雜系統(tǒng)中，低認知人力甚至是負價值

在高復(fù)雜度系統(tǒng)里，低認知人力不僅無法創(chuàng)造價值，還會持續(xù)制造結(jié)構(gòu)性損耗。

他們會制造噪音，把不確定性誤判為溝通問題；

他們會拉低系統(tǒng)上限，讓所有設(shè)計被迫向低理解力妥協(xié)；

他們會阻斷真實反饋，用流程、匯報和包裝隔離失敗。

系統(tǒng)表面高度忙碌，內(nèi)部卻在持續(xù)失明。

很多組織的衰敗，并非源于人手不足，而是認知密度被不斷稀釋。

五、仍然具備價值的人力特征

在 AI 時代，仍然具備不可替代價值的人，通常具備一個完整閉環(huán)：

站位 → 判斷 → 承擔(dān)后果 → 更新模型

這類人哪怕產(chǎn)出節(jié)奏不快，也會被 AI 主動放大，因為他們提供的是 AI 無法替代的部分：判斷與責(zé)任。

腦力勞動的計價方式，正在從“人頭”轉(zhuǎn)向“認知節(jié)點”。

一個清醒而穩(wěn)定的認知節(jié)點，往往勝過一個低認知密集的團隊。

六、這不是冷漠，而是結(jié)構(gòu)現(xiàn)實

當(dāng)價值判斷不再依賴努力、態(tài)度或資歷，而是回到“是否具備認知”這一標(biāo)準(zhǔn)，說明社會正在用更高分辨率讀取現(xiàn)實。

這不是精英主義，而是復(fù)雜系統(tǒng)在技術(shù)沖擊下的自我校正。

AI 并沒有改變世界的殘酷程度，只是讓原本被掩蓋的結(jié)構(gòu)真相，變得無法回避。

【延伸閱讀】

為什么現(xiàn)在學(xué)校的本質(zhì)不是“教育”？

為什么校園問題越來越多？社會壓力 → 家庭失衡 → 情緒傳導(dǎo) → 學(xué)校爆發(fā)