如何看待AI：一旦做某件事的成本大幅度降低，人们很可能就会失去敬畏心

有人说：一旦做某件事的成本大幅度降低，人们很可能就会失去敬畏心、放弃审慎判断、开始盲目实施。 AI带来的降本亦是如此：曾经很多低价值垃圾工作是根本不存在的，在AI流行之后它们才开始枯木逢春。 就像挖矿，原本是先勘探、后挖掘，避免做无用功。而现在手里平白多了一把无敌大力神铲，庸人们谁还愿意吃勘探的苦，马上撒着欢把地球铲了个底朝天。金子丝毫没变多，但满世界都是尘土。

这个比喻很锋利，但我觉得它把几件事混在了一起，值得拆开看。

一、"成本降低→失去敬畏"这个因果链，只在特定条件下成立

成本降低确实会改变行为门槛，但"失去敬畏心"不是必然结果，而是取决于两个变量：反馈的速度和错误的代价是否可逆。

• 高空作业成本降低（比如廉价脚手架），工人不会因此不系安全绳——因为摔下去是即时、不可逆的反馈。

• 但AI生成内容的成本降低，错误反馈是延迟的、弥散的：你让AI写一份市场分析，它编了个数据，你可能三个月后才发现。反馈越慢、越难归因，审慎就越容易被省掉。 所以问题不在"降本"本身，而在降本之后错误变得不可见。

二、"低价值垃圾工作原本不存在，AI让它们枯木逢春"——这个观察有一半是对的，但归因偏了

更准确的说法是：AI降低了"看起来在做事"的成本，于是组织里那些本来就靠"可见的忙碌"来证明存在感的环节，获得了新的表演道具。 这不是AI创造了垃圾工作，而是AI给原本就脆弱的激励机制提供了更便宜的填充物。没有AI的时候，这类工作以PPT、周报、无休止的会议纪要的形式存在；有了AI，它们变成批量生成的报告、自动汇总的看板。垃圾工作的根源是激励错配，AI只是降低了它的生产成本。

三、挖矿比喻最精彩，但漏了一个关键区别

"先勘探后挖掘"之所以成立，是因为勘探的成本相对于盲目挖掘的代价是可接受的。AI这把"大力神铲"的问题不在于铲子太大，而在于它让"先铲了再说"变得极其便宜，同时让"勘探"的相对成本显得很高——因为勘探需要判断力、领域知识、对"什么算金子"的定义，这些恰恰是AI最不擅长替代的部分。

但这里有个反讽：AI恰恰可以大幅降低勘探成本——用它做文献综述、假设生成、数据初筛，勘探的边际成本也在降。问题在于，人们倾向于把AI用在产出可见、反馈即时的环节（生成内容、写代码、出报告），而不是产出不可见、但决定方向的环节（定义问题、验证假设、判断什么值得做）。不是铲子的问题，是拿铲子的人把力气花在了哪一头。

四、真正值得警惕的不是"庸人撒欢"，而是"勘探"这个环节在组织里失去了预算和话语权

当生成成本趋近于零，组织会自然地把资源倾斜到"能快速看到产出"的环节。勘探——定义问题、验证方向、判断价值——本来就是慢功夫、难量化、容易在预算会上被砍。AI降本之后，这种倾斜会更严重，因为"先铲了再说"的诱惑变成了组织层面的默认策略。金子没变多、满世界尘土，不是因为铲子太好，是因为没人愿意为"不铲"付钱。

所以我的看法是：这个观察捕捉到了真实的风险，但把它归因于"人性在降本面前必然堕落"过于悲观，也过于笼统。更精确的表述是——AI降本放大了组织里"重产出、轻判断"的既有偏差；要对抗它，不是靠呼吁敬畏，而是靠制度上给"勘探"留出预算、给"不做事"留出合法性、给延迟反馈的错误建立可见性。 铲子本身不产生尘土，是拿铲子的人被激励着往错误的地方铲。