10月12日，AI研究者Andrej Karpathy把四月份的一条旧帖翻出来重发：大家对大模型能力的认知落差正在拉大，已经不太像两拨人各说各话，更像一个越收越窄的漏斗。 他把这道漏斗分了层：约60亿人几乎没碰过大模型；约2000万用前沿模型干活的专业人士，亲眼看着几周才能完成的项目被一句话交付；能在内部用上前沿系统的只有大约5000人——而与此同时，人类的审阅和理解开始跟不上了。微博
漏斗之外，中文职场里的焦虑其实来得更早。有打工人在小红书这样记录自己：“用了半年AI，我发现一件很扎心的事。我好像，不太会自己思考了”。 也有人在知乎上复盘自己的状态：对于枯燥、耗时的事情和问题，思考能力确实在某些层面消退了。 这些体感是不是真的，最近一年陆续有了测量结果。结论先行：让能力退化的不是“用AI”这件事本身，而是把“自己想明白、自己验真伪”这两个环节整体外包。防退化的人机分工核心只有一句话：把可验证、可重复、耗时的执行交给AI，把判断和验收这两端牢牢留在自己手里。小红书知乎
退化不是玄学，三条证据线各自命中要害
麻省理工学院媒体实验室的脑电实验把这个问题测到了神经层面：研究招募了54名参与者，分成LLM组（ChatGPT）、搜索引擎组和纯脑力组，写同一道20分钟的SAT风格议论文，全程戴着32导联脑电帽。 脑电结果是纯脑力组的全脑连接最强，AI组最弱——大脑提前进入了“既然它能写，我就不用构思”的省电模式。知乎
更扎心的是记忆测试。写完第一轮，研究者让参与者直接引用自己刚才写的文章，AI组里83.3%的人已经提供不了正确引用，近乎当场失忆。 所谓“认知债务”，就是当下省下的每一步思考，都要从未来的脑子里借。知乎
第四轮实验更能说明恢复的难度：研究者把AI撤掉，让原来的AI组纯脑力再写一次，这些习惯了外挂的大脑，怎么也回不到纯脑力组练过几轮之后的连接水平。知乎
职场任务层面的证据来自微软研究院与卡内基梅隆大学的联合调查，对象是319名每周至少用一次生成式AI的知识工作者，研究团队分析了936个真实的AI辅助任务案例。 发表于CHI 2025的结果里最扎心的一条：对AI越信任的人，批判性思维投入越少。知乎知乎
退化沿着三条路发生：第一步是任务执行链被拉短，AI直接给出结论，专业人士跳过了中间的推理过程。 第二步，对结果自信就省掉验证；第三步，专业判断逐步让渡给模型，人从“问题的解决者”变成“AI输出的搬运工”。知乎
第三条线算的是成本账。非营利评测机构METR在2025年7月做了随机对照试验，16位资深开源开发者用246个真实Issue跑出数据：用了AI的开发者在完成任务上平均慢了19%。 而这些人实验前预估AI能帮自己提速24%，做完实验后依然坚信快了20%。知乎
症结在于，用AI干活本质是把“写”的成本转移成了“审”的成本，审不过来就是净亏。 退化的危险未必是变慢，而是变慢了还毫无察觉。知乎
分界线怎么画：交出去的是执行，留下来的是判断、验收和归因
一项工作该不该全权交给AI，判断标准不是“AI做得好不好”，而是“做完之后，我还剩没剩下判断力”。可以完全交接的是标准明确、错误成本低的环节：检索汇总、格式整理、会议纪要、初稿起草、翻译润色。必须留在自己手里的是四件事：定义问题（这次要解决什么、什么算做好）、取舍判断（为什么选方案A不选B）、最终验收（拿什么标准判定合格）、归因复盘（成在哪里、败在哪里）。Karpathy那句提醒——“人类的审阅和理解开始跟不上了”——落在个人身上，就是这四件事长期不做、回路自然萎缩。微博
小红书职场内容里流传的“人类不写文档公约”，把会议纪要、文档整理这类记录性工作整体让渡给AI，人只保留判断。 方向是对的——记录和整理确实可以放手；但它引发的争议同样提醒人：交接得越彻底，判断和验收的两端越要守住。小红书
五个具体动作，每一步都有研究依据
动作一：先写三句话，再打开对话框。这次要解决的核心问题是什么？哪些事实还没确认？结果好到什么程度算完成？MIT实验里表现最好的使用顺序，被总结成一句话：先自己想，再让AI帮忙，AI帮你做得更好，而不是替你做。 三句话保证带着问题找AI的人是你，不是模型。知乎
动作二：递半成品，不递白纸。把想到一半的框架、甚至明显错的结论丢给AI做二次加工，而不是清空大脑直接要答案。普林斯顿大学研究心理学的教授塔尼亚说得很直白，要和问题有点摩擦，这对大脑才是好事儿。 摩擦留给自己，加工交给AI，构思回路才不会闲置。知乎
动作三：在提示词里加一行“指出每条建议可能出现的问题”。微软研究院的一项研究发现，AI在给出结论的同时，再提醒答案里的局限、风险或其它可能的选择，就会增加人深入思考的概率，去检查依据、调整结果，而不是全盘接受。 也可以反过来抬杠：出答案前默认了哪些前提？有重度用户实测过这一招，让AI自己承认了一条“原文结论”纯属过度推演，逼着自己把材料重新比对了一遍。知乎
动作四：AI的输出，当阅读材料认真读一遍。想想刚才的结论自己能不能复述，念出来效果更好。“转帖不算记住”——那个忘了自己文章写了什么的脑电实验，已经说明了后果。
动作五：把省下的时间拿十分钟回来归因。这次采纳了什么、拒绝了什么、为什么；修改是目标理解错了，还是信息漏了、表达不清。至于验收，客户的实际反馈、领导明确的要求和最终结果，才是判断好坏最直接的校正依据。 AI的“满分”式夸奖不能代替验收，这是防退化链条的最后一环。知乎
证据的边界要看清，判断信号其实很简单
这些研究都不支持“用AI必然变笨”的读法：MIT的54人和METR的16人都是小样本实验，任务集中在写作和开源维护，微软与卡内基梅隆的结论出自自报数据，方向一致，幅度未必迁移到每个岗位。真正被证据支持的是一个具体风险：跳过推理和验证的使用方式，会松动你的判断回路。
机构层面已经在跟进。今年6月，位于伦敦的教育捐赠基金会宣布投入250万英镑，专门研究生成式AI对学习、理解、记忆和问题解决能力的影响。 墨尔本大学也拿到了研究AI对好奇心学习利弊的专项经费。目前给出的共同答案是“用对分工”，而不是“关掉AI”。知乎
日常自查只需要盯三个瞬间：提不出问题——接到任务脑子一片空白，第一反应是扔给AI；复述不出来——AI给出答案后，说不清它的核心逻辑；讲不出理由——被问到为什么用这个方案，发现依据只是“看着挺好”。三个都出现，说明分工画错了，回去从动作一的三句话开始重画。
AI该替代的是思考之前的重复劳动，不该替代思考本身。关掉AI窗口之后你还能定义的问题、说得清的判断、兜得住的结果，才是打工人在人机分工里真正的护城河。
