99%的人用AI都在“浪费时间”：真正拉开差距的，是这20轮追问

2026-09-28 19:44:18 | 发布者: admin1 | 查看: 20 | 评论: 0

你大概率高估了人群的自律。

人工智能是不是好东西？肯定是。但有一个残酷的前提——你得足够自律，保持极强的求知欲，而且很会提问。

如果抛开教育制度不谈，一个逻辑清晰、会深挖问题的人，在今天确实已经不需要传统的填鸭式教学了。就我个人近三年的使用经历来看，AI 帮我做了太多事：编程、画图、做动画、产品设计、写方案、拟合同、做合规协议，甚至直接用 AI Coding 做出自己的小程序和产品。

那种“啥都能干”的掌控感，确实容易让人飘起来。

但跑题一下，拉回来——我发现了一个更有意思的现象：AI 把人与人之间的认知差距，拉得比任何时候都大。

🔑 一个快速搞懂陌生领域的“笨办法”

平时跟人聊天，听到一个陌生领域的名词，我会默默记下来。哪怕是抄写下来。

然后花一个小时，从名词解释开始，一点一点地提问。

“XXX 是个什么意思？给我用大白话解释一下。”

看懂了，就顺着往下问；看不懂答案里的某个词，就继续问那个词。就这么一路深挖，连续追问 20 轮以上。

神奇的事情发生了——20 轮之后，这个陌生领域对你来说已经不再陌生。晚上跟人喝酒聊天时，你甚至能“忽悠”住一半的业内人士，他们真的会以为你是这行的。

这个方法适用于大多数知识型行业。但有两个地方它进不去：一是销售，二是政务相关领域。那里有太多不可言说的分寸感、人情练达和临场应变，这些“默会知识”你看再多资料也学不来，只有真刀真枪经历过的人才懂。

📉 残酷的现实：能追问 20 轮的人，不到 1%

这个“20 轮深挖法”我推荐给过很多朋友。结果很扎心——

能就一个问题跟 AI 连续讨论 20 轮左右的人，在人群里占不到 1%。

普通人用 AI，大概就是 3 到 5 轮的水平。问懂了一个词的字面意思，就此打住。

为什么会这样？我观察下来，无非三种情况：

好奇心不够：懂了个大概就不想深究了，觉得“知道这些就够了”
不知道怎么问：遇到看不懂的地方，不知道该怎么拆解成下一个问题
惰性使然：懒得再想了，3 轮之后的“认知疲劳”直接劝退

斯坦福大学的一项追踪数据印证了这种普遍现象：学术工作者平均与 AI 的对话轮次仅为 3.7 轮，超过 80% 的指令停留在“润色这段文字”或“查找相关文献”的单次命令模式。这种浅层交互，让 AI 强大的分析和推理能力根本没被激活。

💡 有研究从信息论的角度量化了这种现象：在多轮对话中，如果缺乏新的信息输入，每一轮对话带来的“信息增益”（Information Gain）会快速衰减，同时冗余度会急剧上升。换句话说，你问得越浅、越重复，AI 的回答就越像车轱辘话——不是 AI 不行，是你的提问没给它发挥的空间。

🎓 所以，学校不会消失，教培也不会

说到这里，很多人会得出一个结论：“AI 这么强，以后谁还需要上学？”

我的看法恰恰相反——学校和教培机构不但不会消失，反而会更值钱。

因为它们服务的，恰恰是那 99% 的人。

学校也好、教培也罢，本质上是一个“替你做计划、定目标、一点一点喂饭吃”的系统。大多数人如果不被人盯着、推着、喂着，就只会在“快饿死”的时候不得已咬一口，维持不死而已。

保持持续追问、自主深挖的能力，是一种极其稀缺的自律。

AI 不会让你自动变强。它更像是一面放大镜——你本来有求知欲，它会让你如虎添翼；你本来就懒得思考，它会让你退化得更快。

研究数据也支持这一点：国内一项针对 614 名大学生的调查显示，使用 AI 工具时，只有 21.5% 的学生会主动验证 AI 引用的文献来源。当工具越来越顺手，人的批判性思维和核验习惯反而容易退化。另一项发表在《Medical Education》的研究发现，无约束地使用 AI 容易让学生直接获取结论、削弱思辨过程；只有在教师限定任务边界、要求证据核验的结构化协作下，AI 才能真的促进深度思考。