最近一两年，用AI的方式变化得太快了。每当我指望它“一次给出完美答案”，十有八九会失望；可当我把任务拆成几步，允许它犯错、允许我随时插话校准，结果反而稳、而且更快。这件小事让我意识到：我们真正迫切需要的，或许不只是“更强的模型”，而是“更好的协作方式”。
最近计划出国旅游，和AI讨论的过程中发现，自己并不希望AI帮我包办行程，而希望更多融入我的个人偏好。不过，我很难一次性把偏好说清楚。今天看到了网友分享的景点觉得我也想去，明天看到了要避坑的细节……如果让我先总结好这些“约束”，放在context中再和AI对话，实在有点违背人性。我希望有一个产品，并不着急输出一大段看似正确的全盘计划，而是把握主要脉络，逐步从我这里问出我的偏好，和我一起做攻略——ta负责条理，我负责收集有趣的todo——最终形成个性化的方案。也就是说，让AI和人默契配合，是这个产品设计的核心价值。
在B端还有一个例子，说明了AI和人一起提供解决方案也会取得成功。Kaedim是一家游戏美术外包商，利用AI辅助快速产出3D资产，对于uv mapping则使用人力完成。
如何设计面向未来的AI产品，我还没有形成足够清楚的想法。也许是把以往流程中的模糊和不确定性显性化（降低设计者的心智负担），也许是通过实时生成“一次性”界面满足当下的需求（降低使用者的心智负担），又或许……作为一个习惯于和代码打交道的工程师，我知道自己还有更大的世界需要了解，才能够更好理解AI如何更好的帮助人。（为什么要想这些产品设计？只是好奇而已）
在AI飞速进步的世界里，单一深度技能正在被AI“商品化”（也可称为“资产化”、“标准化”或“明码标价”）：它们正在被拆解、定价、批量提供，变成像商品一样可随时获取的“技能资产”。这意味着，原本依靠某项专长获得的溢价和不可替代性正在消失，know how的附加价值迟早会衰减，真正稀缺的反而是如何组合、定义和引导这些技能去解决独特问题的能力，也就是know why（做什么、为什么做、为什么先做……）。
我接受的教育，尤其是工科教育，把大量的时间花在培养人know how上。如今这部分时间被大模型“折叠”了很多。我们需要改变对学习与分工的认识，不是为了害怕被AI淘汰而改变，而是为了在不远的未来重新发现自己的价值。
在学习方式上：从线性学习转向即时探索；以问题为驱动，做中学，产出与学习合一。推荐多用NotebookLM这类新的学习工具。
在分工上：把AI当作随取随用的“周边团队”，而自己扮演策划、导演与评审。在工作中，发挥人的独有价值：跨学科的连接力、产品品味与审美、对用户（也是人类）细腻情感的同理心、以及领导力和战略决策。简单来说，人的工作将变成从海量的可能性中，定义出正确的问题，做出明智的决策，然后利用AI这个强大的杠杆一起去实现它。