当AI接管所有“笨功夫”，创造力可能正在悄悄流失

事件概述

过去两年，AI公司普遍讲述同一套故事：把重复劳动交给AI，人类就能腾出时间做更有创造力的事。但文章认为，这套说法隐藏了一个前提——重复劳动和创造性工作并非可以一刀切分开。许多重要创造恰恰发生在重复、失败和走神的缝隙中，而非重复工作结束后。如果AI替人类拿走了所有笨功夫，它释放的可能不只是时间，还可能拿走灵感赖以发生的现场。

核心信息

• 灵光一现是笨功夫的延迟回报：牛顿发现万有引力、庞加莱突破函数研究、怀尔斯证明费马大定理，都建立在前期大量反复计算与思考的基础上。灵感更像一根火柴，落进一个已经堆满材料的仓库。
• 创造力的原料藏在“不高级”的工作里：看似枯燥重复的基础工作，会在大脑中积累经验模式和直觉。只接触AI处理后的成品，人会感觉变钝，失去可重组的创造原料。青霉素的发现、爱因斯坦的思考方式都印证了这一点。
• AI抬高个人创造力下限，却压缩群体差异：2024年《科学进展》实验显示，AI对原本创造力较弱的人帮助明显，但AI辅助产生的故事彼此更相似。当所有人都向同一模型索要“第一个想法”，群体可能走向最容易被预测的答案。
• AI使用可能削弱批判性思考：2025年微软研究院等机构调查319名知识工作者发现，人越相信AI，在任务中投入的批判性思考越少。MIT一项脑电写作实验（54人，预印本）显示，连续用大模型写作的参与者脑网络连接更弱、对内容的拥有感更低。METR对资深开发者的随机试验则发现，使用2025年初的AI工具后，完成任务反而慢了19%。

值得关注

什么可以交给AI：判断标准不是“有没有创造性”，而是三件事——验收标准是否清楚、过程是否可以追溯、出错以后是否能够回滚。资料转写、格式整理、已知规则下的数据清洗、代码样板和测试用例、多版文案与设计草图等适合交给AI。

什么必须留给人：问题定义、首轮判断、最终责任不能外包。动手前应先写下自己的判断；生成时让AI给出反对意见、失败条件和证据出处；生成后回到原始材料抽查验证。同时要定期进行不依赖AI的“徒手训练”，写作者保留独立采访和首稿，程序员保留代码审查和故障排查，设计师保留概念选择与最终视觉判断。

对组织的提醒：如果年轻人不再做基础分析、不再经历失败的第一稿，公司短期会得到更快的交付，长期却可能失去培养判断力的路径。AI可以让新人第一天就交出七十分的答案，但从七十分走到九十分，仍然需要亲自见过问题、犯过错误、为结果付过代价。

AI处理已经想清楚的重复执行时，是杠杆；让AI代替人类接触现实、形成问题和做出第一轮判断时，就会变成拐杖。真正的创造力包括对材料的熟悉、对异常的敏感、忍受长时间没有答案，以及在灵光出现后把它一遍遍做实。