为什么 2026 年我不会推行「AI 优先」

近期，Hacker News 上的一篇博文引发了关于「AI 优先」公司文化的讨论。作者明确表态：「在 2026 年，我不会推行『AI 优先』。」文章围绕 AI 在企业中的角色提出了几条核心观点，引来了不少共鸣。

「AI 优先」理念的兴起与争议

所谓「AI 优先」，指的是企业鼓励员工在解决任何问题时首先尝试 AI，再考虑其他方案。2025 年，多家公司公开宣布转向这一理念，其中 Duolingo 的表态引发了强烈反弹——许多用户指责公司用 AI 取代合同工和人工判断。

这场争议并未明显影响 Duolingo 的业绩，但作者认为，更值得讨论的是这种思路在商业层面的问题：AI 优先未必能带来更好的结果。

AI 不应替你思考

作者指出，许多任务的核心价值不在于「产出物」本身，而在于「思考过程」。以撰写战略文档为例，AI 能写出结构清晰、论证完整的文本，但真正重要的是结合市场状态、公司内部信息做出的判断——这些信息 AI 通常无法获得，也难以被完整输入。

结果是，AI 优先产出的是「看起来像你完成了任务」的文件，实际上你并没有真正完成它。这可能骗过团队，甚至骗过自己，但并不会带来更好的决策。

写作即思考，外包写作即外包思考

引用 Paul Graham 的观点「写作即思考」，作者认为，把任何核心写作交给 AI，等于把思考也一并外包出去。他并不反对 AI 用于语法纠正、摘要、格式化、研究检索等辅助工作，但反对用 AI 替代核心写作——那会让人失去真正理解问题的机会。

AI 解决不了你自己解决不了的问题

在编程领域，作者观察到的最佳实践是：开发者先规划、拆解任务，再让 AI 填充细节。对问题理解越深，给 AI 的具体任务就越有效；如果让 AI 承担过多，最终往往需要大幅返工。

目前的结论是：AI 擅长生成样板代码、补全细节，但在项目规划和组织上仍力不从心。对于开发者自己无法解决的问题，AI 也同样无能为力。

AI 擅长的是「平庸」的工作

贯穿以上例子的主题是：AI 擅长处理中等水平的重复性工作。如果有大量半重复、需要极少思考和上下文的任务，完全可以使用 AI。但如果任务需要深度规划或大量上下文，则不应外包给 AI，尤其是当「完成过程」本身与结果同等重要时。

作者引用了一项近期 MIT 研究的数据：

• 70% 受访者倾向于用 AI 起草邮件
• 65% 倾向于用 AI 做基础分析
• 但在复杂或长期任务上，人类以 9:1 的优势占据主导

作者的替代方案

作者给出的替代做法包括：

• 把 AI 当作「导师」，用来辅助思考、解答疑问
• 在公司层面，确保每位员工都熟悉 AI 工具，但不强求「事事用 AI」
• 鼓励实验，提供正式与非正式的学习机会，营造安全的分享氛围
• 把 AI 用在现有工作流中，而非完全围绕 AI 重建流程

核心结论

作者总结：AI 最高效的场景是——你能自己理解并拆解问题，然后把需要「中等思考」的部分交给 AI。如果事事都以 AI 优先，结果往往是大量低于标准的产出。