AI 越界之后：设计师的「做什么」危机

UX Collective 近期刊登了一篇署名评论，作者是一位非技术背景的产品设计师。文章从一段亲身经历切入：他在 Claude 的协助下，把一个用于评估其他 AI Agent 质量的工具成功推送到了 GitHub，而这个过程几乎完全由 AI 主导架构与配置决策。这件事让他意识到，AI 已经悄然跨过了那条「只做执行、不做决策」的线。

从「怎么做」到「做什么」：边界的松动

作者借用 Ben Thompson 在 Stratechery 中提出的框架：AGI 被定义为「能交付任务并信任其完成的 AI」，负责解决 how；而 what——即决定要做什么——则被留给了更遥远的超级智能。按照这一图谱，人类的判断力在可预见的未来都是安全的，AI 只是更快的「执行代理」。

然而，作者认为这一判断低估了当下 AI 的实际能力。他援引 Jakob Nielsen「60 年来第一种新 UI 范式」的说法，回顾了 ChatGPT 出现后的工作模式：人负责瞄准，AI 负责开火。但最近几个月，他在构建一些小型个人项目时发现，AI 已经不止于执行——它会分析结构、提议路径、预判问题、甚至解读未被明示的意图。换言之，AI 开始「自己决定哪些事情值得做」。

「the what」危机的真正含义

作者把这一转折称为「the crisis of the what」：AI 不再只是听话的工具，而是参与到了产生指令本身的决策环节。它并不是在某次战略会议中被正式授权接管「做什么」，而是在一项项看似纯执行的工作中，一点一点地把判断权拿走。

他引用沃顿商学院教授 Ethan Mollick 与 BCG 的联合研究——「jagged frontier」（参差不齐的前沿）——来解释 AI 能力的非均匀分布：AI 会在某个复杂任务上表现出色，却在更简单的任务上失手。Mollick 把这视作生产率问题，而作者认为，这些「锯齿」恰好落在了 where 判断力开始的地方。

概率系统与人判断的根本错位

文章进一步指出，当前的大模型本质上是基于已有数据预测「最可能的下一步」的概_率系统，擅长找到合理、符合预期的解。但最有价值的人类决策往往逆向而行——

• 决定不去做某件技术上可行的事；
• 在尚未能解释原因前就察觉「哪里不对」；
• 在投诉流程中读出文字背后的情绪，而不是给出「统计上最高效」的一键退款。

这些依靠经验、直觉与试错积累而来的判断，恰恰是概_率系统难以复制的部分。

对设计师的启示

文章结尾处原文截断，但核心论点已清晰：AI 正在重新划分「执行」与「判断」的边界。对产品设计师而言，仅仅守住「做什么」的直觉已不够——更关键的是持续打磨那种「能叫停、敢反直觉」的判断力，这才是 AI 时代最稀缺的资产。