据美国媒体《商业内幕》9 月 9 日报道，Anthropic AI 素养研究与学习负责人克里斯滕·斯旺森的工作，是帮助人们更好地使用 AI。但她给出的建议可能出乎许多人意料：”我的工作是教人们如何使用 AI，但差不多至少有一半时间，我都在告诉人们什么时候不该使用 AI。”

“判断成本”：用错地方反而更累

在斯旺森看来，真正擅长使用 AI 的人，并不是遇到任何任务都马上求助于 AI，而是能够判断哪些工作适合交给 AI。随着 AI 渗透到越来越多的工作环节，这种判断力正在成为一项重要的职场技能。

她提出了一个关键概念——”判断成本”（discernment tax）：有时检查、核对 AI 生成的内容，比自己动手完成任务还要费力。如果把合适的任务交给 AI，花在检查输出上的时间是值得的；但对于自己本来就很擅长的工作，评估 AI 的成果反而会消耗掉原本想省下来的时间。比如让 AI 处理繁琐的数据分析是合理的，但让 AI 替自己写一篇熟悉领域的社交媒体帖子，可能意味着要逐行筛选生成内容，得不偿失。

“正确判断 AI 生成的内容，是人能够进行的最高层次思考。实际上，这非常耗费精力。”斯旺森说。

冷门领域容易触发幻觉

除了判断成本，AI 自身的能力局限也是一些工作不宜外包的原因。”如果向 AI 询问一篇非常冷门的研究论文或一位非常冷门的研究人员，而它的训练数据中没有多少这方面的信息，它就可能产生幻觉。”

这种界限的把握也不只是员工个人的课题。AI 合同起草工具 Spellbook 的 CEO 斯科特·史蒂文森近期就告诉团队，他希望看到员工未经修饰的原始想法，而不是经 AI 打磨的”成品备忘录”——他要看的是思考过程本身。

警惕”能力认知滞后”

另一个容易被忽视的问题是：AI 能力在持续进化，”什么该交给 AI、什么该自己做”这条界限也在不断移动。斯旺森表示，一项目前更适合自己完成的任务，6 个月后可能就适合交给 AI 了。

因此，更成熟的 AI 用户会定期重新测试模型在老任务上的表现，以避免所谓的”能力认知滞后”（capability overhang）——用户对 AI 能力的认识停留在过去的经验里，即使模型已经变强，人们仍然只沿用自己熟悉的那几种用法。斯旺森负责的 Claude Academy 就鼓励用户记录自己最困难的任务，每当新模型发布时重新测试一遍。

“能够说’我试过，没成功，下次换个方法再试’，比’我有没有打开这个功能、提示词写得对不对’重要得多。”她说。

斯旺森的结论是：真正的 AI 熟练度，不在于用尽可能多的提示词、功能和工具，而在于把”何时用 AI、如何用 AI”的判断变成一种自然习惯。”AI 用得更多，并不总是更好。AI 用得更多，也不一定意味着真正会用 AI。”