哈佛肯尼迪学院和多伦多大学芒克学院的公共政策教授、知名安全专家 Bruce Schneier 在《卫报》发表了一篇观点文章，提出了一个简洁而有力的判断框架——”工作 vs 健身”法则。

核心框架：工作和健身房是两回事

Schneier 将这个判断框架归功于 AI 研究员 Daniel Meissler 的启发。

想象两个场景：

在工作场景，如果你的任务是搬一堆重物从房间一端到另一端，你应该动用一切可用的辅助工具——手推车、叉车，甚至 AI 驱动机器人。目标是把活干完，没人关心你是怎么搬的。

但在健身房，让机器人替你举铁就完全失去了意义。健身的目的不是”把重物从A点移到B点”，而是通过举重这个过程来锻炼自己的身体。

Schneier 指出，对于任何 AI 可以帮你完成的任务，都可以套用这个框架：如果它是一项”工作”——必须完成、没人关心过程——那就放心用 AI；但如果它更像是”健身”——过程和方法至少和结果同样重要——那可能就不适合交给 AI。

当作业成了”健身”

Schneier 教授以自己的课堂为例。他要求学生写政策备忘录，并不是因为世界需要更多备忘录，而是因为写作的过程——思考、列提纲、起草、编辑、论证、反驳、修订——本身就是培养批判性思维能力的方式。

“没有这种持续的思维训练，这些技能就会退化。”Schneier 表示，雇主们已经注意到了这一点。

他强调，自己能够一眼看出 AI 写的作业和学生的作业——”一个漂亮、貌似合理、语法完美的文章，但并不特别精心构思或逻辑连贯”。但问题在于，学生们自己缺乏分辨能力，他们把 AI 输出的流畅文本误认为是好想法的证据。

学生们忽略了关键一点：他们最初的不适感是写作过程中正常且健康的一部分，而不是需要快速绕过的障碍。”在如何表达自己想法的过程中挣扎，正是思考的重要组成部分。这是他们检验想法、审视假设、真正弄清自己想法的过程。”

他的结论很明确：作业不是工作，作业是健身房。

对创意行业的启示

“工作 vs 健身”的框架同样适用于理解创意行业面临的挑战。

大多数时候，雇佣一个写手的目的是”需要文字”——产品说明书、销售演示文稿、法律文件——这些都是纯粹的”工作”，恰好是 AI 擅长的事情。只有有时，写作是一种艺术形式——一本书、一首诗、一篇振奋人心的演讲。那是”健身”：过程和结果同样重要。

历史上，所有类型的写作任务都只能由人类完成。但现在，人类第一次能够区分”什么时候需要写作作为工作”和”什么时候需要写作作为健身”。如果 AI 能完成大多数”工作型”写作，社会就不再需要那么多人类写手了。

同样的逻辑适用于视觉艺术家。有时我们需要真正的艺术家，但大多数时候只需要一张图片——企业吉祥物、”小心有狗”的告示牌、包装标签。

激励困境与选择

Schneier 坦诚地指出，解释问题和解决问题是两回事。他每堂课都给学生们讲”工作 vs 健身”的道理，但学生们仍然在使用 AI。他理解其中的原因：课业负担重、压力大，更关键的是——如果周围的同学都在用 AI，自己不用就会显得落后。

也存在激励问题。没有人付钱让你去健身房，保持健康习惯需要自律。对于学生来说，推理能力和写作能力的渐进式提升是微妙而难以感知的。

但选择权仍在每个人手中。就像我们可以选择走楼梯而不是坐电梯，我们可以把”认知健身”任务与 AI 隔离开来，确保不会因为这项技术而丧失自己的技能。

结论

Schneier 教授的框架简洁而有力：对于”工作”型任务，放心用 AI；对于”健身”型任务，用 AI 就是浪费大家的时间，因为没有人能从中学习或变强。

AI 将从根本上改变工作的性质——不会像 AI 公司希望的那样快，但终将如此。政策分析肯定会从今以后与 AI 密不可分，Schneier 的学生们需要重新思考学习和练习这项技能的意义。但就目前而言，”工作 vs 健身”的区分相当清晰。”用它来审视你自己。”Schneier 在文章结尾写道。

—

图片来源：The Guardian / Bruce Schneier

这是 2026 年最误导人的想法。如果你用这种”自动驾驶”心态使用 AI，几乎注定失败。你得到的是千篇一律、毫无灵魂的垃圾内容。

原因很简单：AI 不是自动驾驶仪，它是引擎。而引擎需要驾驶员。

什么是 90% 法则？

这个法则非常直白：对于任何给定任务，AI 可以在几秒钟内完成 90% 的工作，但永远无法完成最后的 10%。而糟糕的是，最后那 10% 恰恰是让工作真正出色的部分。

先看 AI 擅长的 90%：

• 结构搭建：瞬间生成报告大纲
• 批量产出：一分钟写 50 封邮件变体
• 初稿生成：把要点扩展成段落
• 摘要提炼：秒读 50 页 PDF 并总结

再看你必须亲自负责的 10%：

• 调性判断：”这语气像我们公司吗？”
• 事实核查：”它是不是编造了一个法规？”
• 品味把关：”这内容只是语法正确，还是真的有趣？”
• 战略决策：”这真的有助于我们的目标吗？”

什么时候该用 AI？一张表说清楚

| 任务类型 | 用AI？ | 原因 | |———|——–|——| | 写初稿（邮件、博客、报告） | 是 | AI 擅长结构和批量产出，你来编辑调性和准确性 | | 提炼长文档 | 是 | AI 秒读 50 页，你来验证关键信息 | | 头脑风暴 | 是 | AI 快速生成 20 个选项，你来挑最好的 | | 关键内容最终润色 | 否 | AI 分不清”好”和”优秀” | | 关键信息事实核查 | 否 | AI 会编造，永远要亲自验证 | | 个人化/情感化写作 | 否 | AI 无法捕捉你的真实经历和独特声音 | | 简单快速任务（2 分钟邮件） | 否 | 自己写比写提示词更快 |

核心原则：用 AI 做重活（结构、批量、速度），把你的精力留给最后的 10%（判断、品味、真相）。

把自己当成”主编”

这是你使用 AI 时最需要转变的思维模式。你不是创作者，而是总编辑。

想想报纸的总编——他们不写每个字，而是把任务分配给记者（AI），然后把初稿打磨成精品。每次从 AI 拿到输出后，执行三步”人工润色”流程：

第一步：调性检查 AI 的默认语气像一个企业 HR 部门——有礼貌、冗长、安全。砍掉第一段（通常都是废话），把”深入探讨””利用””确保”这类词换成”挖开””使用””确认”。

第二步：事实核查 AI 很会说话，这让发现它的谎言变得更难。验证每一个数字、日期和引用。如果它推荐了某个品牌或产品，先去 Google 确认它真的存在。

第三步：注入洞见 这是最重要的一步。加一个只有你知道的东西——一段亲身经历、一个具体约束、一个鲜明的好恶。AI 试图中立，而人类有观点。

“差不多”是最大的敌人

AI 输出的陷阱在于它看起来太精致了。语法完美，格式整洁，看起来像是完工了。

但如果你直接复制粘贴 AI 输出，别人能看出来。感觉”顺滑但空洞”。

只需花 2 分钟执行上面三步人工润色，就能把”机器文字”变成”人类增强作品”。你得到了机器的速度，保留了人类的灵魂。

总结

别指望 AI 能完成 100% 的工作——它做不到。

把目标设为 90%。让它做重活——那些无聊的结构搭建、初稿生成。然后把你的能量集中在最后关键的 10% 上。

那 10% 才是你的价值所在。

—

图片来源：Plain English AI