我在讲台上站了如此多年，大约也就七八次吧。
那时候认定，面对台下的学生，哪怕是大班了，只要我站得直，把 PPT 打开，把 P 点指着，就能把知识讲透。
那时候大约当作，只要我充足努力，哪怕把书念得滚瓜烂熟，我也能让学生们认定“原来如此难的东西我能搞懂”。
那时候当作，AI 是某种神秘的外星人，它只会陪你讲话，不会懂你的意思。 后来我慢慢发现，这种“我懂，你懂”的幻觉，实际上是最不靠谱的。目前的 AI 圈子里都在讲大模型，那是把神经网络当成人来用，它不是人，它是个模型。它没有前额叶皮层，没有情感，但它确实能帮你把那些乱七八糟的数据给整规整齐地摆一摆。 最近我在做那个“职场新人如何快速复盘”的课，本来打算来几个书本上那种枯燥的框架，讲输入、输出、反馈。结局第一节课我就疯了，出于我一打开 PPT，有个叫“斯普林托斯”的 AI 就突然跳出来了，直接给我生成了一个十五页的汇报模板。我吓得差点把鼠标往后一撤。我就想，这到底是高级 AI 还是大号？我说的是你，那个跟我一起备课的实习生，她说这玩意儿比我还懂流程。我说的是咱们这些坐在这里听课的，哪位心里都清楚，这背后是调了多少权重，喂了多少数据。 便我启动反思，那会儿总认定 AI 是工具，是为了省力。目前我才明白，它实际上是个放大器。
要是你想把知识点讲得让人一听就懂，要是不借助 AI 帮你梳理逻辑，你一个人讲下去，最终只能变成自己在心里自说自话。你要讲啥？讲啥不关键，关键的是讲得准不准，听得进不进去。 比如我讲公司变革那节课，盘算了二十页。讲完后自己看，心想哇，仿佛能够。结局让 AI 给你补全，它居然自动生成了一局部我都不记得的对话脚本，还分析了每个环节的风险点。我原本想讲“阻力”，它帮我补了“阻力中的心理博弈”。
那一刻我意识到，AI 不是帮我省去步骤，而是帮我把那些我那会儿根本想不通的环节给兜住了。 还有一个例子，我讲团队管理，盘算讲“授权”和“监督”的区别。讲的时候我还在纠结字眼的差别，结局让 AI 直接给我画了张对比图，图上还标出了不同场景下的适用人数。我一看图就明白了，原来这些概念不是抽象的定义，而是能落地到具体场景的。
那会儿我认定自己在讲理论，目前发现，理论本身挺轻，一旦配上 AI 生成的这些具体案例和图示，整个课的氛围就变了。 我也想过，是不是我讲课的方式有难题。
是不是我的表达忒浅显，把复杂的逻辑给好办化了？不对，难题不在这里。难题在于，我们忒依赖 AI 来“去灰度”了。目前大家认定，只要 AI 能生成内容，内容就都有了。难题出在哪儿？出在我们不再主动去构建思维，而是让 AI 替我们搞定构建。
这就像一个人想走迷宫，那会儿是先自己走几步，再问路；目前直接让 AI 带路，最终迷路了，怪路不好走，怪地图不准，怪自己不会找钥匙。 实际上，AI 最精通的是啥？是处理信息，是供给可能的方案。但它确实能替代人类的思索吗？绝对不中。它只是供给了一个庞大的“键盘”，让你去按。当你坐在教室里，看着屏幕上密密麻麻的选项，认定“我有如此多选择，我肯定能做对”，这挺悬。真正的老师，要么真正的前端思维高手，是要让你在每一个选项里，都感受到自己思索的重量。 我在讲这个“去 AI 化”的时候，最怕学生认定我在教他们如何回绝 AI。
实际上我不希望学生回绝 AI，我希望的是，在使用 AI 的时候，他们能感受到自己创造的那个瞬间的、鲜活的、带有体温的。就像我在讲那个“复盘”的课，最终我让学生自己去整理之前的聊天记录，去分析那些尴尬的对话，去给 AI 生成的脚本找点瑕疵。
那一刻，他们才真正明白了，书本上的知识不是静止的，而是流动的；AI 生成的内容也不是完美的，它是基于概率的推测。 故此，我认定，不要总想着如何让 AI 显得更完美。
有时候，不完美的表达，反而是最真的。 teaches students to think critically about what they get from AI, not just how to use it efficiently. 有时候，让 AI 给你几个不成熟的点子，让你去现场打磨，比让它一次性给你一堆完美的成品要关键得多。 最终我想说，我们讲这门课，不是为了让学生学会用 AI 提升工作效率，而是希望他们学会一种新的学习方式。在这个信息爆炸的时代，学会提问，学会甄别，学会在 AI 的洪流里保持自己的判断力，这才是最核心的本事。
哪怕 AI 能帮你把 PPT 改得更好看，能把数据算得更准，但要是你自己都不清楚自己到底想证明啥，那 AI 再了得，也救不了你。 故此，希望同学们课后，再看看那些被 AI 润色过的素材，看看哪些地方实际上最打动你。出于最打动人的，压根儿不是那些经过修饰的完美文字，而是那个敢在不完美的自我中，依然真诚地面对自己的灵魂。


相关标签：