人工智能（AI）正深刻地改变工作与学习方式。它在提升效率的同时，也带来了新的挑战。一方面，AI 可能稀释求职信号的价值，但这取决于强者与弱者谁能更好地利用它。另一方面，AI 的编程能力使其成为强大的通用工具，能够处理计算机上的任何任务。然而，直接依赖 AI 可能阻碍学习过程，正确的用法是先独立思考再用其辅助。最终，一些团队正通过构建定制化 AI 工具，进入一种持续自我优化的“超高生产力”状态。
AI 会稀释“信号”的价值吗？
当一项技术让传递某种信号（如撰写求职信）变得更容易时，这个信号的价值就可能被稀释。以 AI 辅助写求职信为例，如果 AI 主要帮助了能力较弱的求职者，那么一份出色的求职信作为个人能力信号的价值就会下降。
然而，Bo Cowgill 指出，情况并非总是如此。如果能力更强的求职者更善于利用 AI，那么 AI 反而会强化信号的价值，进一步拉开差距。
如果最有才华的人能从 AI 中获得最大的提升（正相关），那么信号就会被加强。反之，如果 AI 主要改善了底层申请者的求职信质量，而顶尖人才的信件已无提升空间，那么信号就会被稀释（负相关）。
因此，关键在于 AI 究竟帮助了谁。在招聘中，可以通过设计与实际工作相关的 AI 使用任务，来筛选出那些能真正利用 AI 提升工作表现的候选人。
万物皆代码：AI 作为通用工具的潜力
Ethan Mollick 强调，AI 强大的编程能力意义深远，即便你不是程序员也应关注。他的核心观点是：你在计算机上所做的一切，本质上都是代码。
既然 AI 能够处理代码，它就能完成任何人在计算机上能做的事情。
- 创建数据仪表盘
- 操作网站
- 制作 PowerPoint
- 读取和整理文件
这使得能够编码的 AI 成为一种通用目的工具，可以像代理人一样被派去执行各种任务，并在需要时向你请求许可或帮助。
AI 与学习：是捷径还是障碍？
直接使用 AI 完成任务，尤其是在学习场景中，可能并非好事。David Epstein 引用了一项麻省理工学院（MIT）的研究，该研究分析了学生在有和没有 ChatGPT 帮助的情况下写短文的表现。
研究发现，使用 ChatGPT 的学生几乎不记得他们刚刚完成的作品，这表明他们并未在过程中学到东西。AI 取代了学生自己的思考，消除了学习所必需的“有益的困难”。
对于这些写作者来说，ChatGPT 似乎恰恰是“有益的困难”的反面。它让写作者在进行自己的思考之前就给出了答案。
然而，方法至关重要。如果让学生先独立完成写作，然后再使用 ChatGPT 进行修改和提升，结果则会好得多。这表明，AI 作为辅助工具，而非替代品时，才能更好地促进学习。
“超高生产力”：用 AI 优化工作本身
Steve Newman 观察到一种新现象：一些团队利用 AI 实现了生产力的持续飞跃，似乎没有上限。这些进入“起飞”状态的团队有四个共同点：
- 积极使用 AI 加速工作。他们不满足于现状，主动将 AI 融入工作流程。
- 构建定制化的 AI 工具。他们不只使用 ChatGPT 等现成工具，而是利用 AI 为自己的特定工作流打造专属工具。
- 焦点从“做事”转向“优化事”。他们每周的目标不再是完成一项工作，而是交付一项新的生产力改进方案。
- 工作成果具有复利效应。他们使用自己开发的 AI 工具来改进这些工具本身，形成一个不断加速的自我优化循环。