Co-Intelligence
AI 不是软件，是外星智能——莫利克说边界真实存在但看不见，你只能靠亲自实验才能画出自己的那张地图。
- 参差不齐的边界：两个看似同样难的任务，AI 可能一个完美一个失败，边界不可见只能靠实验
- 劣质 AI 比顶级 AI 更保护判断力：AI 太好，人会放弃思考，陷入「方向盘上睡着」
- AI 是拉平器：能力最差的人获益最大，专业护城河的中位数部分正在被抹平
核心观点
参差不齐的边界：写十四行诗完美，写恰好 50 个字的诗却失败
AI 处理的是 token 不是单词，逻辑上难度相近的任务可能落在能力边界的两侧。边界存在，但不可见，你只能靠不断实验去摸。
| 任务 | AI 表现 |
|---|---|
| 写一首十四行诗 | 完美 |
| 写恰好 50 个字的诗 | 经常失败 |
| 创意生成、头脑风暴 | 远超人类平均水平 |
| 基础数学、精确计数 | 反而不稳定 |
BCG 800 人实验：边界内 AI 大幅提效，边界外 AI 让人变差
咨询顾问在边界内任务上用 AI 表现显著提升；但公司刻意设计的边界外任务，用 AI 后正确率反而从 84% 掉到 60-70%。
边界外任务的正确率：不用 AI vs 用 AI
同一批顾问，边界内用 AI 提效显著，边界外用 AI 反而拖累判断
劣质 AI 保护判断力：AI 越好，人越容易「在方向盘上睡着」
当 AI 质量很高时，人没有动力保持专注，直接让 AI 接管而不是把它当工具用，这会损害学习、技能发展和长期生产力。
- 无条件追求最强模型，全权委托任务
- 让 AI 输出直接通过，不做任何复核
- 刻意保留一部分不完美，逼自己持续参与判断
- 招聘/训练场景故意用中等质量 AI 保持认知投入
四条协作准则：邀请 AI、保持人在回路、当人对待、假设它是你用过最差的版本
这四条不是提示词技巧，是一整套认知姿态的升级——从「找对指令」转向「建立持续协作模式」。
AI 是拉平器：能力最差的人获益最大，写作最多提升 35%
反复的研究显示，AI 给初始能力最低的人最大提升——差作家变好作家、差律师变好律师，而高手的提升幅度很小。
低产能员工使用 AI 后的写作能力提升幅度
高产能员工的提升幅度小得多——AI 正在抹平中位数专业能力的护城河
半人马 vs 电子人：两种协作模式，分工清晰 vs 深度交织
半人马模式是人机分工明确、各司其职；电子人模式是把任务嵌套穿插，反复来回，两者适合不同场景，不是替代关系。
| 模式 | 特征 | 适用场景 |
|---|---|---|
| 半人马 Centaur | 人机边界清晰，按各自强项分工 | 任务目标明确，知道谁该做什么 |
| 电子人 Cyborg | 任务内嵌套穿插，来回交织 | 探索性任务，自己也不清楚最优路径 |
免费部分到这里。墙内还有：
本书与另外 4 本书的观点交锋 · 应用篇
金句摘录
「想象一座城堡墙，有些塔楼伸向乡村，另一些收缩回中心——这堵墙就是 AI 的能力边界，问题是这堵墙不可见。」
「无论你现在用的是什么 AI，它都会是你以后用过的最差的 AI。」
「AI 不可预测、不可靠，它可能带来新解决方案，也可能幻觉出错误答案——这更像人，而不像传统软件。」
常见问题
这本书讲了什么？
AI 不是软件，是外星智能——莫利克说边界真实存在但看不见，你只能靠亲自实验才能画出自己的那张地图。
适合谁读？
从核心观点看，适合想搞清楚「参差不齐的边界：写十四行诗完美，写恰好 50 个字的诗却失败」这类问题的人。
最核心的一个观点是什么？
参差不齐的边界：写十四行诗完美，写恰好 50 个字的诗却失败