今天早上读到卡兹克的新文章，写的是这几天被 GPT-6 Astra 刷屏的见闻：有人让它在 Blender 里给模型绑骨骼，有人让它操控 Houdini 做布料动画，还有人给它看了一段办公室视频，据说不到一小时就搭出了可以走进去的三维场景。文章前半是案例堆叠，后半忽然收紧，提出一个主张：执行正在失去稀缺性，往后一个职业的价值会被拆成判断力与执行能力两层，用他的话说，”会 Blender，不等于懂 3D”。
这个主张并不新，新的是他接着自己戳破了它。判断力从哪里来？他的答案很老实：从那些正在被 AI 吞掉的执行里来。一个用了十年 Blender 的人，看一眼机器做的模型就知道哪里不对，理由无他，做坏过太多。AI 能把五年压成五分钟，结果可以压缩，人的成长能否一起压缩，他说不知道。文章到这里停住，问了一句”哪些摩擦应该留给人”，没有答。
这一段是全文最好的地方，也是我想接着写的地方。
一道四十年前答过的题
这道题并非 AI 时代才出现。1983 年，英国心理学家 Lisanne Bainbridge 在《Automatica》上发了一篇五页的短文，题目叫《自动化的反讽》（Ironies of automation）。她讲的是工业控制室：自动化系统把常规操作接过去之后，留给操作员的只剩两件事，一是盯着系统看它有没有出错，二是在它出错的时候接手。反讽在于，盯屏幕是人最难维持的技能，接手所需的手感又恰恰因为平时不再动手而退化；于是最需要人的时刻，正是人最生疏的时刻。
航空业替她做了验证。2009 年法航 447 航班在大西洋上空失事，皮托管结冰、空速失准，自动驾驶交出了控制权，而接手的机组多年来几乎没有在那个高度用手飞过。事故调查报告把高空手动操纵训练的缺失列为因素之一。
卡兹克说执行贬值而判断力从执行里长，Bainbridge 四十年前说的是同一件事的另一面：把执行交出去，判断力的来源也就一并交了出去。题是老题，答案早已写在那里。
手术台不在这张地图上，书桌在
先让一步。卡兹克讲的执行，全是数字执行：点按钮、拉节点、写脚本。文章配图里有一张 Houdini 的节点图，仔细看，一大半是 Python 节点，名字全是大写的描述式命名，一望而知出自程序，并非鼠标一格格点出来的。所谓”操控软件”，多半仍是写代码，只是写得又快又准。而我做心内科介入，导管在手里的那点触感，暂时没有哪个模型能替我练；这一层执行，文章的判断够不着。
但我的工作远不止手术台。查资料、整理会议笔记、跑数据整理脚本、写点自动化小工具，这些数字执行我这一年已经陆续交给了 AI，《人是单核的》里写过那种被角标勾着跑的形态。文章说的贬值，在我的书桌上已经发生了大半。
问题也就跟着来了：这些交出去的执行里，有没有我判断力的来源？
凡当过住院医的人都知道判断是怎么长出来的。心电图机器打出一行初判，心超机器算出一个数值，造影上一处狭窄报一个百分比，起初你照抄；量过几百份、抄错过、被上级改过之后，才慢慢有了”这个数不对”的直觉。机器的初判其实一直在那里，判断力长在你对它的不信任里，而这份不信任是一遍遍自己量出来的。
反过来说，也有大量执行与判断无关。把一篇文献的要点抄进笔记，把一堆文件按日期归类，这些我做一万遍也长不出什么直觉，交出去毫无损失。执行与执行之间，差别在此。
哪一遍留给人
今年夏天我给读书立过一条规矩：工具书、扫盲书，全权交给 AI 概括；会改变判断的书，第一遍自己读，AI 只在读完之后当反驳者。当时只是为了读书，现在看，这条规矩可以原样搬到执行上。
要外包一项执行之前，先问一句：它是不是我判断力的来源？是，第一遍自己做，第二遍起再交出去；不是，直接交出去，不必客气。带学生也是同一条：让他先手做一遍，做过了再用工具，顺序不能反。
勿庸讳言，这条规矩不便宜。第一遍自己做，慢，返工，痛苦，正是 AI 最擅长帮人绕开的东西。可 Bainbridge 那篇短文的结论也在这里：绕开的痛苦不会消失，只是换一个更贵的时刻来收。
卡兹克的文章收在一句”一回头，身后空无一人”。我倒没有那么悲观。衣钵未必无人来接，只是接的人，得先自己走一遍。