AI 的风险不在于使用 AI 本身，而在于把本来应该由人完成的认知动作直接外包出去。
学习、写作、判断和解决问题时，真正训练大脑的往往不是最终答案，而是形成第一判断、主动回忆、组织表达、承受不确定性和反复修正的过程。如果 AI 直接替人跳过这些过程，短期会提高产出速度，长期可能削弱人的判断力、记忆能力、表达能力和面对难题时的停留能力。
因此，AI 协作的关键不是“少用 AI”，而是避免把 AI 用成直接答案机器。好的 AI 使用方式应该保留人的主动思考动作，再让 AI 承担提示、质疑、补充、校验和拓展。
思考外包发生在哪里
思考外包不是指让 AI 做所有事情，而是指人放弃了那些本该训练自己的关键认知环节。
常见形式包括：
- 跳过第一判断：还没有形成自己的看法，就直接让 AI 给结论。
- 跳过主动回忆：看完材料后不复述、不提取，只保存 AI 总结。
- 跳过表达挣扎：还没有自己写出粗糙版本，就让 AI 代写完整文本。
- 跳过问题停留：一遇到模糊、困难或无聊的问题，就马上问 AI。
- 跳过事实校验：在自己缺少领域判断力时，直接接受 AI 的解释或答案。
这些行为共同的问题是：结果看似更快，但人的认知动作没有发生。长期重复后，人可能越来越依赖外部答案，而不是训练自己的问题感、判断感和表达感。
“直接要答案”为什么危险
“直接要答案”会同时压缩问题理解、路径探索和判断校验三个环节。
当人直接向 AI 要答案时，默认顺序变成：
- AI 先给出结构。
- 人被动理解结构。
- 人在 AI 的框架里做局部修补。
这会让人更容易把 AI 的输出当作默认坐标系。即使后来有所修改，修改也常常发生在 AI 已经设定好的问题边界内。
更好的顺序是：
- 人先写下自己的初步判断。
- 人列出不确定点或卡住的位置。
- AI 提供提示、反问、替代路径或校验。
- 人再决定是否更新原判断。
前者是 AI 替人思考，后者是人用 AI 加深思考。
四条实践原则
先自己判断，再问 AI
在学习、阅读、方案判断和复杂问题上，先用几句话写出自己的当前理解：
- 我现在倾向于什么判断？
- 我不确定的地方是什么？
- 我希望 AI 帮我检查什么？
这样做的目的不是形式化地“先写一点”，而是保留自己的第一判断。第一判断即使粗糙，也能让后续协作有一个可比较、可修正的起点。
用复述代替收藏
看完一段材料后，直接收藏或保存总结，很容易制造“我已经学过”的错觉。更有效的方式是先复述：
- 这段内容真正解决了什么问题？
- 它和我原来的理解有什么不同？
- 如果明天不用原文，我还能不能讲清楚？
AI 可以帮助设计检查题、指出遗漏、补充反例，但不应该替代主动提取。
先自己写，再让 AI 介入
涉及观点、反思和文章表达时，AI 更适合做第二读者，而不是第一作者。
先写出自己的粗糙版本，再让 AI 帮助检查结构、澄清概念、指出跳跃和冗余。这样保留下来的不是完美句子，而是表达主体性。
主动保留困难
有些问题的价值恰好来自它让人不舒服。太快得到答案，会削弱人在模糊状态中停留、比较路径和形成判断的能力。
遇到高价值问题时，可以先停一会儿，列出自己能想到的几个方向，再让 AI 参与。AI 的作用是拓展和校验，而不是立刻结束问题。
一个更稳的协作顺序
更稳的 AI 使用方式，可以概括为：
- 人先提出问题。
- 人给出初步判断或困惑点。
- AI 复述问题、指出隐含假设。
- AI 提供替代路径、反例或检查清单。
- 人决定是否更新判断。
- 最终表达仍由人确认。
这套顺序不会让 AI 变慢，反而会让它更准确地工作。因为 AI 不再是在空白处替人生成答案，而是在人的问题意识和初步判断上做放大。
结论
AI 协作最值得警惕的，不是工具本身，而是人逐渐放弃关键认知动作。
真正高质量的 AI 使用，不是让 AI 更像一个替代大脑，而是让它成为一个能帮助人思考得更深、更清楚、更可校验的外部支架。