【關注】張禮立：為什么AI總是給你正確的廢話？

當 AI 可以快速生成所有正確的普通話，人類真正稀缺的能力就變成了：敢不敢說出那個不那么安全、但更接近真相的判斷。這才是 AI 時代最值得思考的地方。它讓平庸變得更便宜，也讓真正的洞察變得更昂貴；它讓文字生產變得容易，也讓判斷力的價值更加凸顯。

本文作者系盤古智庫學術委員、數字經濟研究院副秘書長張禮立，文章來源于“張禮立數字經濟研究”微信公眾號。

本文大約3800字，讀完約9分鐘。

最近看到兩條關于 AI 的新聞。

一條新聞說，研究人員對多款主流大模型做了大量測試，發現無論怎么換行業、換問題、換提示詞，AI 最后給出的建議，常常會回到幾個熟悉的詞：差異化、合作、長期主義、創新、集中管理。另一條講的是很多職場人對 AI 的焦慮。大家追新模型、試新工具、研究提示詞、搭建工作流，好像每天都在靠近未來，但忙了很久之后，工作質量未必真正發生質變，身體和精神卻先累了。

這就有意思了。

為什么 AI 越來越會說話，我們卻越來越容易聽到“正確的廢話”？為什么它回答得越來越完整，很多內容卻越來越像會議紀要、戰略套話和咨詢模板？為什么我們一邊討厭空話，一邊又在職場、組織和公共表達中不斷制造空話？

這到底是 AI 的問題，還是人的問題？

我的思考是：AI 的陳詞濫調，真的只是技術問題嗎？它是否也在提醒我們，人類公共表達本身，早已在很多場景里滑向了安全、平均與平庸？

01 AI沒有發明廢話 它只是把廢話說得更整齊

所謂“正確的廢話”，就是每一句都對，但放到具體問題里沒有用。企業要轉型，AI 告訴你要長期主義；品牌要出海，AI 告訴你要差異化定位；團隊效率低，AI 告訴你要加強協同；產品賣不動，AI 告訴你要以用戶為中心。

這些話錯了嗎？當然沒錯。正因為它們沒錯，才更麻煩。因為一句話如果永遠正確，它往往也就沒有什么鋒芒；一個建議如果誰都不會反對，它也很難真正推動改變。

過去一個人寫廢話，多少還要坐在電腦前憋一會兒。現在 AI 幾秒鐘就能寫出一篇結構完整、語氣穩妥、看上去很專業的廢話。這確實是一種效率提升，只是提升的未必是思想效率，而是包裝效率。

從技術上看，大模型學習的是人類已經表達出來的大量文本，是互聯網上、報告里、方案里、會議紀要里反復出現過的語言模式。它最擅長的，是從公共知識中提煉最大公約數，生成安全、常見、完整、不容易出錯的表達。

所以，當我們提出一個很寬泛的問題，比如“企業如何創新”“品牌如何增長”“個人如何提升競爭力”，模型自然會回到那些公共語料里最穩妥、最高頻、最不會出錯的答案。它不是故意敷衍，而是在做它最擅長的事：把人類已經說過無數遍的話，重新組織得更完整、更禮貌、更像樣。

問題是，AI 真的創造了廢話嗎？還是它只是把人類早已存在的大量平庸表達，更高效地還給了我們？

我更愿意把它看成一面鏡子。AI 沒有憑空創造平庸，它只是把平庸放大了。我們不喜歡它，有時并不是因為它不夠聰明，而是因為它太像我們了。它把那些我們在會議里聽過、在報告里寫過、在方案里反復使用過，卻又常常不愿承認其空洞的語言，整理得更漂亮，然后遞回到我們面前。

02 人討厭廢話 但人也經常需要廢話

人當然不喜歡廢話。誰不期待洞察？誰不希望聽到一句真正擊中問題的話？誰不希望看到一個不同凡響的判斷？

但真正不平庸的表達，本來就很難。為什么難？因為不平庸意味著取舍。你不能只說“要創新”，你要說清楚放棄什么舊路徑；你不能只說“要差異化”，你要說明不服務哪些客戶；你不能只說“要長期主義”，你要承擔短期結果可能不好看的壓力。

真正的判斷，往往不是把話說圓，而是把矛盾說透；不是讓所有人舒服，而是讓關鍵問題無法再被回避。

可現實中，人更傾向于安全表達。廢話安全，判斷危險；廢話圓滑，判斷鋒利；廢話容易形成共識，判斷常常帶來分歧。一個人說“我們要加強協同”，很少有人反對；但如果他說“這個項目真正的問題是組織權責不清，某個部門不該繼續主導”，那就意味著責任、沖突和風險。

所以，廢話并不只是無知的產物。很多時候，廢話也是避險的產物。

它有時是社交潤滑劑，有時是組織緩沖帶，有時是匯報安全墊。它最大的用處，是讓人看起來說了話，卻暫時不用承擔判斷。我們討厭它，但又經常使用它；我們期待不平庸，但又未必愿意承擔不平庸的代價。

這不是諷刺別人，而是每個人都可能如此。人在很多場景里，并不總是追求真相，也會追求安全；并不總是追求深刻，也會追求穩妥；并不總是想把問題說透，也會希望事情先過關。

所以，AI 的“正確廢話”并不是一個簡單的技術缺陷，而是技術與人性共同作用的結果。當語言不需要承擔責任，當觀點不需要經過實踐檢驗，當表達只追求完整、穩妥和漂亮時，思想就很容易滑向平均值。AI 只是把這個過程加速了，也讓它變得更加清晰。

03 AI越會表達 人越不能放棄判斷

全球關于 AI 的一些理性討論，都在提醒同一件事：AI 并不天然等于生產率，也不天然等于更好的判斷。

有人用 AI 之后，工作變快了，但工作是否變深了？有人用 AI 之后，內容變多了，但思想是否變清楚了？有人用 AI 之后，表達變漂亮了，但問題是否被真正解決了？

這幾年很多人忙著學習 AI，忙著追新模型，忙著搭工作流。可是我們是否也應該問一句：我們到底是在提升能力，還是只是在追趕工具？我們是在訓練判斷，還是在訓練自己更快地接受一個看上去完整的答案？

AI 的危險，不一定在于它會給出錯誤答案。錯誤答案有時反而容易被發現。更值得警惕的是，它給出足夠正確、足夠完整、足夠漂亮，但沒有真正價值的答案。這樣的答案最容易讓人誤以為思考已經完成。

技術越強，人的判斷越不能缺席。

判斷力是什么？不是簡單地說“我同意”或“我不同意”，而是知道什么問題值得問，什么答案不值得信；是知道一個方案看起來完整，但其實缺少關鍵約束；是知道什么時候應該順勢而為，什么時候必須逆著共識提一個不那么好聽的問題；是知道哪些話只是正確，哪些話才真正接近事實。

AI 可以生成十個選項，但它不承擔選擇的后果。AI 可以寫出一篇漂亮文章，但它沒有真實處境。AI 可以模擬專家語氣，但它沒有長期實踐中形成的代價感。人之所以仍然重要，不是因為人永遠比機器聰明，而是因為人必須在現實中承擔判斷的后果。

04 真正的能力 不只是會用AI

判斷力不是憑空來的，也不是多看幾個 AI 教程就能擁有的。它來自長期的知識訓練、現實經驗、歷史感、價值觀、審美能力和對人性的理解。一個真正有判斷的人，往往不是因為他掌握了更多工具，而是因為他知道工具不能替他回答哪些問題。

為什么人文、歷史、哲學和審美在 AI 時代反而更重要？因為它們訓練的不是操作能力，而是辨別能力。

歷史讓人知道，很多“新問題”其實并不新，很多技術熱情背后都有相似的人性結構；哲學讓人不斷追問概念背后的前提，知道一個看似漂亮的答案可能只是換了一種說法；文學和藝術讓人保持對細節、處境和生命經驗的敏感，知道什么東西只是形式漂亮，什么東西真正有意味；審美則讓人有能力判斷一段話、一張圖、一個產品、一種表達，究竟是高級，還是只是復雜。

AI 可以模仿風格，但它未必理解風格背后的生命經驗；AI 可以生成內容，但它未必知道內容為什么值得存在；AI 可以給出方案，但它未必知道一個組織真正承受得起什么變化。

真正的判斷力，往往不是知識量的堆積，而是經驗、價值、審美和責任感共同形成的取舍能力。

這也是為什么同樣使用 AI，不同人的結果會差距很大。有的人用 AI 得到一堆漂亮廢話，有的人用 AI 找到新的角度；有的人讓 AI 替自己思考，有的人用 AI 逼自己想得更清楚。差別不只在模型本身，更在使用者是否有足夠的標準、經驗和判斷。

05 下一代AI 不該只是更會說話

未來真正有價值的 AI，不應該只是更會說漂亮話。它應該更會追問：你的目標是什么？你的資源約束是什么？你愿意承擔什么代價？你過去試過什么？你真正要解決的是增長問題、效率問題、組織問題，還是戰略選擇問題？

現在很多領先的 AI 公司都在尋找突破方向：更強推理、更長上下文、更強記憶、更可靠的檢索增強、更專業的行業知識庫、更能執行任務的智能體，以及更能進入真實工作流的系統。為什么？因為大家都意識到，單純“會說”已經不夠了。

AI 如果只是回答，它很容易變成廢話機器；AI 如果能追問、驗證、調用工具、暴露矛盾、幫助人做取舍，它才可能成為真正的思考伙伴。下一代 AI 的突破，不應只是從“不會說”到“會說”，也不只是從“會說”到“更會說”，而是從“替人回答”走向“幫助人判斷”。

所以，我并不認為“AI 總是給你正確的廢話”說明 AI 沒有價值。恰恰相反，它提醒我們重新理解技術價值。

AI 的價值不在于它能生成多少內容，而在于它能不能幫助人更接近問題本質。它能不能讓我們少一些套話，多一些追問；少一些包裝，多一些取舍；少一些看似完整的平均答案，多一些真正有代價意識的判斷。

結語 這到底是思想，還是只是語言？

當 AI 可以快速生成所有正確的普通話，人類真正稀缺的能力就變成了：敢不敢說出那個不那么安全、但更接近真相的判斷。

這才是 AI 時代最值得思考的地方。它讓平庸變得更便宜，也讓真正的洞察變得更昂貴；它讓文字生產變得容易，也讓判斷力的價值更加凸顯。

如果 AI 又給了你一堆“差異化、長期主義、生態協同、用戶中心”的建議，不妨先不要急著復制。停一下，問三個問題：它指出真正的矛盾了嗎？它幫我做出取舍了嗎？它讓我承擔更清楚的判斷了嗎？

如果沒有，那么再正確，也只是廢話。

而人真正要守住的，也許正是這點不愿被平均化的判斷力。■

文章來源于“張禮立數字經濟研究”微信公眾號

???????

圖文編輯：張洵

責任編輯：劉菁波