In the Age of Borrowed Thinking, How To Become More Valuable as AI Gets Smarter

在人工智能时代，如何在AI变得更聪明时提升自身价值 | Towards Data Science

人工智能

在借用思维的时代，如何在AI变得更聪明时提升自身价值

在人工智能时代保持相关性的框架

Rashi Desai

2026年10月27日

9分钟阅读

在Google上关注我们

分享

照片由petr sidorov在Unsplash提供

什么是智能？

我最近在阅读关于人类认知进化的内容，这些认知使人类能够通过历史长河做出决策。在理解我们人类经历过的各个时代后，我发现“智能”的定义在历史中不断演变。

如果回顾文艺复兴时期，一个智能的人是指具备理性、判断力、道德反思、雄辩的沟通能力，并能为社会做出有意义贡献的人。当时智能与人类潜能的培养是同义词。

在工业时代，智能与专业化、专业知识和效率联系在一起。随后进入信息时代，智能越来越与知识获取能力挂钩。

人类一直在寻找突破自身思维局限的方法。有时我认为最早的AI种子可能源于简单的计算器。一定有人曾思考：

如果机器能执行算术，是否也能进行推理？

随着计算机性能提升，研究人员开始探索是否能通过将人类推理编码到机器中来重现智能本身。

起初，他们试图教会机器所有知识。真正的突破出现在机器开始从数据中学习时。它们不再被告知每条规则，而是开始自行发现模式。

如今，我们生活在一个人工智能存在的世界，因为人类希望消除思维中的摩擦。

这常常让我思考：为什么人类如此执着于创造超越自身的智能？

也许因为智能一直是人类最大的优势。

借用思维的时代

我们生活在一个社交媒体告诉我们该喜欢什么、厌恶什么甚至憎恨什么的时代。意见领袖告诉我们成功应该是什么样子，如何取悦上司，该穿什么、该买什么、该去哪，你懂的！更糟糕的是，AI代理正在越来越多地帮助我们决定该学习什么、如何工作，甚至该思考什么。

如今，一个人可以在几秒钟内生成策略、制作演示文稿、撰写文章、总结书籍、分析数据或形成观点。

问题与答案之间的距离几乎消失。

然而在这个过程中，似乎有另一件事正在消失：思考的习惯。

AI被创造出来是为了扩展人类智能，但现在感觉因为AI的存在，我们反而限制了自身智能的发展。

本周，我的组织正在教我们如何像专业人士一样在Copilot中使用不同角色进行提示，在分析和AI领域以不同身份进行提示，整合AI结果，撰写AI提供的故事等。当我在听这些课程时，我意识到我们生活在一个答案泛滥的世界。一个问题通常有至少三个不同的答案（疯了，我知道！）那么你该如何选择答案？

我认为在这种情况下，判断力将成为最终的竞争优势。

随着AI的不断发展，我认为我们可能会回到文艺复兴时期，那时的智慧不仅仅是拥有答案，而是判断力、智慧和独立思考的能力。

这一认识促使我开发了Human Relevance Framework™。

我基于六个软技能或能力构建了这个框架（这是我的独特构想），这些技能在技术变得越来越强大的背景下，被我发现是最值得实践和锻炼的。

我的愿望很简单：帮助人们持续挑战认知，成为更好的决策者，创造原创见解，并在AI驱动的世界中保持相关性。

1. 好奇心

#### 人工智能无法替代的人类技能：提出更好的问题

我们都在逐渐将越来越多的思考外包给AI，甚至比我们意识到的还要多。

我开始在工作中使用AI来帮助我更快地调试代码，而不是浏览StackOverflow页面。这种使用方式现在已经演变为将AI作为我的第一分析师；它会在我看数据之前先分析数据，判断数据质量，帮助编写代码，解决问题，并加速那些过去需要数小时才能完成的工作。

所以这是好事吗？是吗？

我认为不是，因为我注意到自己花在与问题本身搏斗的时间变少了。我也不再那么在意过去花费在探索不同替代方案上的时间，或者思考如果从不同角度看待问题会发生什么。

我的好奇心已经悄然从发现的引擎变成了可选步骤。

在一个答案唾手可得（无论准确性如何）的AI世界中，好奇心让你变得有趣。凭借我们数据专业人士的技能，硬技能很可能会被AI接管，那么我们如何保持相关性并保住工作？成为那个提出其他人从未想到的问题的人。

实用习惯：在向AI提问之前，花五分钟想出三种不同的方式来表述问题。突破往往来自于问题的表述，而不是答案本身。

2. 判断力

#### 人工智能无法替代的人类技能：做出最终决定

如果你的好奇心已经产生了多个选项，就用你的判断力来评估这些选项，并在其中做出选择。

我祖父过去总是在我问他任何关于"我应该做什么"的问题时对我说："我可以推荐行动方案，但只有你能评估背景、风险、权衡和后果。我只是个路标。你是否要转弯，取决于你的判断。"

我从未想象过这些建议会变得如此重要和相关。

AI可以在几秒钟内生成无数响应。但目前没有任何工作场所允许AI对结果负责。作为领导者、分析师和专业人士，我们的价值越来越体现在当答案不明显时做出明智决策的能力上。

实用习惯：每当AI给你建议时，强迫自己记录一个支持遵循建议的理由和一个反对的理由。这能加强独立评估能力。

3. 综合能力

#### 人工智能无法替代的人类技能：连接他人忽略的联系

当我与公司内外那些职业道路让我敬佩的人交谈时，大多数人表示，数据分析中最受重视的技能之一是将看似不相关的想法联系起来。

我们深知数据、业务背景、利益相关者的期望以及行业趋势很少能完美契合。正是分析与报告团队需要将这些要素串联起来。

信息本身无法产生有意义的可操作洞察。只有当我们数据分析师将现有数据中的信息与背景、经验及后果联系起来时，这些洞察才能传递给领导者。

实用习惯：每个项目结束后，问自己：这些事实之间的故事是什么？不要止步于报告信息。解释清楚为什么这很重要。

4. 辨别力

#### 人工智能无法替代的人类技能：判断什么真正重要

在当今从人工智能获取大量信息的背景下，当今的挑战不再是获取信息。真正的挑战在于如何过滤信息。

当我们不断要求人工智能清理数据、识别模式、生成假设、从分析中创造有说服力的叙事时，我们产生了更多内容、更多数据和更多观点。虽然人工智能使这一切变得非常容易和快速，但也很容易让“洞察”变成噪音。

所有使用人工智能的工作场所都建议保持辨别力，我同样认为这是建立竞争优势、能够区分以下内容的关键：

• 信号与噪音
• 洞察与观察
• 证据与信心
• 真理与流行

实用习惯：每当一个假设听起来令人信服时，问自己：什么证据会改变我的看法？如果你无法回答这个问题，很可能你在评估信心而非真理。

5. 创造力

#### 人工智能无法替代的人类技能：创造原创内容

职业生涯早期，我的导师建议我为自己开辟一个独特领域，成为该领域的信任代理，并确保我的个人品牌传达这一点。多年来通过大量工作，我认为我的优势不仅仅是分析数据。更重要的是创造思考复杂问题的新方式。

我的领导常说，创造需要勇气。大多数人职业生涯都在回应他人已产出的内容。只有少数人能真正创造新事物。

我喜欢创造属于自己的产品，而如今人工智能可以以惊人的速度重新组合现有知识。这就是为什么随着人工智能能力增强，原创性变得越来越有价值。

对我而言，突破性想法往往在我将所有经验、直觉和想象力应用于不同假设的实验之后出现（当我耗尽所有想法时，我会喝杯咖啡休息一下，然后奇迹般地就解决了！）

实用习惯：每周创造一件之前不存在的事物：一个框架、视角、视觉呈现、工作流程或想法。培养构建而非仅仅回应的习惯。

6. 反思

#### 人工智能无法替代的人类技能：改变你的想法

在所有技能中，我认为反思是最有价值的技能。

作为数据与分析专业人士，我们应该习惯于在检查数据、模型和结果时进行反思，并在新信息出现时进行调整。这种反思同样适用于你自己的思维方式。

反思创造自我认知。一旦拥有自我认知，就能提升判断力。判断力的提升带来更好的决策，而无法挑战自己信念的人将停止成长。

作为数据专业人士，我强烈建议定期审视和反思我们的假设、技能和工具包，以保持适应能力，因为未来适应能力就是相关性。

实用习惯：保持一本简单的"改变想法"日记。每月一次，写下你因新知识而更新的一个信念、假设或方法。

人类相关性审计™

如果你今天只能做一件事，请问自己：

• 你的工作有多人性化？
• 目前你正在将哪些思考工作外包？
• 在寻找答案前，你多久会先提出问题？
• 你能区分糟糕答案和令人信服的答案吗？
• 你产出多少原创性综合分析？
• 你有自己独特的观点吗？
• 上次因新知识而改变想法是什么时候？
• 你掌握着哪些难以通过搜索引擎获取的知识？
• 人们找你咨询时，有哪些需求超出了你的职位描述？

这些问题是我从会议、聚会或讲师课程中听到后整理的，用于反思自己的思考方式。当我回答这些问题时，能清楚判断自己正在培养的是技术增强的能力还是技术替代的能力。希望你也能通过这些问题获得类似的认知。

结语思考

我们曾多次见证技术改变人们的工作方式。但对我而言，AI似乎有所不同，因为它不只是接管任务，更开始承担任务背后的思考部分。

对我来说，这才是真正的挑战。未来不仅仅是人类学习与AI协作的问题。我们已经能很好地与AI协作，但当AI为我们工作时，我们必须提前做好准备，不要轻易交出使我们有价值的核心思考能力。

因为在借用他人思考的时代，最有价值的技能可能仅仅是独立思考。

···

这就是我在这篇博客中的全部内容。感谢阅读！希望你读得有趣！

Rashi是来自芝加哥的数据专家，热爱分析数据并创造数据故事来传达洞察。她是一名全职高级医疗数据分析顾问，周末喜欢边喝咖啡边撰写关于数据的博客。