首頁 / 生產力 / AI 的範式轉移：把知識變成 Skill，理解只有 20 分也能做出 80 分
AI 的範式轉移：把知識變成 Skill，理解只有 20 分也能做出 80 分
- AI 產生的範式轉移，是讓執行成本比理解成本低：以前得先理解才能產出，現在可以「找到知識 → 結構化知識 → 把知識變成 Skill → 交給 Agent 執行」。
- AI 只是把大量人從 20 分拉到 60 分。要跨過 60 → 80，得先用論文這類第一手資料結構化知識，讓 AI 的回答鎖定在這範圍內，再做成能操作的 Skill。
現在很多人說 AI 快到轉折點了，指的是 AI 大幅超越人類智能，可以直接替人類做事，人類反而是累贅，不需要人類了。
目前 AI 當然還沒到這程度，但對我來說，AI 已經跨越「某個臨界點」了。
我不知道你有沒有注意到，AI 造成了一個明顯的範式轉移。
AI 造成了什麼範式轉移？
以往，我們要先知道一個道理，學會了之後，才能使用它。在 AI 出現之前，我們幾乎所有的技能都是這個方向，就是刻苦學習，知道某一件事情的用法，然後開始代入自己的例子去使用。
路徑長這樣：
先理解 → 再練習 → 累積經驗 → 最後才有能力產出
比如說，如果你今天想學怎麼寫銷售文案或做銷售頁，那你通常得先看個三五本書，把理論理解到 60 分，然後再找些案子練手，在實作中犯錯、獲得反饋、再修正，再挑另一個案子繼續嘗試，等到覺得自己差不多入門後，兩三個月時間也過去了。
在這例子中，產出的重要前提是：「你得先把知識學進大腦，才能將其變為能力」。
但是 AI 造成的範式轉移是，你可以不用懂書面上的知識，就能用 AI 快速整理出一個初稿，很快掌握一個 80% 的成果，然後把它變成一個 skill，讓它去做事。而你自身對這個觀念的理解，可能只有 20%。
所以，如果你能用最快的速度，知道這個知識的核心構成是什麼，也就是快速調研出核心知識，然後把它變成一個自動化流程 Agent，那你就可以在這個領域裡，取得不公平的優勢。
也就是說，現在出現了一條完全不同的路：
找到知識 → 結構化知識 → 把知識變成 Skill → 交給 Agent 執行。
同樣以寫銷售文案為例，以前我得買書、上課、作筆記、練習，再花幾個月做幾個專案，才能掌握。
但現在用 AI 快速調研：
- 這個領域最重要的核心概念是什麼？
- 專業人士在做這件事情時，遵循哪些判斷？
- 一個好的成果，是由哪些環節構成的？
- 每一個環節有哪些常見錯誤？
- 執行步驟有哪些？
在調研過程中，你的大腦甚至可以處於空白狀態 —— 不需要把那些知識讀完，也不需要理解，這些都不需要，你完全可以像交接物品一樣，把「知識原料」丟給 AI，讓它寫成能操作的 SKILL，讓 AI 直接照著工作。這概念就很像是，以前你煮一道菜，你得知道鍋子火侯、食材的脾氣、料理順序等等，但現在就只要將預製菜丟到微波裡，按 30 秒就好。
這樣就出現一個難以想像的現象：
以前是：
「你的理解程度 ≈ 你能做到的程度。」
現在則變成：
「你自己的理解只有 20 分，但你建立出的系統，卻有可能做到 80 分的成果。」
不過，這也帶出了另一個問題，雖然你不用親自理解內容，但搭建出的系統好壞，畢竟還是取決於「調研資料」對於該領域的了解程度，就像同為預製菜，也有好吃和難吃之分。而一個完全不懂的新人，要如何做出 80 分的系統？
AI 出現後，為什麼專家還是那麼少？
每個領域的專家都是極少數的。
如果我們把一個領域裡的人，粗略分成三個層次。
- 20 分，是剛入門的一般人，稍懂皮毛。
- 80 分，是掌握這個領域，概念吃透，能穩定做出成果的人。
- 95 分以上，則是靠這件事吃飯、知道什麼時候能用什麼時候不能用，具有大量經驗的專業人士。
假設有一百個人，大部分人都停留在 20、30、40 分。能做到 80 分以上的可能有 5 個，95 分以上的就 1～2 個。
而 AI 出現後，整個分佈開始改變。
因為任何一個人，把問題甩給 AI ，都能得出一個「還不錯」的答案。這意味著下游被消滅了，以往那些 20 分的，很容易被 AI 一口氣拉到 60 分。但問題是，越往上的比例並沒有改變，60 分到 80 分之間，仍然存在巨大鴻溝。80 分以上，掌握核心概念的，一樣只有少少的 5 人，95 分以上，靠這吃飯的專業人士，一樣只有 1~2 人。
因為 AI 只是提高普通人的能力下限。預設答案只是「平均正確」。要做到 80 分以上，你仍然需要知道：
- 什麼東西重要？
- 什麼東西不重要？
- 這個領域核心原則是什麼？
- 專業人士到底在判斷什麼？
- AI 給你的東西哪裡有問題？
- 你應該如何設計流程，讓 AI 穩定做對？
也就是說，AI 並沒有讓所有人自動變成專家，他只是把大量人的從 20 分拉到了 60 分的「還行」程度。
// 讀到這，先存個檔
AI 技能製造，一鍵打包為 Notion 模板
重點濃縮 + 動手檢查表，留個 email，我直接寄一份可直接套用的版本給你。
P.S. 一週寄一封電子報，不喜歡退訂兩秒鐘 ✏️
如何快速跨過「60 → 80」？
這帶到了我要講的論點：如何跨過「60 → 80」？
我們再看一眼剛剛提到的範式轉移：
找到知識 → 結構化知識 → 把知識變成 Skill → 交給 Agent 執行。
一般人的做法是直接問 AI ，但 AI 沒有能參考的資料，它的回答沒有依據，所以拿到的答案就是 60 分中規中矩。可用，但不全面，就是 AI 隨心情回答的，多問幾次可能答案還會變。
而如果要晉升到 80 分，你得要先「結構化知識」—— 就是先整理出一套規範嚴謹的第一手資料(例如論文資料)，再讓 AI 的回答鎖定在這範圍內，並根據這些資料形成能操作的 Skill。這樣你再問這領域的問題時，AI 給你的回答，就會說：「根據 XXX 論文，你這套做法存在幾個缺點.....」。或是你要轉化這些 Skill 幫你工作時，你心裡至少有個底，這些操作依據都是科學的，不是那些鄉村小道的僞知識。
你想想，根據論文形成的結構化知識來回答，這是不是比你胡亂問 AI 要來的可靠？
這套範式轉移靠哪三個條件成立？
而這套範式轉移之所以能成立，是因為 AI 滿足了三大條件(缺一不可)：
- AI 能以第一性原理，直接寫一本關於該領域的書。
- AI 是舉一反三的天才，只要告訴它原理就好，它自己知道該怎麼做。
- AI 讓執行成本比理解成本低得多。
這三者形成了一個獨特的機制。
我們先思考一件事，我們一般在看書時得注意什麼？得注意作者的立場。因為一個作者代表一個流派，他通常只說優點不說缺點，所以我們只看一本書時，就無從比較，勢必得翻很多跟它不同立場的人的觀點，花很多時間。但 AI 寫書就沒這問題，他可以全面比較所有流派觀點，然後挑科學依據大的當作主軸。另一個要注意的是，很多作者寫書是依據自己經驗，或道聽塗說的故事，所以充斥很多偽知識。但 AI 寫書可以完全以論文為基礎，證據強度不強的不放入其中，這在根源上杜絕了知識謠言。
但這時候會冒出一個新問題，就是完全以論文組合出來的知識，是硬梆梆的。
人根本看不懂，我們無法硬啃知識，那會像看外星文語或天書一樣，得需要大量故事、案例輔助理解。但 AI 沒差，AI 能直接硬啃死知識。所以 AI 他是一個舉一反三的天才，你通常只需告訴它原理就好，它能聽懂，也不需要例子輔助，他自己就能生例子。
最後就是第三步，讓 AI 將結構化知識轉化成可操作的 Skill。
所以簡單來說，只要打通：
- 把一個領域知識編寫成像書籍一樣的文檔。
- 將這些知識變成 Skill 化使用。
那就相當於是讓原本只有 20 分的人，取得了 80 分的武器。並且就像工具一樣，你可以不用理解知識原理，你只要會用就好。以往我們要先讀懂、理解了，再嘗試做。但現在變成不需要讀懂，只要讓 AI 統整好結構化知識並編列成 Skill 後，我們就能直接上手。
等於是讓你用最短的時間變成專家。
知識的壁壘被打破之後，稀缺的是什麼？
AI 產生的範式轉移：讓執行成本比理解成本低。
以前，一個人最大的壁壘之一，是他腦中累積了多少知識。
因為知識需要經過時間學習，才能轉化成能力。但是當知識能被快速搜尋，整理成結構，甚至直接變成 Skill 交給 Agent 執行之後，稀缺就會往上一層移動。
「你知道什麼」不再是重點了。
重點會變成：「你能不能快速搞清楚陌生領域，找到高手的思考方式，並將領域知識轉化成一個可重複執行的系統？」
因為如果別人進入一個新領域，需要花半年才能做到 80 分，而你可以快速找出這個陌生領域的核心知識，把它封裝成 Skill，再組成 Agent，在幾天甚至幾個小時內，做出接近 80 分的成果。
- 今天是文案，你可以快速建立一套文案 Agent。
- 明天是市場研究，你可以建立一套研究 Agent。
- 後天是影片分鏡，你可以建立一套導演 Skill。
而你本人不需要先花三年成為文案專家、研究員或導演。
那你等於是擁有了一台可以不斷「製造技能」的機器。這就是 AI 時代非常大的不公平優勢。
// 把這篇帶著走
AI 技能製造，一鍵打包為 Notion 模板
重點濃縮 + 動手檢查表，留個 email，我直接寄一份可直接套用的版本給你。
P.S. 一週寄一封電子報，不喜歡退訂兩秒鐘 ✏️