ChatGPT与人类创造力：合作还是取代？

当我们在谈论“AI创造力”时，我们其实在谈论什么

先厘清概念。如果概念是模糊的，后续所有讨论都会变成自说自话。

市面上关于“ChatGPT有没有创造力”的争论，经常陷入一种低效的循环：一方搬出AI生成的诗歌、画作、音乐，说“你看，这不是创造是什么？”另一方则搬出“AI没有意识没有情感没有肉身经验”，说“这不是真正的创造”。双方各说各话，谁也说服不了谁。

问题的根源在于，我们没把“创造力”这个词拆开。

我在2023年初开始系统测试生成式AI的创作能力时，给自己定了一个规矩：每次说“创造力”之前，必须明确我在说创造力的哪个层次。 经过大量试错和复盘，我把它拆成了三层。

第一层：组合重组能力。 把已有元素按新方式组合在一起，产生此前不存在的排列。举个例子：把“赛博朋克美学”和“川剧变脸”结合，生成一套视觉方案。这不是原创思想，但属于创作活动中的基础操作。ChatGPT在这一层表现极其强悍，因为它天然擅长在海量数据中建立远距离关联。我让ChatGPT为一个新消费品牌做过一轮命名脑暴，它在三十分钟内产出了超过两百个组合方案，其中大约15%具有实际商业价值，这个效率和产出比，任何一个人类创意团队都无法达到。

第二层：模式迁移能力。 从一个领域中识别出可复用的结构，将它迁移到另一个陌生领域，产生方法论层面的创新。“用戏剧的三幕结构写一份商业计划书”“用生物学中的共生模型来设计组织架构”，诸如此类。ChatGPT在这一层同样表现出色，但开始出现波动。当迁移路径清晰、领域知识丰富时，它的输出质量很高；当迁移路径需要“跳跃性直觉”时，它的输出质量直线下降。

第三层：意义定义能力。 这是最残酷的一层。什么叫意义定义能力？就是你能够识别一个东西“为什么重要”、能够判断“什么值得被创造”、能够在混沌中提出一个从未被回答过的问题。 举个例子：不是“写一首关于孤独的诗”，而是“界定什么是这个时代特有的孤独”。不是“设计一个好看的logo”，而是“定义这个品牌应该代表什么样的价值观冲突”。ChatGPT在这一层接近空白。它不是“做得不好”，而是根本没有这个维度。

为什么会这样？因为ChatGPT的本质是一个基于概率的语言模型。它的所有输出，都是对已有语料中模式的最大化拟合。它可以告诉你过去的人怎么定义孤独、过去的人怎么设计logo，但它无法感知一种尚未被命名的、正在发生的孤独，也无法判断一个品牌在当下文化缝隙中应该站的位置。因为那个“位置”还不存在于训练数据中。

一旦你接受了这个三层模型，你会发现大部分争论其实消解了。ChatGPT没有取代人类的“组合重组”和“模式迁移”，它只是大幅降低了这些层面的成本。而它从未触及“意义定义”的领土，那块领土至今仍属于人类，至少属于那些有意识去占据它的人类。

所以真正的问题不是“AI会不会取代我的创造力”，而是“我在哪一层的创造力上投入最多”。 如果你的创造力主要集中在第一层和第二层，组合重组和模式迁移，你确实应该感到焦虑。不是因为AI会取代你，而是因为这些层面的劳动会越来越不值钱。如果你的创造力在第三层，意义定义，你不但不需要焦虑，反而会发现AI是一个可怕的加速器，它会帮你清空前两层的路障，让你更快抵达那个只有你才能回答的问题。

两次真实的测试，揭开“副驾驶”的真相

理论听起来很有道理，但一遇到实际问题就容易无力。所以这一节，我想用两次真实的、带数据记录的测试，来展示“把AI当作答案机”和“把AI当作提问放大器”之间的本质差异。

测试一：公众号推文写作

测试时间是2023年8月。任务很简单：为一个生活方式品牌写一篇公众号推文，主题是“重新理解周末”。字数要求1200-1500字。

我先用最直接的方式，“把AI当作答案机”，走了一遍流程。然后换一种方式，“把AI当作提问放大器”，再走一遍。全程记录时间、操作步骤和最终质量。

第一轮：“答案机”模式

我输入了指令：“写一篇关于周末生活的公众号推文，1200字，轻松温暖风格，针对城市白领。”

ChatGPT在两分钟内完成了输出。标题、小标题、段落结构一应俱全。读起来流畅、正确、没有任何硬伤。

但是当我试图把它作为终稿时，问题来了。第一，它写的每一个例子都是“你可以去公园散步”“你可以看一本好书”“你可以约朋友喝咖啡”，每一条都对，每一条都平庸到让人打哈欠。第二，它没有任何“刺点”，那个让读者停下来、觉得“这个作者懂我”的瞬间。第三，它的语气从头到尾保持着一种礼貌的、匀速的、不近不远的距离感，像是一个从未真正度过周末的人在描述周末。

我花了四十五分钟来“注入灵魂”，替换案例、加入个人观察、调整叙事节奏、让开头更有侵略性。改完之后，它变成了一篇合格的推文，但也就到“合格”为止了。

第二轮：“提问放大器”模式

这次我没有让ChatGPT直接写。我先花八分钟，在一张空白文档上梳理了几个关键决策：

• 谁在读这篇推文？，不是泛泛的“城市白领”，而是“周日下午开始焦虑、感觉周末什么都没做”的那群人。
• 他们的真实痛点是什么？，不是“不知道周末干什么”，而是“觉得周末应该有意义，但又抗拒被安排”。
• 我的核心态度是什么？，周末不需要被“好好利用”，周末恰恰是用来“浪费”的。
• 这篇推文的信息层级是什么？，先破除焦虑，再给出松弛感的具体样本，最后把态度的决定权还给读者。

带着这四个决策，我打开ChatGPT，开始了一段长达十二分钟的多轮对话。我让它帮我：

1. 找出当代人周末焦虑的社会学解释（它给出了“加速社会”和“时间饥荒”两个框架）
2. 列举历史上“闲暇”观念的变化（从古希腊的“scholē”到工业革命后的“周末被发明为消费时间”）
3. 用三种不同的叙事视角写出同一段开头：第一人称、旁观叙述、数据切入
4. 生成了五个“看起来很无聊但带着微妙幸福感”的周末场景

它不是一次性给了我所有东西。我根据它的每一轮输出，调整下一个问题的方向和精度。这个过程与其说它是在“生成内容”，不如说它是在不断为我映射出我自己的思考盲区和知识缺口。它没说出来的东西，由我来填补；它说出来的东西，由我来筛选和重新编织。

最后二十五分钟，我把这些素材、结构和片段组装成最终稿件。这篇稿子后来在没有任何推广的情况下，阅读量跑到该账号平均值的2.3倍，分享率高出行业均值1.8倍。读者留言里出现频率最高的词是“被看见了”。

两次测试揭示的真相

两次测试，总耗时几乎一样，但产出的质量和影响力天差地别。区别在哪里？

“答案机”模式最大的陷阱，不是产出差，而是它让你以为自己节省了时间，实际上它把高价值的“思考时间”偷换成了低价值的“修补时间”。 改稿的过程看似在“创造”，其实只是在给一个平庸的骨架贴皮。稿子能用，但你没有变得更会写，AI也没有变得更好用，下次你还得这样来一遍。

“提问放大器”模式的核心，在于你保留了“定义问题”的主权，然后把“探索可能性”的劳动外包给了AI。 你不是让它替你想，而是让它帮你想得更快、更宽、更不遗漏。你仍然是那个做最终判断的人，但你的判断建立在更丰富的信息基础上。

AI放大的是你原有的“创造力的颗粒度”

我在跟同行交流时，最常听到的一句话是：“为什么我用ChatGPT写出来的东西都一个味儿？”说这话的人，通常已经尝试过大量的prompt技巧，知道要“设定角色”、要“给出范例”、要“限定字数”。但产出依然趋于同质化。

我的判断是：AI就像一个高灵敏度的镜子，它反射出来的是你思维本身的颗粒度。如果你的思维是粗糙的，它反射回来的就是粗糙的；如果你的思维是精细的，它反射回来的就是精细的。

这个判断来自于我在一个项目中反复验证过的一个规律。2024年初，我接过一个任务：为一本生活方式杂志撰写六篇专栏文章，每篇主题不同但调性必须统一。由于时间紧，我决定全程接入ChatGPT辅助。但为了避免同质化，我给自己设定了一条铁律：在打开ChatGPT之前，必须先完成一张“前置决策表”。

这张表长什么样？我拿其中一篇举例。

主题：大城市里的“附近性”正在消失吗？

前置决策表（我必须在打开ChatGPT前填完）：

做完这张表，我才打开ChatGPT。这时候，我和AI的对话变得极其高效。我不是在问它“这篇文章怎么写”，而是在给它明确的指令：“我现在需要一段描述，场景是上海夏天的黄昏，一个开了十二年的烟纸店门口，老人在下棋，年轻人在等快递。要求：不要煽情，不要怀旧滤镜，抓住一个‘正在消失但还没完全消失’的临界感。”

ChatGPT给了我三版描写，我挑了其中一版作为素材，重写了其中的三句话，嵌入了我认识的那位店主讲给我听的一个细节，“他在柜台上养了一盆薄荷，不是为了卖，是觉得夏天客人进来，闻一下会凉快点。”

这篇文章后来被很多同行转发，转发语里常见的一个评价是：“切入点太刁了，AI绝对写不出来。”我同意这句话的后半句。但前半句不准确。不是AI写不出来，是如果你自己想不到那个切入点，AI也帮不了你。如果你想到了，AI能帮你把那个切入点打磨得更锋利、铺陈得更丰满、语调控制得更精准。

我把这个经验总结成了一条铁律，叫“五不交”原则。它是说，在以下五个维度上，永远不要交出决策权：

1. 定义问题，谁来定义“我们要解决什么问题”？必须是人类。 AI可以帮你探索问题的周边、帮你补充背景信息、帮你拆解问题的子维度，但问题本身的定义权不能交。因为问题怎么被定义，决定了答案的方向。
2. 判断价值，什么值得说？什么不值得？必须是人类。 AI不知道什么东西在当下的语境里是“有意义的”。它可以告诉你什么被说过很多次，但它判断不了什么“应该被说出来”。
3. 注入经验，个人独特的、不可复制的体验和观察。必须是人类。 这是你的内容指纹。AI没有生活，没有肉身，没有童年记忆，没有“那天下午阳光特别刺眼”的具体感知。
4. 控制语调，这篇文章以什么语气和读者建立关系？必须是人类。 ChatGPT的默认语调是一种“平均化的友好”，礼貌且无个性。语调的决策，冷一点还是热一点，嘲讽还是真诚，拉开距离还是贴耳密语，必须由人来做。
5. 承担风险，如果这篇文章引发争议，谁负责？必须是人类。 AI不承担后果。它不知道什么样的观点会刺痛谁、冒犯谁、被解读成什么。风险的判断和承担，是人类创作者不可推卸的职责。

我见过最可惜的创作者，是那些本来有独特视角和丰富经验的人，但在使用ChatGPT时完全放弃了前置决策，把一切都交给AI，最后产出的东西泯然众人。他们也觉得自己“用了AI”，但没有意识到，当你在“定义方向”这个环节偷懒时，后面所有的努力都是在加速驶向平庸。

为什么“会提问”正在成为AI时代的元能力

上一节说到的“五不交”原则，其实最终都指向一个底层能力：提问的能力。 具体来说，是向AI提出高质量问题的能力。

我越发意识到，这个能力正在以一种前所未有的速度和烈度，区分着创意工作者的市场价值。

这不是我个人的感觉，而是有数据可循。2024年，我在一个内容团队内部做了一次能力审计。这个团队有22人，从实习生到创意总监都有，所有人都在工作中使用ChatGPT或其他大语言模型作为辅助。我追踪了他们三个月的协作记录，并把他们分成两组：一组我称为“高效提问者”，特征是每次打开ChatGPT前有明显的前置思考、使用多轮追问而非一次性指令、且最终稿件中人类原创判断的占比超过60%。另一组称为“指令依赖者”，特征是提问简短直接如“写一篇关于XX的文章”、很少进行追问、且稿件中可辨识的个人贡献低于30%。

结果令人震惊，但如果你理解“提问即思考”的逻辑，就不会意外。

为什么会产生这么大的差异？我的解释是：提问的过程，本身就是思考外化的过程。 当你向AI提出一个好问题时，你已经被强制完成了至少三项前置动作：

第一，你识别了自己的知识边界。“我不知道什么？”，这个问题本身就是一个高价值产出。许多人连“自己不知道什么”都不清楚，于是他们只能提出最泛化的问题，也只能得到最泛化的回答。

第二，你明确了目标和约束。“在这样的限制下，我想要达到什么结果？”，没有约束的创造不叫创造，叫随机。高质量的提问天然内嵌了约束条件。

第三，你预判了信息的价值点。“哪些信息对我真正有用？”，这个预判能力，直接决定了你筛选AI输出的效率。面对同一份AI回复，有人能看到三四个可用的切入点，有人只看到一堆“正确的废话”。

这三项前置动作，分别对应了人类创造力中最核心的三种元能力：元认知（知道自己知道什么和不知道什么）、系统思维（能看到约束条件和目标之间的张力）、价值判断（能识别什么重要什么不重要）。

我至今记得一个让我印象深刻的提问案例。在一次团队workshop中，我让所有人用ChatGPT完成同一个任务：为一个环保公益组织写一份“劝募信”的开头。结果分化异常鲜明。

指令依赖者的提问是：“请帮我写一封环保公益组织的劝募信开头，感人一点。”AI给了他一封标准的、充满“保护地球母亲”式修辞的信。读完之后，你会觉得它“没错，但不想捐钱”。

一位高效提问者的提问是：“我需要为一个专注于城市河流保护的公益组织写劝募信开头。受众是35-45岁、中等收入、偶尔被要求捐款但从未行动过的城市居民。他们的核心抗拒是‘我捐的钱真的有用吗’。请分析这类受众的深层心理抗拒点，并提案三个不同的开头策略：一个用数据建立信任，一个用个人叙事建立情感连接，一个用一个小额承诺降低行动门槛。”

两段Prompt之间的差别，不是字数，而是提问者对自己要做的事的理解深度。

那个高效提问者后来告诉我，她在写下这段Prompt之前，用了二十分钟去做三件事：找到该组织过去两年所有的项目报告、和两个曾经拒捐的朋友聊了聊他们的真实心理、趴在友组织的捐款页面观察了半天“人家怎么写说明文字”。

这个过程，AI帮不了她。她带着这些思考和洞察走进ChatGPT的对话窗口，AI成了她的加速器；而她前面那二十分钟的“愚蠢的、没有捷径的调研时间”，是真正不可替代的创造性劳动。

从“被取代”到“不可替代”：构建你自己的AI创作系统

讨论完理论、做完测试、讲完团队数据之后，剩下最要紧的一件事：这些认知怎么落实到你的日常工作里？ 告诉我“提问很重要”没用，告诉我“怎么才能提出好问题”才有用。

这一节，我会给出一套我本人正在使用且持续迭代的AI创作系统。它不保证适合所有人，但我尽量把设计逻辑说清楚，你可以根据自己的实际情况调整。

第一步：建立你的“创作核心宪法”

这是我整个系统中最重要的组成部分，没有之一。我在任何一次大规模创作之前（小到一篇推文，大到一个品牌的全线内容策略），都会先写下五句不能妥协的原则。我给这东西取了个名字叫“创作核心宪法”。

拿我自己为例，我的宪法是这五句：

1. 我的内容必须提供我个人的不可替代经验，这条杜绝了“可被任何AI替代”的风险。
2. 我的内容必须修正或颠覆至少一个常见误解，这条保证了我的内容有“观点”，而不是“汇总”。
3. 我的内容必须让一个具体的人觉得“他在说我”，抽象不产生共鸣，具体才产生共鸣。
4. 我的内容不能被转换为bullet point后丧失价值，如果列几个点就说完所有意思，那我的深度不够。
5. 我的内容必须在一年后仍具有重读意义，这条过滤掉了所有追热点、蹭流量的内容。

你的宪法可以完全不同。它可以更偏商业（比如“每条内容必须产生转化线索”），也可以更偏个人（比如“每篇文章必须暴露出我的一个不安全感”）。关键不在于内容本身，而在于你在使用任何工具之前，已经给自己建立了不可违背的原则。

为什么这很重要？因为当你面对ChatGPT的强大生成能力时，最大的危险是你不再记得自己是谁。你有了一万个选择，而选择的原则没有建立起来，你就会贪心地、仓促地、不加判断地接受AI给你的主流选择，那恰好是所有选择的平均值。

第二步：设计你的“提问链”而非“提问块”

一个常见的误区是，大家在使用ChatGPT时，用的是“提问块”模式，一次扔出一个巨大的、包含所有信息和要求的prompt，期待AI一次就产出完美答案。这在简单任务中可能奏效，但在创造性工作中，几乎必然导致前期被遗漏的细节在后期爆发。

我从2023年底开始实践的是一种“提问链”模式，把一个大任务拆解为多个阶段性提问，每个提问都基于前一个回答的信息，逐步逼近最终成果。

举个例子，如果我要写前述那篇“重新理解周末”的文章，我不会在ChatGPT里只问这一次。我的提问链是这么设计的：

链1：理解问题空间，“我正在写一篇关于‘周末焦虑’的文章。请帮我分析近十年间，‘周末应该如何度过’这个命题在中国城市中产话语里发生了哪些变化？不要给我泛泛的评述，给我具体的事件、文章标题、流行概念和转折点。”

链2：寻找冲突点，“你刚才提到了‘时间管理’话语的兴起到‘松弛感’话语的反拨。现在请帮我分析：为什么‘松弛感’这个概念也正在被异化？人们要求自己‘必须松弛’，这中间存在什么悖论？举三个日常场景。”

链3：生成素材，“基于上述悖论，给我五个具体的、发生在普通城市居民身上的真实生活片段。要求：每个片段都要有一个看似微小但能暴露深层焦虑的细节，比如‘他买了那本销量百万的《学会休息》，从来没翻开过’。”

链4：测试观点，“我打算以‘周末不需要被好好利用’为核心观点写这篇文章。请帮我预测：这个观点会在哪些群体中引起反弹？他们反对的理由可能是什么？我该怎么在文中预先回应这些反对？”

链5：集成与改写，“现在我们已经讨论得足够多了。我把我的文章开头读给你听（附上我手写的开头），请分析这个开头是否有效回应了我们前面讨论的读者抗拒点。如果有遗漏，指出遗漏在哪里。”

这套“提问链”操作下来，确实比“提问块”费时间，通常多20-30%。但它产出的质量，绝不止高20-30%。更重要的是，在这个链式对话的过程中，我自己的思路被不断逼迫、验证和丰富。我不是在“拿AI的东西”，我是在“和AI一起把东西想清楚”。

第三步：设定你的“不可自动化清单”

这一点，是从我对自己职业的恐惧中生长出来的。两年前，当ChatGPT刚出现时，我经历过一段严重的不安期。为了搞清楚自己会不会被替代，我做了一件事：连续两周，每天记录下自己所有的工作动作，然后逐条判断“这件事ChatGPT能不能做？”

结果让我既欣慰又警觉。结论是：大约60%的动作可以被AI替代或显著加速，但剩下的40%恰恰是我的价值所在。 我把这40%整理成了一张“不可自动化清单”，后来我把这个清单分享给团队里的每个人，要求他们也做一次自己的判断，形成自己专属的版本。

清单包含但不限于以下条目：

• 识别项目的隐藏风险：客户说想要A，但实际需要的是B，这种判断需要你对这个客户、这个行业、这个阶段的微妙感知，AI没有。
• 处理创意分歧：当两个方向各有利弊，决策的依据往往是“谁对品牌的理解更本质”，AI无法帮你做这个判断，因为它不理解“本质”。
• 提出那个尴尬但必须被提出的问题：比如“我们是不是在用一个很漂亮的方案逃避一个很难的生意问题？”，这种“冒犯”的能力，AI没有。
• 捕捉现场的“飞边”：在采访中，对方说了一个看似跑题的细节，但你有一种“感觉”，这个东西的潜力比计划内的内容更大。这种“感觉”，AI没有。
• 判断什么时候应该打破规则：你的“创作核心宪法”是给自己定的规矩，但它不是死的。知道什么时候该打破自己的原则，这种元判断力，AI没有。

这份清单的意义不在于它本身，而在于制作它的过程。当你真的逐条拆解自己的工作，把那些“只有我能做”的部分具象化之后，焦虑会大幅下降。因为你突然意识到，你不是在和AI竞争同一块地盘，你是在回收那块本应属于你的、且AI进不来的领土。

第四步：建立“人机协作”的质量看板

到了执行层面，你需要一套更具体的机制来保证人机协作确实在“变好”而不是“变懒”。我在团队里推行了一个“质量看板”实践。每周，每个创作者选取一篇本周最具代表性的作品，填写下面这张简单的表格：

前三个维度的评分标准我不赘述。我想重点解释一下后两个维度，因为它们是我个人的独创，也是系统长期有效性的保障。

“进化感”，很多人评估作品只看“好不好”，不看“有没有进步”。这很危险。因为AI会让你轻易地产出“能用的”和“不错的”内容，你必须用这个指标揪住自己：我在变强吗？还是只是在利用AI大量复用我自己已有的水平？

“后劲”，这次创作经历有没有沉淀下来什么东西？我有没有因为这次创作而变得更擅长定义问题、更敏感于读者的心理抗拒、更准确地预判哪些地方需要更多的个人经验注入？如果没有，这次创作就只是一次“生产”，不是一次“成长”。

坦诚地说，第一周的数字都不好看。我一度怀疑这个看板是自己的“羞耻记录器”。但到了第三周，指标开始明显爬升。不是因为“用AI更熟练了”，而是因为我每周都不得不面对自己在上周哪里偷了懒、哪里交出不该交出的决策权。这种定期暴露在自我审视下的不适，是系统有效性的真正来源。

哪些领域和场景下，“取代”是正在发生的现实

到目前为止，我几乎都在强调“人类不可替代”的那一面。这一节我会坦率地讨论另一面，在哪些领域，“取代”不是危言耸听，而是正在加速的现实。我的判断基于自己的行业观察和近距离看到的一些案例，不是泛泛的猜测。

第一类：基础信息整合与改写。 这一类的取代已经基本完成。所有以“把A处的信息搬到B处并做文字润色”为主要价值的工作，正在迅速贬值。我见过一个案例：某内容平台原本有六位编辑做“国外科技媒体的精选编译”，AI全面介入后，人数裁减至两位，只负责最后的审核和偶尔增加本土化评论。留下的两位，恰好是原本六人中最擅长“加评论”而非“做编译”的。

第二类：低门槛模板化创意。 比如电商产品详情页的基本文案、大促期间的海量通知推送、标准化的企业新闻稿。这些东西本来也不需要“创造力”，只是需要“遵循模板并稍作改编”。AI做这些比人快、比人稳定、而且随着模板的积累越做越好。

第三类：首次探索中的“宽而浅”产出。 比如一个新项目早期需要对十个可能的方向各出一版方案，或者一场脑暴会需要先行发散出大量可能性。在这个位置上，AI的效率压倒性地高于人类。一个上午生成八十个不完美的方案，比一个团队头脑风暴八小时产出五个方案并陷入群氓效应，要有效得多。

但请注意，这三类的共同点是什么？它们都不涉及深度判断、价值定义和长期责任承担。或者说，它们本质上属于我前面三层模型里的第一层和第二层边缘地带，组合重组的劳动密集型区域。

如果你目前的主要工作内容集中在上述三类，你需要正视一个现实：这份工作不会因为你更勤奋而变得更安全，你需要迁移到更高价值的劳动层级。 不是“与AI竞争”，而是“离开AI的优势区域”。

在什么情况下你反而应该拒绝使用ChatGPT

写到这里，我意识到如果不写这一节，这篇文章可能会被误解成“AI全能论”。不是的。我必须诚实地说：在很多情况下，我主动拒绝使用ChatGPT，而且我认为这些拒绝恰恰保护了我最宝贵的创造力。

情况一：当你还没有形成自己对问题的初步判断时。

这是我犯过最严重的错误。在某个项目的早期，我对一个品牌的核心问题还没想清楚，我就直接问ChatGPT“你觉得这个品牌应该怎么定位”。ChatGPT给出了一份结构完美、逻辑工整的方案。我看完觉得很对，但事后复盘发现，那份方案引导我绕过了几个非常重要但当时尚未显形的深层矛盾。我白白绕了两个月才回到本该一早就面对的问题。

教训：在你还没有形成自己的“粗糙的、直觉的、可能错误的”初步判断之前，不要问AI怎么办。 它会用一份完美的中等答案浇灭你继续深挖的动力。你应该先把自己那版笨拙但属于你的判断写下来，哪怕只有三句话，然后再去和AI对话。

情况二：当创作本身是你“搞清楚自己想法”的唯一渠道时。

有些时候，我写作不是为了产出，而是为了搞明白我到底是怎么想的。我说服一个朋友的过程，同时也是我说服自己的过程。这种“通过表达来思考”的心灵运作，需要一种不被干扰的、连续的、沉浸的孤独感。加入AI会将这个过程分成碎片，把你的注意力从“我到底怎么想”转移到“AI说了什么”。

情况三：当内容的价值完全依赖于你的个人权威时。

读者来看你的东西，是因为你经历了什么，而不只是因为你知道了什么。当一个主题与你个人的经历、创伤、转变深度绑定，你的表达越“原装”越好。我试过让AI润色一篇非常私人的散文，它把句子修剪得很光滑，也剃掉了那些微小的、不安的、暴露弱点的毛边。而那恰恰是这篇文章唯一有价值的部分。

深层拷问：被AI倒逼着重新审视的“创造力”

写到尾声，我想退一步，问一个更大也更根本的问题：如果AI真的让我们更高效地产出了大量的、合格的创作内容，这对“创造力”本身是一件好事吗？

这件事我没有确定的答案，但我有几层逐步深入的担忧。

第一层担忧比较浅：速度扼杀了发酵。 真正的创造力经常需要“空白时间”，你没有在生产、没有在看数据、没有在优化任何东西，你只是在游荡。我写过的最好的几篇文章，都不是在“写作时间”里想出来的，而是在洗杯子、跑步、发呆的时候突然冒出来的。当AI填满了你所有的生产缝隙，那些“空白时间”就被挤压殆尽。产出变多了，但浓度变稀了。

第二层担忧是：“平均化的优秀”正在吞噬“粗糙的杰出”。 AI真的很擅长产出“85分”的内容。它不犯错误，结构工整，语法完美，四平八稳。一个初级创作者加上AI，很容易稳定地产出85分的文章。但那些95分的文章，那些带着尖锐棱角、挑战读者、甚至会让一部分人不舒服的文章，常常来源于某种“不合时宜”的顽固。AI会帮你修剪掉这些棱角，因为它被对齐为“平均的优秀”。

第三层担忧最深，也最让我不安：我们会不会有一天丧失了享受“无法言说的灵感降临”这种体验的能力？ 目前为止，人类创造力最神秘也最令人上瘾的部分，是你不知道那个想法从哪里来。你坐在那里，百思不得解，然后在某个毫无防备的瞬间，它突然出现。这个过程之所以充满魔力，是因为你无法完全控制它。但AI给你的是“随时可以召唤的、看起来很像创造力的东西”。习惯了这种即时满足之后，你还愿意忍受那个漫长而不可控的酝酿过程吗？如果你不愿意，你就永远触及不到真正的、深层的创造力。

我说这些不是为了吓唬人，而是因为只有真正意识到“失去”的可能性，你才会开始建立“保护”的机制。那些被我列为“不可自动化”的劳动、那条“五不交”的原则、那个“每周看板”的自我审视，它们本质上是同一件事：在我被AI的便利性吞没之前，先主动划出一块领地，说“这一块不交”。

结尾：你才是那个必须握着方向盘的人

这篇文章快写完了。我想回到开头提到的那个做广告文案的朋友。

后来我跟他聊了一次，问了一个问题：“你说那些slogan和你没关系，那你觉得什么样的slogan才跟你有关系？”

他想了一会儿说：“就是那条，它在被写出来之前，我已经为了理解这个品牌、理解它的受众、理解它在一个拥挤的市场里找不到位置的那种感觉，花了好几天。那条slogan是所有这些理解的出口。”

我说：“那你就先做完那几天的功课，再做那几次理解的努力，再去找ChatGPT聊。那时候它给你的东西就不一样了。”

这不是一句鸡汤。这是我在过去两年里反复验证过的、最实事求是的一句话。

ChatGPT和人类创造力的关系，最终的答案不在技术论文里，也不在任何一家AI公司的发布会上。答案在你的每一次选择里，你是选择“直接拿答案”，还是选择“带着更锋利的问题去对话”。

如果你选择前者，你会被取代。不是被AI取代，而是被那些用AI放大了自己思考颗粒度的人取代。他们和你的区别，不在于谁更会用ChatGPT，而在于谁更清楚自己想说什么、为什么这个值得说、以及怎样让读到的人感觉被真实地看见了。

这不是一场人机之战，这是一场“放弃思考的人”和“持续追问的人”之间的分化。而AI，不过是这场分化中最诚实的催化剂。

从今天起，在你下一次打开ChatGPT之前，先花三十分钟做些不被AI看到的事。去翻一本老书，去跟一个和你的领域无关的人聊天，去回忆一段你很久没想起的经历，或者就安静坐着，把你对这个问题的所有粗糙的、矛盾的、还没理顺的想法写在一张纸上。

然后，带着这张纸上的东西，去和AI对话。你会发现，这场对话的质量，完全不一样。

方向盘一直在你手里。AI是一台越来越好的引擎，但它仍然需要一个知道要开往哪里的人。

那个决定目的地的人，是你。也必须是你。