AI 带来的伪专业错觉对秩序的冲击

昨天下班路上发了一则朋友圈：

稍微深入再阐述一下。

$\text{AI}$ 普及以来，非技术管理层深度介入研发细节，患者凭碎片化信息质疑诊疗方案的现象愈发普遍。人人都能通过 $\text{AI}$ 快速获取专业信息，反而在很多场景下加剧了秩序混乱。

核心在于一种误解，当前 $\text{AI}$ 的本质是放大一个人的已有能力，而非赋予他原本没有的能力。可通过数学与统计学模型理解这一过程，并分析其对传统金字塔型管理结构的冲击。

定义个体真实专业能力为标量 $x$，$x\gg 0$ 对应体系化的专业从业者，$x\approx 0$ 对应仅掌握零散认知的一知半解者，$x<0$ 对应持有系统性错误认知的人。

赋予能力对应加法效应，能力从 $x$ 变为 $x+c$，无论基础多低，都能获得固定能力增量，理论上可让低于门槛的人直接达标。但 $\text{AI}$ 的实际作用更接近乘法增益：

$x^{\prime }=k\cdot x(k>1)$

其中 $k$ 是 $\text{AI}$ 的增效系数。

对专业人士，正向能力被等比例放大，产出效率显著提升，对一知半解者，真实能力依然接近 $0$，并未获得实质专业能力，对持有错误认知的人，错误观念会被同步放大。给流氓玩枪，给小孩玩火，杠杆只放大规模，不改方向。

从认知质量的角度，人的认知可拆解为有效信号 $S$ 与噪声 $N$ 两部分。前者是正确的专业知识与严谨逻辑，后者是错误认知，逻辑漏洞与主观偏见。原生认知的信噪比为：

${\text{SNR}}_0=\frac{S}{N}$

$\text{AI}$ 对信号与噪声执行同比例线性放大，增益均为 $k$，放大后的信噪比：

${\text{SNR}}_1=\frac{k\cdot S}{k\cdot N}={\text{SNR}}_0$

$\text{AI}$ 没有提升认知的质量，只扩大了输出总规模。

专业人士原生状态下 $S\gg N$，放大后有效信息产出大幅增加，一知半解者原生 $S$ 极小，$N$ 占比高，放大后信噪比依然极低，但噪声的绝对量级 $k\cdot N$ 会变得可观。这就是能力错觉的来源，原本只影响个人的错误认知，借助 $\text{AI}$ 可生成大量看似专业的内容，输出规模上接近专家，内在质量却天差地别。

所有专业领域都存在有效决策阈值 $T$，只有真实能力 $x\ge T$ 的人，介入专业流程才会产生正向贡献，$x<T$ 的人深度介入，只会带来负向干扰。

无 $\text{AI}$ 时，个体决策影响力与真实能力正相关，$x<T$ 的人群大多缺乏深度介入渠道，实际参与决策的人群集中在能力分布右尾，系统质量有基本保障，$\text{AI}$ 后，个体的自我感知能力变为 $k\cdot x$，行动与表达门槛大幅降低，只要感知能力跨过阈值 $k\cdot x\ge T$，人就会主动介入专业流程，但真实能力依然停留在 $x<T$ 的水平。

从人群能力的正态分布(请相信) $N(\mu ,{\sigma }^2)$ 看，$\text{AI}$ 将感知能力分布拉伸为 $N(k\mu ,k^2{\sigma }^2)$，大量中低能力人群自我评估跨过专业门槛涌入决策场域，最终导致低能力决策者占比大幅上升，系统平均决策质量不升反降。

这种错觉还通过有偏的信息获取不断自我强化。一知半解者往往带有错误的先验信念 $P(H)$，并倾向以确认偏误筛选信息。$\text{AI}$ 可快速生成海量信息 $D$，使用者会选择性采信支持自身先验的证据，忽略相反信息。

根据贝叶斯公式：

$P(H|D)\propto P(D|H)\cdot P(H)$

反复用 $\text{AI}$ 生成支撑自身判断的证据，相当于多次有偏的贝叶斯更新，最终对错误信念的置信度会被指数级拉高，形成稳固的认知闭环。

专业能力本质是高维向量 $\mathbf{x}=(x_1,x_2,\dots ,x_n)$，每个维度对应一项细分技能。专业人士的能力向量稠密，各核心维度取值较高，一知半解者的能力向量稀疏，仅在少数浅显维度有非零值，多数核心维度几乎为 $0$。

$\text{AI}$ 的数乘作用只放大已有维度的数值，不补全缺失维度，因此一知半解者即便在个别浅显维度接近专家，核心能力的缺失依然会导致整体决策完全错误。

杠杆效应让这种错误的后果同步放大，无 $\text{AI}$ 时后果函数为 $C=x\cdot w_0$，有 $\text{AI}$ 时变为 $C^{\prime }=x\cdot (L\cdot w_0)$，原本小范围的个人错误，会演变为大范围的系统性灾难，极端负面事件的尾部概率显著上升。

从偏差-方差的视角，预测误差可以分解为：

$\text{MSE}={\text{Bias}}^2+\text{Var}+{\sigma }^2$

专家的 $\text{Bias}$ 低，$\text{Var}$ 低，$\text{AI}$ 进一步降低 $\text{Var}$，总误差显著下降，
而一知半解者由于系统性认知错误或者无知，$\text{Bias}$ 本身就很高，$\text{AI}$ 可能降低 $\text{Var}$，让人更 “确定”，但完全不降低 $\text{Bias}$，甚至放大 $\text{Bias}$。

结果一知半解者的预测看起来更一致，更自信，因为方差很小，但系统性偏离真相的程度反而更大。

这种伪能力错觉不止作用于个人，更系统性重塑传统金字塔型管理结构。

传统自上而下的层级制，本质是知识处理能力的分层，建立在两个核心前提之上：

• 知识获取成本与层级反向匹配，一线执行的隐性知识分散且难以传递，上层必须向一线授权；
• 能力阈值的自然分层，执行决策权天然落在能力达标的一线，上层掌握资源分配与战略决策权；

简言之，传统组织的权责分配与真实能力分布严格对齐。而 $\text{AI}$ 则击穿了表层知识的获取壁垒，直接导致决策权逆向收束，微观管理泛滥。

专业领域的决策质量可表示为：

$Q=\alpha \cdot E+\beta \cdot Tacit$

其中 $E$ 是可通过文字与 $\text{AI}$ 获取的显性知识量，$Tacit$ 是只能靠长期实践积累的隐性知识量，且权重上 $\beta \gg \alpha$，隐性知识才是专业决策成败的核心。

$\text{AI}$ 仅将显性知识放大 $k$ 倍，对隐性知识完全没增益。上层管理者在对应领域的隐性知识几乎为 $0$，$\text{AI}$ 加持后决策质量 $Q_{upper}\approx \alpha \cdot k{E}_{upper}$，一线专业人员同时具备扎实的显性知识与大量隐性知识，原生决策质量 $Q_{pro}=\alpha E_{pro}+\beta Taci{t}_{pro}$。

当放大系数 $k$ 足够大，会出现 $k{E}_{upper}\approx E_{pro}$，管理者能流利使用专业术语，拿出通用方案，便误以为自身决策质量接近专业人员。

但由于隐性知识的权重远高于显性知识，实际决策质量依然相差甚远。这种认知错觉会推动上层收回一线的专业判断权，从 “定目标，看结果” 转向 “管过程，抠细节”，最终导致研发效率与专业质量同步下降。

随之而来的是中间层缓冲带失效，组织整体耐造性，容错性骤降。

传统金字塔的中间层是核心的认知转换器与风险缓冲器：

• 向上将一线的隐性知识翻译成上层可理解的战略语言，向下将模糊战略拆解为专业的执行路径，同时过滤上层的不合理指令，避免错误认知直接冲击一线；

$\text{AI}$ 后，上层可跳过中间层直接获取一线信息，中间层被架空。多层级结构的容错率来自层级间的冗余缓冲，当结构被压缩成 “上层决策-一线执行” 的哑铃型串联结构，任何上层的认知偏差都会无衰减地传导至全执行端，局部错误会直接打乱整条业务线，系统从具备冗余容错的层级系统，变为单点故障即可引发全链路崩盘的脆弱系统。

更深层的冲击是专业权威消解。

健康组织存在边界清晰的二元权威，行政权威掌握资源，目标与考核，专业权威掌握路径，方案与风险。$\text{AI}$ 赋予上层伪专业话语权后，行政权开始大规模侵入专业决策领域，管理者凭借表层认知，以行政地位推行一知半解的方案，跳过专业人员的经验判断直达执行层面。

对应信噪比模型，上层的专业认知信噪比极低，但因掌握行政权，低信噪比的判断会被强制落地，高信噪比的专业判断被压制。组织整体决策信噪比会从专业主导的高信噪比，快速滑向行政主导的低信噪比，最终形成劣币驱逐良币的逆淘汰：

• 专业人员话语权被挤压，组织真实专业能力持续退化；

承认 $\text{AI}$ 拉平了知识获取权，但坚决不能拉平决策权，这很难。因为信息就是一切，决策权天然于信息而不是能力绑定。

裤衩子锁着边儿，而且绣着花儿。

关于疾病患者诊疗康复的事就不赘述了，大致一样，每个患者都可以从 $\text{AI}$ 获取大量自以为比医生还专业的知识，私下更改诊疗康复方案，换药停药，加减药，结果可想而知。

对小老板，经理们亲自下场捣乱也不能一味地悲观。古希腊没有垄断知识的祭司阶层，所以他们发展出了德赛先生，社会获得了进步，成了轴心时代的标杆，演绎推理也成了现代科技的源泉，而 $\text{AI}$ 或许就是当代世界打破知识垄断的先行。

浙江温州皮鞋湿，下雨进水不会胖。