第五章 · 验证为什么比生成难

上一章说，对方案的验证只能靠懂行的人做判断。这一章追问一句：这个「判断」为什么这么难？难到什么地方？

第一道难：它看起来都对

人工写方案，质量参差写在脸上——逻辑断裂、格式混乱、一看就是新手。烂方案自带烂的气质，筛选成本很低。

AI 不是这样。它生成的每一个方案都文笔流畅、结构完整、引经据典、语气自信。一份有致命漏洞的市场分析和一份真正高明的市场分析，摆在桌上的卖相几乎一样。这意味着筛选者失去了最便宜的那个筛子——「看一眼就知道不行」。

认知科学里有个词叫流畅性启发：人脑会把「读起来顺」错当成「说得对」。读起来越流畅的东西，我们越容易相信它。AI 是这个偏见的工业化生产设备——它把每一份产出都打磨到最流畅，包括那些错的。

结果就是心理学里说的自动化偏见的升级版：面对一个看起来无比专业的机器输出，人的批判性思维会系统性怠工。医生面对 AI 给出的诊断建议时，过度信任导致的误诊，已经是有实证文献记录的现象。

第二道难：代价不对称

验证一个方案的成本，和生成它的成本，差距大到荒谬。AI 用三十秒生成的合同草案，律师要逐条审两小时——而且这两小时省不掉，因为风险恰恰藏在没人细看的地方。

更麻烦的是失败的不对称：采纳一个好方案，收益是渐进的、不起眼的；采纳一个坏方案，代价可能是突然的、致命的。一段有缺陷的诊断提示词，可能在一千个病例里表现正常，然后在第一千零一个上漏掉一个罕见病——而这时它已经被复制到全科室了。

第三道难：验证需要两种稀缺品的交集

合格的方案验证者，需要同时有两样东西：

一是业务知识。判断 AI 的诊断建议对不对，你得真的懂这个病；判断营销方案行不行，你得真的懂这群客户。这不是通用智力能替代的——AI 本身的通用智力极高，它缺的恰恰是你们医院、你们产品、这群客户的具体上下文。而这正是人手里最后的牌。

二是品位（taste）。同样都「对」的两个方案，哪个更优雅、更可持续、更符合组织的方向？这不是对错判断，是优劣判断。品位来自大量实践后的直觉积累，没法速成，没法写在手册里。

这两样的交集，就是组织里的业务专家。而专家们当前在干嘛？在干活——在亲手看病、亲手写方案、亲手做那些被 AI 一天比一天做得更好的事。下一章算一笔账：这种人力配置，让组织的知识资产进化得有多慢。