前四条分界线都在问「这活 AI 干得了干不了」。最后这条不一样：它不问 AI 会不会做，它问，这道题，本身出对了吗？前面四条都能拿尺子量——能不能数据化、有没有干净信号、错了谁担责、要不要真身在场。这一条量不了，藏在所有活儿的最上游，却是真正把「熟练工」和「判断者」分开的那道缝。
先把两种活掰开：解题，和定义问题
我们平时说「做事」，其实糊里糊涂搅着两种完全不同的活。第一种，解题——问题已经白纸黑字摆在那儿，你的任务是找出答案。「把这段中文翻成英文」「给这个函数修掉那个 bug」「算出这批货的最优发货路线」。题面固定，好坏也有谱。这是 AI 的主场。
第二种，定义问题——没人给你题面，甚至摆在你面前那道题压根就是错的：「我们其实在解一个不该解的问题」「客户嘴上要的不是他真正要的」。这种活不是找答案，是先搞清楚到底该问哪道题。
一句话分清：解题是「答案是什么」；定义问题是「我们是不是在答一道错的题」。前者 AI 极强，后者 AI 极弱——弱得几乎不在它的世界里。
为什么 AI 天生弱在这一头
这不是它现在不行、以后会行，而是它这套机制长出来的形状。回想第三章那句话：它是插值机器，框是人给的。它唯一会玩命干好的，是把你给的那道题答漂亮：给个框，它在框里找最优解，又快又好。但它不会跳出框去怀疑框本身，不会说「你这问题问错了」。因为它没有自己的意图，也没有自己的标准，不知道什么对你才算「好」。你把一道错题递给它，它会才华横溢地把这道错题解对，绝不会抬头问「你确定要解这个？」
打个比方。你雇了个世上最快的木匠，图纸一递，他一夜之间打出一把完美的椅子。但他绝不会问：「你家客厅那么小，真需要的是椅子，还是一张能折叠的凳子？」他只管把图纸做到极致。AI 就是这个木匠——手艺封神，但那张图，得你自己画对。
「重新定义问题」到底值多少钱：三个真实的例子
一个好医生。差的医生和 AI 一样，你说哪儿疼他治哪儿——「头晕？开点药。」好医生会多问一句，忽然意识到：这头晕不是脑子的事，是你最近降压药量大了。他没有更快地回答「头晕怎么治」，他换了一道题：从「治头晕」变成「你真正的毛病在别处」。这一换可能救命。
一个好工程师。大家默认工程师的价值是「把功能做出来」。可真正顶用的工程师，最大的贡献常常反过来——他在会上拦住所有人：「这功能根本不该做。做出来没人用，还得养一辈子。」他省下的那半年，比他写的任何代码都值钱。他干的是把一道假题从题库里划掉。
一个好产品。用户张口要「一匹更快的马」。照着做，你能做出一匹很快的马。但真正的高手听见的不是「马」，是背后没说出口的需求：他要的是更快地从这儿到那儿。于是该造的不是快马，是汽车。用户给的那道题本身就是错的。
三个例子的共性：他们最值钱的一下，都不是解题解得多利索，而是意识到该换一道题——而这一下恰恰是 AI 最接不住的。
关键词：品味
品味（英文 taste，别把它想成「审美」那种玄乎东西，它实实在在是一种判断力——在无数条能走的路里，知道「哪道题值得解、什么才叫好」的那种直觉）说不出干净的规则，你没法写成一二三，但每个行当里的高手都认得它、也都服它。
品味建在三样东西上：你想达成什么目的、你信什么才叫好、你对整个上下文的整体感。而这三样恰好正中前面几章点出的 AI 的死穴——
- 它没有干净的信号（回想第五章）：「这道题值不值得解」没有编译器判对错，没有分数可涨，全是浑水。信号一浑，它就抓瞎。
- 它高度默会（回想第四章）：品味说不清、写不出，师傅只能带、没法教。教不成数据的东西，它就学不动。
所以「品味」不是一个新短板，它是前几条分界线在最上游汇到一起的样子：既没干净信号，又高度默会，还得靠你自己的目的和价值观撑着。它没有「想要」，也就没有「值得」。
一个反直觉推论：AI 越会解题，「会定义问题的人」越金贵
AI 把「解题」变得又便宜又快。但它越强，就越把价值往上游挤——指哪打哪的能力越强，「指对方向」就越是唯一的瓶颈。解题不值钱了，谁都能让机器解；出题、选题、否掉一道错题，才是真正稀缺的东西。
有一句话我想让你记很久：把一把无比强大的解题能力，指向一道错的题，等于更高效地做错事。以前一个团队方向错了，做半年才发现；现在有了 AI，可能三天就把一个错东西又快又漂亮地端到你面前——错得更快、更难回头。
解题这头被机器压到地板价，方向这头就浮上来，成了最贵的一块。谁能问对题，谁就握着最后的杠杆。
诚实话：这不是人对机器的免死金牌
讲到这得泼两盆冷水，不然你又要把这条线当成「人类永远高一等」的安慰话来喝。它不是。
第一，AI 也在慢慢往上够。你现在让它「帮我挑战一下这个方案」「这需求背后真正的问题是什么」，它已经能提出一些不算差的问题了——虽然多半还在你给的框里翻找，够不到真正跳出框的重定义，但那道墙不是铜墙铁壁。别把「它现在弱」当成「它永远不行」。
第二，也更扎心：这条线切开的从来不是人和机器，是「执行」和「判断」这两类活。很多人一辈子干的也只是解题——上头给道题，漂亮地解掉，从不问这题该不该解。这样的人，跟那台插值机器站在同一头。
所以这一刀最该照见的是你自己：你是在解别人递来的题，还是在判断该解哪道题？如果你只做前者，那 AI 咬走你只是时间问题——它解得比你更快、更便宜、更不喊累。这条线不保护「人」，它只保护「判断」。
五条线，到齐了
AI 极擅长把你给的问题解到漂亮，极不擅长意识到「这问题本身该换一换」。前者是熟练，后者是判断——工具越强，前者越贱，后者越贵。
接下来四章不再讲道理，改看战场：医疗、法律、写代码、做设计——把这五条线按到真刀真枪的行当上。你会发现，同一个行当里，有人被咬得干干净净，有人反而更值钱了，差别往往就落在这最后一条线的哪一头。下一章见。