OpenAI 的创始人山姆·奥尔特曼，最近在一次专访里说了一段让我停下来的话：
现在有了 Codex，明明可以换一种办法工作，我却还在沿用以前的习惯。我不应该到处乱点，在不同的聊天软件之间复制粘贴，漫无目的地浏览邮件……然而，我的脑海里却根深蒂固地认为，做这些事情就是工作，就是高效。
注意这段话的主语。这不是一个对 AI 一知半解的传统行业老板，也不是一个拒绝新技术的保守派——这是做出 ChatGPT 和 Codex 的人，是这个世界上离 AI 最近的人。
他知道更好的办法。他手里就有那个更好的办法。他还是改不掉。
如果连他都这样，那「AI 会自然改变我们的工作方式」这个假设，就有必要重新审一遍了。
一、他承认的不只一件事
把这次访谈（笔记侠的整理稿）里的几个关键自白放在一起看，会发现它们指向同一个结构：
自白一，习惯。 有了 Codex，他还在聊天软件之间复制粘贴、还在翻邮件挑最容易回的那封、还在列待办清单机械执行。他坦承：「也许我内心深处确实从这些熟悉的动作里得到了一些满足。」
自白二，速度。 GPT-4 出来时，他以为软件行业会很快洗牌。后来他承认自己判断错了——「经济有非常强的惯性：人们继续做原来的事，继续从原来的公司采购，也继续希望用熟悉的方式使用工具。」他举了百视达的例子：奈飞早就在邮寄 DVD 了，还是有大把的人去实体店租碟。改变人的行为，比技术圈里的人想象得困难。
自白三，瓶颈。 他说现在限制他的不是模型的智商，而是「AI 所掌握的、关于我的有效上下文」。他想要一个 agent，能看到比他多得多的背景信息，在他需要决策时把这些信息用起来。
一个做出最强模型的人，把自己的三个困境摆在了桌面上：改不掉习惯，等不来速度，缺上下文。
二、知道 ≠ 换：挡在中间的三道坎
为什么「知道有更好的办法」和「换过去」之间，隔着这么远？我把它拆成三道坎，这是本文想留下的框架——它不只解释奥特曼，可以套用在任何一个「新办法明明更好，却推不动」的场景里：
| 坎 | 本质 | 奥特曼的版本 | 普通团队的版本 |
|---|---|---|---|
| 习惯的惯性 | 心理 | 从熟悉动作里获得满足感 | 「复制粘贴就是工作」的肌肉记忆 |
| 上下文的缺口 | 信息 | AI 不了解他，不敢托付 | 任务背景散在人脑里，Agent 接不住 |
| 验证的缺失 | 信任 | 不确定交出去后能不能放心 | 产出没人盯就不敢放 |
第一道坎是心理的。奥特曼那句话最狠的地方在「满足」二字——旧习惯不是没用，是它在情绪上持续给付。翻邮件、勾待办，这些动作提供了一种「我在高效工作」的即时确认感。新办法再高效，也给不了这种确认感，因为确认感本身被外包出去了。
第二道坎是信息的。想换工作方式，前提是 AI 得足够了解你——你的业务、你的偏好、你的上下文。这一坎我在未来是上下文的竞争里展开过：模型层的竞争已经短兵相接，真正的竞争在上下文层。奥特曼这次是从需求侧确认了同一个判断——他亲口说，限制他的就是上下文。
第三道坎是信任的。这一道坎最少被讨论，但它是前两道的总闸门。你在数字员工上岗半年，我在钉钉上的时间翻了一倍里写过我的体感：派出去的任务要盯、产出要审、出错要纠偏——「看着」是当前最大的时间成本。奥特曼的复制粘贴，本质上是同一件事的 CEO 版本：不是不想放手，是放手之后的验证机制还没建起来。
三、对照组：那个晚上重构 Shopify 的人
访谈里有一个对照组，值得单独说：Shopify 的 CEO 托比·卢克。
他从 AI 很早期就亲自写软件、试模型、给 OpenAI 提细致的反馈，晚上会想「如果今天从零开始，利用现有技术，Shopify 应该做成什么样」。奥特曼对他的评价是：「如果一家公司的创始人不亲自下场，很难形成真正的手感。」
这个对照组的价值在于它回答了第一道坎：习惯是可以改的，但改它的不是认知，是亲自上手。 托比没有「想通」旧习惯不好，他是用新的动作把旧动作挤出去的。这就是我在没有组织变革，就没有 AI 原生里说的「CEO 的 AI 化先于组织的 AI 化」——不是发个文件、定个战略，是创始人自己先把手弄脏。
四、最有力的反方：不是改不掉，是产品还不够好
写到这里必须处理一个反方——而且这个反方奥特曼自己就说了：「我觉得产品也有责任，我们应该把工具做得更好，让人更自然地换一种工作方式。」他类比了 iPhone 之前的智能手机时代：技术拼图已经齐了，但改变交互的产品想法还没出现。
这个反方有真实的分量：今天的大多数 AI 工具，确实还处在「能用但别扭」的阶段——上下文接不全、产出不可靠、交互不顺手。把全部责任推给「人的习惯」是不公平的。
但我认为它解释不了全部，因为有三件事是产品解决不了的：
第一，确认感。 产品可以做得再顺手，也给不了「我在高效工作」的情绪确认——那个确认感来自你亲手完成动作，这是心理结构，不是交互设计。
第二，上下文的供给。 产品的责任是把上下文接好，但上下文的源头在人。你不把自己业务的判断标准写下来、不把决策逻辑显性化，产品再强也没有东西可接。
第三，验证的责任。 信任机制从来不是产品单方面能建立的——它需要组织定义什么算对、谁来验、错了谁担。这是我在评测集是一份没人签字的文件里刚说过的：没有主人的标准，就没有可托付的信任。
所以更完整的说法是：产品负责降低门槛，组织负责供给上下文和验证机制，个人负责把手弄脏。三者缺一，习惯就赢。
五、这对我们意味着什么
最后回到开头那个假设的重新审视。如果连奥特曼都卡在「盯着干」的阶段，那对所有人有三条推论：
第一，别苛责自己的团队改得慢。 连造工具的人都在过渡期里，你的组织慢一点，是常态不是失败。奥特曼说他对这种缓慢「甚至有些庆幸」——转型平滑，意味着摔的人少。
第二，别把希望全押在下一个模型上。 模型再强，也解决不了你的上下文供给和验证机制。把力气花在「让 AI 了解你」和「建立验收标准」上，比等一个更强的模型更确定。
第三，改习惯的杠杆是动作，不是道理。 托比的例子说明：不是先想通再改变，是先用新动作把旧动作挤出去，认知才会跟上来。想换工作方式的人，第一步不是学习新工具的优点，而是挑一件最小的事，今天就用新办法做一遍。
知道有更好的办法，是转型的起点，不是转型的完成。
完成它需要的不是更聪明的模型，而是习惯、上下文、信任三者同时到位。
你的工作里，哪件「明明可以交给 AI」的事，你还攥在手里？为什么？欢迎留言讨论。