Ai能力溢出：为什么你的ai比你想的强10倍

你有没有这种感觉：用了好几个月的AI工具，却总觉得"也就那样"？问它答非所问，让它做事总是差点意思，于是得出结论——AI被吹过头了。

但真相恰恰相反。沃顿商学院教授Ethan Mollick在最新研究中指出：大多数人对AI能力的利用率，不足其真实潜力的十分之一。 问题不在AI不够强，而在于我们使用它的方式，正在亲手封印它的力量。

聊天框正在浪费你的AI

Mollick引用了一项针对金融专业人士的实验。研究人员让受试者用GPT-4o完成复杂估值任务，同时监测他们整个过程中的认知负荷。

结果令人意外：AI确实带来了效率提升，但同时施加了一种"认知税"——AI反馈的信息量远远超出任务所需，冗长的文字墙、不断跳转的新话题、无序的对话结构，让使用者越用越疲惫。

问题的根源是聊天框这个交互界面本身。

聊天框是为"问答"设计的，而真正有价值的AI使用场景是"委托任务"。你让AI帮你写一份报告，它输出的不是报告，而是"关于报告的讨论"。这就像买了一台专业单反相机，却只用自动模式拍照，然后抱怨相机"拍出来的效果跟手机差不多"。

Mollick用Claude Code——Anthropic的编程AI代理——完成了从赚钱、做游戏到建立网站的一切工作，全程没碰一行代码。

能做到这些，不是因为Claude Code用了更强大的AI模型（底层模型和网页版Claude几乎一样），而是因为它的专用界面设计完全不同：网页版是问答模式，信息碎片化；Claude Code是命令行加虚拟计算机，任务闭环。同样AI内核，专用界面让效率产生了数量级的差异。

第一步：从"问AI"转向"派任务"。 不要问"帮我分析一下这个数据"，而是说："把这个Excel文件里的月度销售额按产品分类，计算每个品类占总收入的比例，生成趋势图保存到桌面。"具体、闭环、可执行的任务指令，才能激发AI的真实能力。

第二步：建立个人的AI工具矩阵。 不同AI工具有不同的接口设计：通用对话适合头脑风暴和写作润色；编程代理适合多步骤技术任务；数据分析专用工具处理结构化数据；文档阅读代理深度分析长文本。Mollick的"模型-应用-接口"三层框架值得每个教育者记住。

第三步：主动管理AI的工作流。 代理时代，人类的新角色是管理者，而非执行者。你需要学会给AI明确的目标和边界，理解AI输出的可接受误差范围，设计人机协作的标准流程。这是一种全新的元认知。

AI能力溢出的时代已经到来，但大多数用户还停留在"用聊天框问问题"的原始阶段。聊天框不是AI的极限，而是你想象力的极限。下一次当你觉得AI"不过如此"的时候，请先问自己：我是否真的在用它最擅长的方式？

核心观点参考：Ethan Mollick, "Claude Dispatch and the Power of Interfaces", One Useful Thing, March 2026