“眼高手低”一度用来形容很多职场新人的做事态度：好高骛远、不愿意做基础工作、纸上谈兵且缺乏实际执行力。有了生成式AI以后，坊间开始热议“眼光”、“品味”与“判断力”的重要性，“眼高手低”的问题一夜之间被解决：只要“眼光高”、有“想法”，AI就能完美代劳低端的重复性的工作。然而，我想问：所谓的眼光、品味、战略判断，是从哪里来、又是由何人制定的？对负责培训职场新人的导师，以及AI时代的教育者（尤其人文创意领域）来说，这个问题尤为迫切。如果新人们跳过基础的手部劳动，他们拿什么去构建足以审视AI产出物的高阶“眼光”？
我必须指出：当下诸多强调“眼光”和“战略品味”的论调，很可能成为回避落地能力的人偷懒取巧的借口；AI省下来的时间，不会也不可能转换为更深层的学习。若为追求效率，而绕过那些需要亲力亲为、直接影响产出质量的劳动，却因此压缩了本该拥有的学习与探索时间，这种取巧，只会掏空专业判断力。说句大白话：你只看到AI替你把活干了，却看不懂它是怎么干的，也不知道从哪里入手改进。
这种高阶评估眼光的形成，依赖于一类特殊的知识：隐性知识（Tacit Knowledge）。知识管理学界在讨论技能习得时，经常援引迈克尔•波兰尼（Michael Polanyi）提出的两类知识框架：一是显性知识（Explicit Knowledge），可以通过文本、教程和公式传授；一是默会知识（Tacit Knowledge，亦称隐性知识）：必须依靠长期实践、犯错、纠错以及师徒间的“传帮带”才能“意会”。波兰尼那句常被引用的箴言，至今竟然尤其应景：“我们所知道的超出了我们所能言说的（We can know more than we can tell）”。
您已阅读21%（716字），剩余79%（2618字）包含更多重要信息，订阅以继续探索完整内容，并享受更多专属服务。