AI会不会取代我问的是过去的可能性——该问手里的老本领加变便宜的新零件能组合出什么新动作

这一年，从程序员到设计师，从翻译到质量工程师，几乎每个人都在问同一句话：“AI 会不会取代我？”

这个问题听起来很要命，但它其实问错了。

它问的是过去的可能性——你把自己框在”我现在这份活儿”里，然后看 AI 能不能把这份活儿抢走。可你面前的世界，已经不是上个月那个世界了。守着旧房间问它会不会塌，你会错过一件更大的事：墙上刚长出来几扇新门。

先进那个房间，你才看得见那扇门

理论生物学家考夫曼（Stuart Kauffman）有个概念叫「临近可能」（the adjacent possible）：

任何系统在任何时刻，周围都存在一圈”只差一步就够得着”的新状态——用现有的零件，做一次组合、一次改动，就能实现的东西。这一圈，就是它此刻的临近可能。

考夫曼最初是在化学和生命演化的语境里讲这件事：简单分子先组合成稍复杂的分子，每出现一种新分子，又让一批原本不可能的反应变成了可能——可能性的边界，随着每一次”实现”向外扩张。作家史蒂文·约翰逊后来把它借到创新领域，打了个好记的比方：你在一栋房子里推开一扇门，走进一个新房间；而这个新房间的墙上，又长着几扇你在上一个房间里根本看不见的门。一种能力、一样构件真正可用了，往往就让此前够不着的一批组合，变得够得着了。

这个视角带来的不是”人不重要”，而是对”英雄式创新”叙事的一次校正：一个新组合能不能出现，既取决于人的判断和行动，也受当时可用的知识、工具和条件的约束。它给的操作直觉很朴素——你往往得先走进那个房间，才看得见那扇门；先实现一种可能性，才能打开下一种。

它还顺手解释了科学史上一个耐人寻味的现象：重大发明为什么总”撞车”。牛顿和莱布尼茨各自独立发展出微积分，达尔文和华莱士彼此不知情地想到自然选择；1876 年 2 月 14 日同一天，贝尔的律师递交了电话专利申请，格雷的律师递交了一份关于电话的专利预告（两人此后为技术路线的先后争了很久）。社会学家默顿 1961 年研究发现：彼此独立的重复发现，不是罕见例外，而是常见到值得当成规律来研究的模式。这至少说明一件事——当共同的知识基础和问题条件成熟了，好几个人抵达相近结论的概率，会明显上升。 门是大家共处的这栋房子长出来的，恰好几个人同时走到了门口。

AI 干的事，是把这一圈猛地撑大

现在把镜头拉回你身上。

AI 让所有人面前，突然多出一大批变便宜的零件——编程、翻译、设计、写作、调研，过去要花钱、花时间、花专门技能才够得着的动作，一夜之间成了随手可取的积木。

这意味着什么？意味着你的临近可能，刚刚被撑大了一圈——原来够不着的组合，现在够得着了。（当然，够得着不等于做得成：数据、验证、权限、现场条件，都可能是新的关卡。但门确实比上个月多了。）

所以真正该问的，不是”AI 会不会取代我”，而是掉个头的另一句：

我已有的哪样本领，加上这些突然变便宜的零件，能组合出一个上个月还不存在的动作？

这几天在社交媒体上，不难看到有人把几个技能和 AI 工具拼一拼，做出上个月还不存在的小工具、小产品、小服务。这些尝试多数能不能走远、能不能持续，还得等时间验证；但他们至少没在纠结”会不会被取代”，而是在搜索新扩出来的领地。

对做质量、做精益的人，这句话尤其贴身

制造业里焦虑 AI 的人不少。但如果你手里攒着精益诊断的功夫、质量方法论的体系、军工/汽车 QMS 落地的经验、对组织和流程的判断力——

这些能力未必会因为 AI 而自动贬值——只要你能把它们转成 AI 拼不齐的那部分，反而会更值钱。

道理在这儿：AI 把资料整理、初稿生成、规则化分析的成本压得很低，可在高风险的质量决策里，现场的语境、说不出口的隐性约束、证据要不要复核、出了事谁担责——这些还很难只靠模型可靠地完成。所以真正稀缺的，不是”会用几个质量工具”，而是能把现场知识拧成清晰的约束、验证标准和闭环机制的人。反过来说也得认账：套路化的、脱离现场的、没法验证的经验，同样会贬值。AI 可以参与判断，但仍需要懂行的人去校准它、质疑它，并对最后那一下确认负责。

于是新的门就出现了：精益诊断 × AI Agent、质量方法论 × 自动化知识外置、你那套验收标准 × 可交互的智能体环境……这些都是”上个月还不存在的动作”，正落在你刚被扩开的那圈临近可能里。

中年转行最可靠的路，从来不是抛弃过去、重新投胎，而是把过去攒下的模块，搬进一个新组合。

但光”想到”不算——得留下一个真实构件

看到这儿最危险的反应，是把它当成一碗鸡汤，点头，然后什么也不做。

这里我想加三条实践判断——它们不是考夫曼理论里的定义，而是我自己用来防止”可能性只停在想象里”的三道尺。因为有个反直觉的事实：光保留选项，并不会凭空给你长出新选项；你至少得挑一个组合真正投入行动，才更可能拿到有效反馈。 这三条是：

够近：不是一步登天，而是用你现有的知识、资源、关系，再加一次能承受成本的伸展就能启动。够新才打得开门，够近才做得成。
留下构件：一次行动结束，世界上最好多出一样东西——一篇文章、一个原型、一项实战检验过的能力、一小群真实用户。只是”学过、想过、认识过、计划过”，外界很难对它作出回应。
可再组合：别只问”这件事现在给我什么回报”，要问”它做完之后，还能长出什么”。

设想两个工程师。甲的收藏夹里存着一百个绝妙点子，却谁也不告诉（怕被抄）、迟迟不动手（怕做了这个就得放弃别的）；乙只有一个不怎么样的点子，但花两个月做成了一个粗糙的小工具、发布了。它可能没人用，可能收到一堆差评，甚至可能直接证明他一开始就想错了——但只要试错的成本可控，这些结果都会给乙带来甲永远拿不到的信息。若这当中偶然撞上一个真需求，他才有机会改第三版、攒起第一批用户、遇到愿意合作的人……几年下来，乙有机会变成自己原来根本想不到的样子。而甲，还抱着那一百个”可能”。

两人的差别，不只是点子谁好谁坏，而在于乙把不确定性变成了可以检验的问题。世界未必奖赏你做出来的每一样东西，但真实的行动，比空想更容易长出能修正下一步的反馈。

别守着旧房间，问它会不会塌

AI 确实在关掉一些旧房间的门，这是真的。但它同时在你的墙上，长出了好几扇新门。

你越是盯着”会不会被取代”，就越是背对着那些新门。转过身，问那个对的问题——我手里的老本领，配上这些变便宜的新零件，能拼出一个上个月还不存在的动作吗？——然后挑一个够得着又够新的，动手做出一个真实的东西来。

让世界对你做出来的东西给出反馈。反馈会把你带到一个现在还想象不到的位置。

那才是 AI 真正给你的东西：不是一句判决，是一整圈刚刚长出来的门。