同一轮AI浪潮，有人焦虑，有人无感，有人已用它重构工作流。本文从团队实践出发，剖析习惯成本、信息茧房与代际差异，指出AI产品的真正机会在于融入工作流而非添加聊天框。与其焦虑或抵制，不如跑通一个小闭环，走出自己的信息茧房。

最近我在帮团队更新项目管理工作流，把飞书智能体之类的能力接进原有协作方式。做着做着，我反而更确定了一件事：同一轮 AI 浪潮里，大家看到的根本不是同一个世界。

有人每天刷到的都是“AI 替代谁”“岗位还剩多少”的焦虑；有人觉得 AI 就是写几句文案、补几段代码；甚至还有人自认为 AI 的产出 AI 味太重，2026 年了还在抵制 AI；也有人已经在用它整理项目上下文、维护知识库、推进任务和复盘交付。

这些判断不完全由技术能力决定。很多时候，它取决于一个人所处的工作环境，给了他什么反馈。

习惯成本，比学习成本更高

在一些成熟、流程稳定、合规要求很高的技术组织里，大家已经习惯了多年的写作方式、开发流程、审核标准和协作节奏。

这些习惯并不落后。它们曾经解决过真实问题：降低风险、保证交付、让多人协作可控。

问题在于，当一套流程还能运转时，研究新工具的收益往往不够明显，改变原有行为的成本却很真实。

要试 AI，就得重新想资料怎么整理、权限怎么划分、结果怎么复核、责任怎么确认。对个人来说，这意味着额外学习；对组织来说，还意味着要改动既有标准和协作关系。

于是，很多人会停在“偶尔用一下”的阶段。不是因为他们不会，而是因为旧方法仍能完成工作，新方法的短期收益还不足以覆盖改变的麻烦。

年轻人并非天然更懂 AI

另一边，很多年轻人更愿意追踪模型、Agent、MCP、自动化和新的开发工具。原因也不神秘。

就业、成长和能力迭代的压力摆在面前。旧经验还没有沉淀成足够强的护城河，试错反而是一种更划算的选择。谁能更早把 AI 接进学习、创作和项目交付，谁就可能多获得一点机会。

这并不说明年轻人一定比资深员工强。资深从业者的业务判断、工程经验和风险意识，恰恰是 AI 最需要学习的上下文。

真正的区别是：有人必须寻找新路径，有人暂时没有被迫离开旧路径。

焦虑和拒绝，常常来自同一个茧房

所以我现在不太相信“AI 焦虑”或“AI 没什么用”这类绝对判断。

前者只看见威胁，后者只看见当下有限的体验。两边都可能被自己接收到的信息困住。

更有价值的问题是：我手里的重复工作有哪些？哪些信息一直在反复找？哪些协作成本本来就高？AI 能不能先替我接住其中的一段？

不需要一上来就做一个巨大的智能化改造。先把一个小闭环跑通：让 Agent 读懂项目资料，生成一版初稿，按既定模板整理结果，再交给人确认。

当它真的替你省下一次重复劳动，认知才会改变。

下一代产品，不能只是在旧流程旁边加聊天框

从产品经理的角度看，这也是下一代 AI 产品最重要的机会。

很多产品现在的做法，是在原有系统旁边加一个对话框，或者多一个“AI 助手”入口。它当然有用，但很难改变原本的工作方式。

下一步需要解决的是：AI 如何自然进入任务、文档、权限、审批和反馈之中；人如何知道它做了什么；哪些动作可以自动执行，哪些动作必须等待确认。

这不是给19世纪的马再加一点速度，而是重新定义“从 A 到 B”的方式。大多数人看到的需求只是如何让马跑得更快一些，但是福特公司却造出了汽车，它提醒了产品人：不要只优化用户表达出来的旧解法，要重新理解他真正想完成的事情。

AI 产品也是如此。

用户说“帮我写周报”，背后也许不是缺一段文字，而是项目资料分散、信息更新靠追问、格式每周重来、审核缺少依据。把周报写得更快，只解决了表面动作；把信息、任务和交付接成一条可复用的工作流，才真正改变体验。

不用恐慌，也别停在舒适区

AI 不会让每个人立刻站到同一起跑线，也不会自动淘汰某一种人。

它正在放大一件更朴素的能力：能否看见自己的工作方式，并愿意持续更新它。

不必因为别人晒出一堆新工具就焦虑，也别因为旧流程暂时还能跑就拒绝理解变化。找一个真实问题，花一点时间把它跑成闭环；等到 AI 成为你工作里的一个可靠节点，再谈更大的转变。

很多差距，未必从模型能力开始，而是从谁先走出自己的信息茧房开始。