AI 时代，真正稀缺的是注意力管理

最近我越来越强烈地感受到一件事：AI 并没有让人天然变轻松，很多时候反而让人更累了。

原因并不复杂。以前一个人能同时推进的事情有限，工具的能力边界也比较明显。现在 AI 能帮我们写、改、查、总结、生成、自动化，于是我们很自然地把更多任务同时打开：这个窗口让 AI 改个 UI，那个窗口让 AI 整理一段文字，再开一个任务去跑自动化。表面上看，事情变多了，产出也变快了，但人的大脑并没有真的被释放出来。

真正被消耗的，是注意力。

多任务并行最大的问题，不是时间被切碎，而是认知残留。上一件事还没有完全从脑子里退出，下一件事已经开始要求你判断、反馈、取舍。你以为自己只是切换了一个窗口，实际上潜意识还挂着前一个任务的上下文。它会持续占用一部分心智，让你很难真正沉到当前这件事里。

先判断任务应该并行还是串行

所以在 AI 时代，我觉得更重要的能力不是“会同时开多少个 AI 窗口”，而是能不能判断：哪些任务可以并行，哪些任务必须串行，哪些任务应该彻底自动化。

第一类，是简单、不需要深度介入的任务。比如一些明确的小修改、局部优化、格式调整，目标清楚，判断标准也清楚。这类任务可以适度并行。因为你不需要持续把自己放在回路里，只需要在关键节点检查结果是否符合预期。

第二类，是需要多轮互动、人在回路里的深度任务。比如需要反复澄清方向、判断取舍、不断校准结果的工作。这类任务最好一次只做一件。因为真正的价值不在于 AI 生成了多少内容，而在于你能否在过程中持续做高质量判断。如果同时开太多这类任务，最后很容易变成每个都在推进，但每个都没有真正想透。

第三类，是高频、重复、SOP 化的常规任务。这类任务最不应该长期消耗注意力。它们应该被沉淀成 Skill，或者配合定时任务自动运行。人的精力应该从重复执行里抽出来，留给判断、设计、复盘和深度工作。

等待时间也是注意力成本

这里还有一个容易被忽视的点：等待时间也是注意力成本。

和 AI 协作时，等待不可避免。但如果模型速度慢、质量不稳定，表面上只是多等几十秒，实际带来的可能是更大的损耗：你会在等待中切去别的事情，回来之后又要重新加载上下文；如果输出质量差，还要返工、重写、纠偏。久而久之，注意力被切得越来越碎。

所以我越来越认同一个判断：在 AI 时代，使用质量最高、速度最快的模型，不只是效率选择，也是保护注意力的实践。便宜或凑合的工具，如果频繁制造等待和返工，最终消耗的是更稀缺的东西。

把注意力留给真正值得思考的问题

AI 协作真正成熟的状态，可能不是把所有事情都交给 AI，也不是同时开十几个任务显得很忙，而是建立一套更清晰的注意力分配规则：简单任务并行，深度任务串行，重复任务自动化。

这样做的目的不是追求一种看起来高效的工作姿态，而是让自己重新获得深度投入的能力。因为 AI 可以放大执行力，但它不能替我们保持专注。越是工具强大，越需要人主动管理自己的注意力边界。

最终真正带来价值的，还是那些能被认真想清楚、做扎实、反复打磨的事情。AI 负责加速，自动化负责减负，而人要守住最重要的东西：把注意力留给真正值得思考的问题。