前段时间，我们的 VP 讲了一段话。他说 AI 时代最重要的品质，是精益求精。
他的理由是：借助 AI，绝大多数脑力工作者完成一件事的门槛被大幅拉低了；可 AI 本身又有不少天生的毛病，它非常依赖精准的输入，会有幻觉，自动化的任务还会把一些原本不起眼的小偏差不断放大。
我听完的第一反应是认同。顺着往下想，我觉得这个判断还能再往前推一步：在 AI 时代，精益求精的态度，可能已经比能力更重要了。
这句话放在过去，其实很难说得通。
过去，能力是先要过的那道门
一个人进入职场的时候，能力本来就有高低。受过什么样的教育，接触过什么资源，脑子转得快不快，这些差别在第一份工作开始之前就定下了一大半。
我这里说的能力，主要是做事的专业技能。它决定的是一个最基础的问题：这件事你会不会做，能不能做出来。
我见过不少态度很好的人。交代的事情反复核对，做得细致，从不糊弄。可有些活就是超出了他的能力范围，那段代码写不出来，那个模型搭不起来，再认真也越不过这道坎。能力的上限摆在那儿，这样的人过去往往很难有特别好的发展。
反过来也一样，光有能力、做事总差一口气的人，也很难走到特别高的位置。
但两者的先后是清楚的：能力是先要过的门，态度是进了门以后才开始起作用的东西。门都进不去，态度再好也没有用武之地。
现在，能力可以借
这道门，正是 AI 最先动的地方。
写 SQL，搭模型，写代码，做方案，画图表，这些过去拉开人和人差距的专业技能，恰好是 AI 最能帮上忙的。过去写不出复杂查询的人，把需求描述清楚，就能拿到一条能跑的 SQL；不会写前端的人，一个晚上就能做出一个像样的页面。这就是 VP 说的，完成一件事的门槛被大幅拉低了。
门矮了，人和人之间的差距并没有消失，它挪了个地方：挪到了东西做出来以后，你觉得做到哪儿算完。
以前停手，大多是因为做不动了、来不及了、成本太高。现在换个口径再算一遍、多找几个反例复核，成本都降下来了。停在哪里，越来越不是“我只能做到这儿”，而是“我觉得做到这儿就够了”。
这里有个容易忽略的地方：AI 同时降低了两件事的成本。一件是把事情做得更好，另一件是让自己相信已经做得够好。
拿到同一份 AI 给的初稿，有人觉得终于可以交差了；有人觉得终于不用在搬材料上耗时间了，可以腾出手检查真正要紧的地方。两个人手里的工具一样，能力也差不多，差别只在谁把什么当成“做完”。
这件事我自己就栽过。我给个人网站搭过一条自动写稿的流水线，跑了一阵子发现，面对那一堆七十分的文章，我根本生不出把它改到九十分的冲动，冒出来的念头是“行吧，大差不差也就这个意思”。改到九十分我不是不会，是没那个冲动。这段经历我写在《自动化跑通了，随笔却断更了》里。当时我以为那是写作状态的问题，现在回头看，拦住我的不是能力，是态度。
当然，看得出哪里不对，本身也要功底。可这份功底很大一部分也能向 AI 借：让它挑漏洞，找反例，换个角度再复核一遍。借不来的，是你愿不愿意开口去问。
更麻烦的是，工作不再逼你认真了
能力借得到，差距落在态度上。可态度这件事，过去其实有工作替我们兜着一部分底。
以前做一份分析，取数、计算、比较、写结论，每一步都有阻力。数字对不上，代码跑不通，结论写到一半写不下去，这些卡顿都会把你拦下来，逼你回头看看哪里没想通。很多时候，我们的严谨并不是主动追求来的，是不想清楚，事情就推不下去。
执行过程里的阻力，一直在兼职做质检。
AI 把这份兼职拿掉了。目标没说清，它顺着一种理解先做下去；前提没交代，它替你填一个默认值；你自己还没想明白，它已经交出一份格式工整、口吻笃定的成品。
做过数据的人多半见过这种事。业务问“上个月活跃用户涨了多少”，以前你得自己去找表、看字段，找着找着就会发现：表里的“活跃”算的是登录过，业务嘴里的“活跃”说的是下过单。这个口径问题，是在找表的路上自己撞上的。现在 AI 直接找了一张看上去最像的表，SQL 能跑，图表清楚，数字一点没算错，只是回答了一个业务根本没问的问题。
我在《AI 时代最贵的不是 Token，是自己的认知带宽》里写过，理解不再和产出同步，变成了一件可以往后推的事。现在看还得再往前走一步：理解往后推了，连“我其实没想明白”这个信号也跟着没了。过去没弄明白，表现为事情卡住做不下去；现在同样的缺口，可以安安静静地藏在一份挑不出毛病的成品里。
这也让我重新理解了 VP 说的“依赖精准的输入”。精准的输入，说的不是提示词写得多漂亮，而是开工之前，有没有人愿意先问一句：这里的“活跃”到底指什么。问这一句不需要多高的能力，需要的是不肯糊弄的那股劲。
过去态度差一点，工作还会拦你一下。现在没人拦了，剩下的只有你自己的标准。
自动化放大的，是态度
如果只到这里，态度决定的还只是一个人一次交付的好坏。
一次手工活里的妥协，影响的是一份报告。可一旦把它做成自动流程，你当时没追问的前提、默认接受的口径、觉得差不多就放过的判断，会一起写进流程，然后每天执行。
还是那个活跃用户的例子。手工查一次，是一个答错了问题的数字。做成每天自动更新的看板，它就每天给出一个错的数，大家每周拿着它开会、定目标、分资源。看板从不报错，数据每天准时刷新，它只是在一遍遍重复最初那个没人追问过的口径。
也别指望多跑几次能把它跑对。写代码的人对这个更熟：让 AI 写一段代码，再让它自己写测试，测试全绿，只说明它前后理解得一致，不说明它理解对了。几十次运行共享同一个错误的起点，结果之间的一致，只是在重复同一个错误。
自动化复制的不只是你的工作，还有你在工作里放过的东西。反过来，在流程固定下来之前多问一句“活跃到底指什么”，修正的是之后每一份报告的起点。
能力的差距，止于一个人的产出。态度的差距，会被自动化一遍遍复制。
能往前跑，不等于没有问题
所以回头看 VP 那段话，精益求精变重要，并不是因为 AI 会幻觉，人得替它兜底。模型会越来越好，这个理由只会越来越弱。
越来越强的是另一件事。模型越好，专业能力越便宜，越容易借到；而愿不愿意在一份顺滑的成品面前再往前追一步，这件事借不来，分量却被自动化放得越来越大。工具已经强到可以带着我们没想清楚的问题一路往前跑，人不能把“还能往前跑”当成“已经没有问题”。
过去，一个人对“差不多”的容忍，止于一份交付。
现在，这份容忍也会被自动化。
能力可以向 AI 借，精益求精借不来。