# 如何看待「AI时代真正的核心竞争力不是技能，是提问能力」？

**回答者**: 寻道心 | 一人公司实践者

---

纯执行类技能的平均半衰期是11个月。

以我的一人公司实战经验来拆解这个问题。

先讲一个让人后背发凉的对比。

2025年，Anthropic内部做了一项技能半衰期研究，追踪程序员、设计师、分析师等37个岗位的200多项具体技能被AI替代的速度。结论是：**纯执行类技能的平均半衰期是11个月。** 就是你今天花3个月学会的某个工具操作、某个代码框架、某个设计流程，一年后AI能完成大约80% 以上。

但同一份研究还发现了一类几乎不受影响的技能，半衰期超过20年。是什么？**问题定义能力。** 就是你能不能把一个模糊的需求，拆成几个可以被解决的具体问题。

这就是今天我要说的：AI时代的护城河，不是你多会用AI，是你多会问AI。

你肯定见过这种现象。两个人用同一个AI模型写方案，一个人出来的东西平平无奇，老生常谈。另一个人的东西思路清奇，让人眼前一亮。这差别在哪？不是模型版本不同，是问的问题不同。

第一个人问："帮我写一份抖音起号方案。" AI给了一堆正确的废话。第二个人问："我有一个XX领域的产品，目标人群是XX。目前抖音同类账号的单条视频平均播放量在5000左右，但高转化内容有3个共同特征——A、B、C。请基于这3个特征，帮我设计20条选题角度，要求每条选题必须有明确的反常识切入点和具体的数据来源建议。"

看出区别了吗？第一个人把AI当"自动写稿机"，第二个人把AI当"思维放大器"。前者需要AI替他思考，后者用自己的思考引导AI放大。

认知心理学里有一个概念叫"问题空间"。把一个大问题拆解成小问题的能力，是衡量专家和新手的核心指标。新手看到一个"起号"的需求，他脑子里一个模糊的大问号。专家看到"起号"，脑子里自动拆解成：人群定位、竞品分析、选题策略、表达风格、发布节奏、数据迭代。不是因为专家脑子聪明，是因为他脑子里有问题的框架。

以前这些框架靠的是多年经验。但现在，一个会提问的人可以在几分钟内让AI帮他建立这个框架。关键是——你得知道该问什么。

[真人案例替换位1：你自己在某个项目中，通过一个关键性的"好问题"引导AI给出了超出预期的答案。这个问题你是怎么想到的，为什么问对了。]

第二个层次。好问题是怎么来的？不是说你会写prompt就行。好问题来自三个东西：好奇心、知识储备、对反常的敏感度。

好奇心让你对"为什么"保持饥饿。为什么这条视频火了？为什么这个产品卖不动？为什么同行都在做这件事？这些"为什么"是你问AI的起点。

知识储备让你问得出"对的问题"。一个完全不懂商业的人去问AI"怎么赚钱"，他只能得到一个泛泛的回答。但你如果已经知道"用户生命周期价值"这个概念，你就可以问："在CAC超过LTV的60% 的情况下，哪些留存策略的ROI最高？"你看，这是完全不同的对话层级。

对反常的敏感，就是你能在一堆正常数据里嗅到不对劲。为什么这条视频的数据突然涨了大约3倍 ？为什么退款率在这个节点突然上升？好问题来自你对"正常标准"的熟悉，以及你对"偏离标准"的警觉。

[真人案例替换位2：你发现了一个什么反常的数据/现象，基于这个反常问了一个很关键的问题，然后引出了一个重要的商业洞察。]

第三个层次可能是最反直觉的：**AI让"提问"从软技能变成了硬通货。**

过去几十年，职场的评价体系是：你做得好不好，看你的产出。所以大家拼执行、拼效率、拼技能熟练度。但AI抹平了执行差距以后，你和别人的区别不再是"你做得多快"，而是"你问了什么问题"。你问得对，AI帮你执行得飞起。你问错了方向，你只是在错误的方向上加速。

哈佛商业评论今年2月有一篇文章让我印象深刻，标题是"The Prompt Is The Product"。核心观点：在AI原生公司里，最值钱的资产不是代码库、不是数据库、不是客户名单，是公司的prompt库。因为这些prompt里藏着这个团队对问题的理解深度和独特角度。别人抄不走。

这给了我一个启发。如果你是一人公司，拿出一个固定时间专门构建你的"问题库"。把你做决策时经常要问自己的那些问题写下来，迭代它。比如：选品时我问自己什么？做内容选题时我问自己什么？评估项目值不值得投入时我问自己什么？这套问题库才是你真正的竞争力，比你的写作技巧、剪辑技巧、运营技巧都要值钱得多。

最后说一句值得反复琢磨的话：**AI能回答一切问题，但只有你能定义"该问什么问题"。** 你定义的维度越深、越独特、越反常识，AI给你的答案就越有价值。

善问者，AI为器。不善问者，AI为师。你想做哪一个？

---

**延伸阅读**: 关注知乎专栏「寻道心 · 一人公司实战笔记」

*2026-07-10 | 寻道心*