过去，我总劝身边的人学 AI。
学一下提示词，试试让 AI 写东西、查资料、做表格。那时候我真心觉得，这是一个很明显的机会：工具已经摆在这里了，早点用，就能早点省力。
但多数人的反应不是兴奋，而是直接放弃，或者反问一句：
“这么复杂，到底能帮我什么？”
时间久了，我甚至觉得，自己成了一个三句话离不开 AI 的小丑。好像所有问题最后都能被我拐到 AI 上，好像不学 AI，就要被时代抛下。
后来我开始怀疑：大多数人真的需要学习 AI 吗？
还是说，我们又一次高估了“学习工具”这件事本身。
父母没学会电脑，也没有被时代抛下
这个问题让我想起更早的一段经历。
小时候，我也劝过父母学电脑。那时候电脑像是通往现代世界的入口：打字、上网、查资料、看新闻、下载文件，好像不会电脑，就跟不上时代。
后来，我又劝他们多用搜索。遇到问题先搜一下，别什么都问别人。
但现实是，他们并没有真正进入电脑时代。
他们后来直接进入了手机时代。
电脑里的文件夹、浏览器、输入法、关键词、下载路径，并没有成为他们生活的必修课。手机把这些复杂操作压缩成了图标、扫码和语音输入。
他们也没有真正学会搜索。他们更习惯刷短视频，问熟人，打电话，在微信群里问一句，或者直接去线下服务窗口。
他们当然为此多付出过一些时间，也更依赖家人和线下服务。不会电脑、不会搜索，不可能毫无代价。
但他们并没有先补完“电脑”和“搜索”这两门课，才进入数字生活。更简单的产品和原本就存在的社会关系，直接接住了他们。
这件事给我的启发很大。
很多技术并不是以“每个人都学会”的方式普及的。它们通常先由少数人掌握，再被装进产品，最后变成大多数人不需要理解的服务。
AI 也会从“需要学习”变成“直接服务”
这里说的 AI 服务，不是让用户直接操作模型，而是把模型能力嵌进挂号、报销、学习等既有流程，让人用原本就会的方式，得到可以继续行动的结果。
现在关于 AI 的很多叙事，都像当年的电脑和搜索。
从工具厂商、课程卖家到一些媒体和管理者，我们经常听到同一句话：不学 AI，你就会被淘汰。
这句话只对一部分人成立。
如果你是创作者、程序员、产品经理、运营等知识类工作者，AI 的确正在进入自己的日常工作。你需要理解模型、提示词和工作流，也要判断哪些任务可以交给 AI。
但对更多不靠 AI 工作的人来说，他们真正关心的不是模型有多少参数，也不是哪种提示词效果更好。
他们关心的是：挂号能不能少排队，报销能不能少退回，孩子遇到不会的作业能不能听懂解释。
这些需求最终不一定表现为打开一个 AI 应用。AI 更可能藏在医院系统、政务小程序、银行 App，甚至微信聊天里。
这已经在发生。据北京市卫生健康委员会 2025 年 6 月发布的信息，北京大学第三医院互联网医院上线的智诊 Agent，支持患者用语音或文字描述症状，推荐就诊科室，并跳转医生主页完成后续操作。
用户不需要知道背后调用了哪个模型，就像点外卖的人不需要理解服务器、数据库和接口。
他们只需要用自己原本就会的方式表达需求，然后得到一个可以继续行动的结果。
好的服务，应该替用户承担复杂性
很多时候，人们不愿意学 AI，不是因为懒，也不是因为抗拒新技术，而是在做一种非常现实的成本判断：
这东西能不能立刻解决我眼前的麻烦？
如果不能，为什么要学？
劝所有人学习 AI，有时是在把产品还没有做好的成本转嫁给用户。产品没有把能力变成服务，于是要求用户研究提示词；系统没有承担复杂性，于是要求用户先理解复杂性。
AI 普及的标志，是它不再需要被看见
所以，AI 真正普及的标志，可能不是越来越多人学会写提示词，而是越来越多人不再需要写提示词。
他们仍然挂号、报销、学习、购物和处理工作，只是等待更少了，退回更少了，反复解释同一件事的次数也更少了。
AI 藏进这些原本就存在的流程里，替人承担理解信息和操作系统的麻烦。
少数人需要掌握 AI，因为他们负责设计这些服务。大多数人更需要的是：
- 问题能被解决
- 结果值得相信
- 出错有人负责
每一代真正普及的技术，最后都不是让所有人理解它，而是把大部分复杂性藏起来。普通人仍然需要学会使用，也需要知道风险，但不必先学会技术本身。
AI 就是最好的例子。