专业化与互补关系：让能力积累，让投入彼此发挥作用

本章属于“经济学原理”。上一章讨论的是，在现有能力下怎样分配任务。这一章再往前走一步：当你持续处理某类问题，能力和方法会不会发生变化？当 AI 与资料、知识、规则和工作流程放在一起时，为什么有的组合效果很好，有的组合却只是多花了时间？

本章人物、项目、数量和工时均为虚构教学设定。计算中的效率变化是题目条件，不是对任何具体 AI 工具的测评。每组比较都以相同范围、相同质量要求的成果为单位；改变比较范围时会另作说明。

一、同样的工具，为什么有人越用越顺

小叶和几位同学准备校园植物观察展，需要把照片、观察日期、地点、说明文字和信息来源制作成一组卡片。起初，大家各做各的：找到一份材料，就打开 AI 对话，把内容贴进去，请它写说明，再复制到排版文件中。

前几张看起来并不难。继续做下去，问题开始重复出现：日期写法不一致，图片与记录对不上，说明有时太长，有时省掉来源，排版中的标题位置也要反复调。每个人都能做出一张卡片，但要把几十张放在一起，就需要大量整理。

一段时间之后，两组同学的工作方式出现差别。一组每张都重新解释要求，哪里不对就临时补一句。另一组把常见问题写成规则，统一字段，保留合格样例，记录哪些情况应当回到原始材料核对。后者使用的模型并没有因此换成一个完全不同的东西，但处理相似任务时，需要从头决定的事情变少了。

这时，能力的来源已经不只是“会不会向 AI 提问”。他们逐渐拥有一套针对这类问题的工作方法，也拥有让工具容易发挥作用的材料和标准。

专业化帮助我们理解前一部分：持续面对一类工作，怎样积累熟练程度、方法和专用资源。互补关系帮助我们理解后一部分：一种投入怎样提高另一种投入的作用。把两者放在一起看，你会更容易理解，为什么学会一个通用工具之后，仍然需要在具体问题中形成自己的能力。

二、专业化可以是对一类问题越来越有办法

专业化，是把一定范围的精力和资源持续集中到某类工作上，使人或组织在这方面形成较稳定的能力。它可以表现为职业，也可以只是一个学期中的项目安排：有人长期负责实验数据检查，有人反复处理访谈记录，有人熟悉一种系统的搭建与维护。

分工与专业化经常一起出现，但观察重点不同。分工让不同环节由不同参与者承担；专业化进一步关注，持续承担这类工作以后，经验、工具和处理方式怎样积累。经济学教材常把专业化带来的学习、方法改进和规模方面的收益联系起来讨论。OpenStax《经济学原理》关于分工与专业化的说明

小叶可以把卡片工作分给三个人，但如果每个人每次都从头摸索，没有留下任何经验，这种分工未必已经带来明显的专业化收益。相反，一个人虽然独立完成项目，也可以在持续处理相似任务时，形成一套很成熟的方法。

对大学生来说，不必把专业化理解为现在就选定一个极窄的终身岗位。更有用的入口是找到一类自己愿意持续理解的问题。例如，“把杂乱观察记录变成可核查的说明”比“只会操作某个排版按钮”更能容纳经验积累。工具可以变化，而材料怎么对应、表述怎样有依据、什么地方需要回查，这些问题仍然存在。

专业化也不等于把任务切得越碎越好。你可以专门负责从原始数据到一张可靠图表的完整小过程，而不只是负责点击其中某一步。一个有明确输入、输出和质量要求的过程，往往更容易让你看见自己的方法是否有效。

因此，判断是否正在形成专业化，可以看三个具体变化：你是否更容易识别这类任务的关键差异，是否积累了可复用的方法，以及是否更清楚哪些情况超出当前方法的适用范围。这些变化，比“我做过很多次”更能说明能力发生了什么。

三、重复怎样变成学习，而不只是重复

先看一批内容已经确认的观察材料。植物名称、照片对应关系和来源都已核实，小叶负责把它们制作成统一卡片。这里的工作仍包含格式检查与修订，但不包括重新调查植物和确认事实。

假定他连续制作四批，每批十张。材料难度相近，验收要求不变，实际制作工时如下：

为什么第二批可能更快？因为第一批暴露了具体问题。小叶发现日期常被改写，就在输入中明确保留原日期；发现来源容易遗漏，就把来源设为必须出现的字段；发现照片文件名难匹配，就在开始制作前确认编号对应。后续不再反复处理相同失误。

这里的学习不是“做十张必然快四分钟”。变化来自发现问题、修改方法，再检验修改是否有用。表格只是把这个可能发生的过程压缩成可以计算的例子。若材料变难或验收要求提高，后续时间也可能上升。

小叶为记录问题、整理规则和试验修改，另外花了八十分钟。四批制作共五百二十分钟，加上这些学习与改进投入，总共六百分钟。如果始终按照每张十八分钟的旧方法制作四十张，需要七百二十分钟。在本例中，完整过程净省一百二十分钟。

第三、第四批的平均时间已经是十分钟，但不能把全部四十张都按十分钟算。全程包括前面的探索与改进，平均每张是六百除以四十，即十五分钟。当前熟练后的表现，与为了获得这种表现已经付出的总投入，都有用途：前者帮助估计接下来的任务，后者帮助评价这次学习安排。

同样，不能把十八、十四、十这条下降趋势无限延长，预计第六批会变成两分钟。后面可能仍有必须完成的核对，也可能出现新的材料类型。最后两批没有继续下降，并不意味着学习失败，而可能说明当前方法已进入一个相对稳定的阶段。

把经验留在能被再次使用的地方很重要。可以是字段规则、错误样例、一个检查脚本，或对某个问题更清楚的理解。仅仅在一次对话里临时修好，不保证下次更换材料或工作环境后仍能稳定复现。

四、重复任务足够多，专用方法才可能划算

现在小叶的制作方法已经稳定到每张十分钟。他考虑再花三小时，也就是一百八十分钟，配置一套专用模板和自动检查，使后续每张只需要六分钟。这里比较的是今天之后的两种方法，前面四批已经发生的学习时间不再重复计入。

假定所有待做卡片都适用新模板，质量相同，而且本批期间不需要额外维护。若还有 $n$ 张要做，两条路径的后续人工时间分别为：

采用专用方法，每张从十分钟降到六分钟，省下四分钟。这些逐张节约先要抵回一百八十分钟的配置投入，因此做满四十五张时，两种方法的总工时才恰好相同。这也就是等式 $10n=180+6n$ 所记录的持平关系。少于四十五张，节约还不足以覆盖配置投入；多于这个数量，才开始出现净节约。

专业化有时使专用投入成为可能。没有足够相似任务时，你很难证明花三小时研究模板值得；如果这些规则可以服务后续一批真实工作，最初投入就能由更多成果分摊。这里的数量可以来自一个人的持续任务，也可以来自几个需求相近的小组。

随着规模扩大，平均成本降低，是经济学讨论规模经济时关心的核心现象。选择适合规模的工具和生产方式，也是其中的重要内容。上面的表格展示了一个很直观的来源：共同准备由更多成果分摊。OpenStax《微观经济学原理》关于长期成本与规模经济的说明

不过，平均成本下降并不要求你把数量做得无限大。如果展览只需要三十张，额外制造九十张没人看的卡片，不能因为平均每张变便宜就证明更划算。决定规模的仍然是真实用途和完整投入。

维护也可能改变结果。若六十张制作过程中，要求变化使新模板额外需要一小时维护，那么专用方法总耗时从五百四十分钟升到六百分钟，恰好与现有方法持平。便宜的单张处理，不足以说明整个安排始终有收益。

五、专业化也会遇到边界

前面说集中处理相似任务有好处，不意味着把每一个动作都分给不同的人，或设置更多专门角色，就一定更有效。

假设另一次图文制作任务有两种安排。细分方案把工作分成八步，每张卡片的实际处理只需十分钟，但每跨一个步骤都要交接，每次交接占用两分钟人工时间；同一份成果共有七次交接，所以总计二十四分钟。

较粗的方案把工作合并为三个完整环节，实际处理每张需要十二分钟，比细分方案慢两分钟，但只有两次交接，共四分钟，合计十六分钟。两条流程达到相同标准，也没有其他时间差别。在这个设定中，细分后的局部速度更快，完整过程却每张多用八分钟。

这里按一次交接合计占用两分钟人工计算；若交接双方分别投入两分钟，就应计四分钟。你需要看的是实际资源，不是流程图上箭头的数量本身。

因此，分工边界应该让一段工作足够集中，可以积累经验，又不至于把成果的整体意义切散。比如，一个人负责完成“来源核对后的内容包”，另一个流程负责“把内容包转成版面”，可能比把每一个字段的填写交给不同对象更容易形成稳定配合。

另一种边界来自任务变化。为标准短说明设计的模板，可能不适用于长篇访谈；为固定字段编写的检查，可能在项目需要新增维度时失效。越专门的投入，可能越依赖某些条件持续成立。

这并不要求拒绝专用工具，而是知道哪些部分适合专门优化，哪些部分需要保留转换空间。能导出的资料、明确的字段含义、可读的处理规则，都可能让过去的投入在变化后继续有用。只会操作一个难以解释的固定流程，迁移时往往更困难。

六、互补关系：一项改进使另一项更有用

如果把一项投入做好之后，增加另一项投入能带来更大的改善，我们就可以说，在这个任务和衡量方式下，它们具有互补关系。这里讨论的重点，是投入与活动怎样增强彼此的作用。这也是经济学组织研究中使用的一种互补性含义。Milgrom 与 Roberts 对互补关系的说明

例如，同一段原始观察记录可能写着：“周三，北门旁边，那棵树又开花了，图片是手机里的第二张。”模型即使能把这句话改得很流畅，也无法仅凭这句话稳定补出准确日期、具体位置和对应照片。

如果小组已经整理了观察编号、拍摄时间、地点、照片文件和已核实名称的对应关系，AI 在组织说明时就有更明确的依据。它需要猜测或等待补充的信息减少，人的检查也更容易定位到原记录。资料整理的作用，会通过后面的工具使用继续体现出来。

反过来，没有自动处理流程时，整理一张结构清楚的资料表也有用，但仍需要人逐张转写。如果工具能够读取这些明确字段并生成符合格式的初稿，资料表中每次统一修改就能更快传递到后续成果中。工具提高了这项资料整理投入能够发挥的作用。

互补不要求任何一项单独使用都毫无价值。它要求我们关注的是：另一项已经存在时，这一项带来的增量是否变大。资料可以单独有用，AI 也可以单独有用，两者配合还可能让各自的作用更大。

这种关系也不限于两件技术产品。清楚的验收标准可能提高生成结果的利用率；对专业问题的理解可能提高检查效率；一份可追溯的数据记录可能让统计方法真正发挥作用。重要的是说清楚中间发生了什么变化，而不是看到几样好东西放在一起，就给它们贴上“互补”的标签。

七、用四种配置，把互补关系算出来

前面制作卡片的工时，只从内容已经确认的材料算起。现在把比较范围扩大：小组从尚未整理的原始观察记录开始，完成资料核对、说明制作和最终检查，直到得到合格卡片。这里包含的工作更多，所以不能把以下产量直接与前面每张十分钟的制作效率混用。

小组考虑两项改进：A 是启用一套适合任务的 AI 辅助流程，D 是把资料整理成有明确字段和来源对应关系的形式。先比较这些准备已经完成之后，一轮十个人工小时能得到的结果。每轮有足够材料与真实制作需求，质量要求和其他条件保持一致。

为讲解原理，设定四种配置的合格卡片产量如下。这是一组教学数据，不是一次实际测评。

没有资料整理时，启用 AI 流程使产量从二十张增加到二十八张，增量是八张。资料整理完成后，启用同样的 AI 流程使产量从三十张增加到五十五张，增量变成二十五张。资料条件改善以后，AI 流程带来的增量大了十七张。

从另一个方向看，没有 AI 流程时，整理资料使产量增加十张；有 AI 流程时，整理资料使产量从二十八张升到五十五张，增加二十七张。差额仍然是十七张。

可以把这一关系写成一个简单的差额：

这十七张表示，资料条件改善以后，同一套 AI 流程带来的额外产出更大了。回到前一节的观察记录，日期、照片和来源有了明确对应，工具组织说明时少了猜测，人的检查也更容易找到依据。资料整理通过这些环节，让后面的生成和核验更有效；四格表把这层配合关系表示成了可以比较的数量。

还可以从总变化理解。不做两项改进时是二十张，两项都做时是五十五张，合计增加三十五张。如果把两项单独改进的效果直接相加，只能得到八加十，即十八张。两项配合后还多出的十七张，就是这组数据呈现的额外配合效果。

你不需要为了理解这一点先学习复杂数学。把“只改第一项”“只改第二项”“两项一起改”和“都不改”放在同一个表里，就能看见两项活动之间的关系。

但实际判断还需要可比的观察。不能拿经验最丰富的小组使用完整配置后的产量，与新手什么都不准备的产量相比，就把全部差额归给工具和资料。任务难度、人员能力、投入时间或验收标准不同，都可能影响结果。后面的概率统计课程会进一步讨论怎样更可靠地做这类比较。

八、两个东西都有用，也可能主要在重复解决同一个问题

假设另一项任务需要整理标准化名单。小组可以使用 AI 提取字段，也可以使用一套现成规则转换工具。两者都能减少人工录入，但有一部分作用发生在同一个环节。

仍然比较准备已经完成后的一轮相同工时，设定不使用两者时能完成二十份，单独用 AI 能完成三十二份，单独用规则工具能完成三十一份，两者都用能完成三十六份，质量条件相同。

单独看，两项都有效；合起来的三十六份，也比任何一项单独使用多。但 AI 在没有规则工具时带来十二份增量，有规则工具时只带来五份。两项作用有重叠，不能在原来二十份之上，再把十二份和十一份增量相加，期待得到四十三份。

在这个例子中，另一项工具的存在减少了这一项的增量。这与上一节的正向互补不同，更接近两种方法部分替代同一项工作。是否值得同时使用，还需要比较多出来的几份成果与额外配置、检查和费用。

因此，“一起用比单独用效果好”并不足以证明互补。许多投入一起增加，结果当然可能更大；真正要比较的是一项投入的作用，是否因为另一项存在而增强。

同样，互补也不是整个工具永远不变的属性。在一个任务中，资料字段与 AI 提取可能互补；在另一个高度标准的任务中，人工编写的规则与 AI 提取可能更多地相互替代。关系取决于实际问题、投入水平和你衡量的成果。

这给工具选择带来一个实用提醒：每增加一个工具或角色，都要问它补上了哪个缺口，还是又在做已经有人处理的同一部分。前者可能让其他投入更有用，后者也许仍有备份或检查价值，但需要找到具体理由。

九、互补很强，为什么也不能直接决定全部投入

回到四种卡片配置。两项改进都做好以后，一轮十小时能完成五十五张，显著高于其他配置。但是前面的比较还没有回答：为了达到这个状态，需要付出多少准备？

现在补充条件。AI 流程需要十个人工小时配置，资料整理需要二十个人工小时准备，两项一起做需要三十小时；这些投入尚未发生，准备能覆盖本例比较的全部材料，只需在项目开始时做一次。此后每轮十小时的产量保持上一张表的水平。下面比较四条先完成所选准备、再持续制作的路径，不在中途更换配置。为便于计算，制作按完整十小时轮次进行，各轮都有足够需求和材料。

如果项目全部只有四十个人工小时，可以这样比较：

在这个预算和产量目标下，只启用 AI 流程反而最合适。两项都有时每轮产量更高，却用去了太多准备时间，最后只剩一轮制作。互补关系是真的，短项目中不选择完整配置也可以合理。

如果可用时间扩大到八十小时，且其他条件不变，四种选择的产量分别是：原方法一百六十张，只启用 AI 一百九十六张，只整理资料一百八十张，两项都做二百七十五张。这一次，前期投入有更多机会发挥作用，完整配置成为最优选择。

这说明专业化与互补为什么经常与规模联系在一起。有配套能力的流程可能在重复使用时很有优势，但第一次启动的成本，会影响它适合多长、多大的任务。仅看后续一轮的表现，很容易高估短任务采用它的价值。

这里的“最优”仍然只针对题设中的合格产量目标。若项目只需要五十张，更早完成、少用工时可能更重要；若资料本身还要供课程研究长期使用，它也有本表之外的价值，需要放进完整比较。

若准备早已做好，今天决定下一批怎么做时，也不能再把已经无法改变的三十小时收一次。这与前面沉没成本章节的道理相同。启动前评价整项投入，与准备完成后评价继续使用，站在不同的决策时点。

十、为什么投入配套以后，最初一段时间反而更慢

继续沿用上一节的条件。采用完整配置，需要先投入三十小时做准备。在这三十小时里，小组可能已经整理出字段体系、对应表和一套能运行的流程，但还没有开始本例所计算的完整制作轮次。

如果此时只按“已经完成多少张卡片”评价，它得到零张，而沿用原方法已经完成六十张。看起来，新方法把事情做坏了。但这段比较还没有体现前期形成的资料和流程会怎样影响接下来的生产。

到了累计四十小时，完整配置做出五十五张，原方法做出八十张；到了五十小时，完整配置做出一百一十张，原方法做出一百张；到了八十小时，分别是二百七十五张和一百六十张。在这些明确条件下，前期落后被后续更高的每轮产出逐渐弥补。

图中也保留了“只启用 AI 流程”的路线。五十小时时，这条路线已经做出一百一十二张，还略高于完整配置的一百一十张。完整配置超过旧方法，并不表示它已经超过所有其他选择。到了六十小时，完整配置的一百六十五张，才超过仅用 AI 路线的一百四十张。这里比较的是图中十小时整数节点。

类似的先投入、后见效过程，也出现在经济学对新技术的研究中。Brynjolfsson、Rock 和 Syverson 讨论了流程、人力资本等配套投入，及这些投入怎样影响人们观察到的生产率变化。我们这里的学生项目，是用一笔简单的时间账理解配套投入与最终成果之间的间隔。《The Productivity J-Curve》正式发表版摘要

但是，不能因此把所有前期低效都解释成有价值的准备。准备产生的东西必须有后续用途。资料表是否能够被新流程使用，检查方法是否真的减少返工，预计要处理的任务是否还会出现，都需要证据。写了很长的规划文件，并不自动等于形成了能提高效率的资产。

如果任务在四十小时就结束，后面八十小时处的优势只是一个没有实现的情景。如果规则变化让准备需要重做，或者后续质量达不到要求，曲线也会改变。因此，是否继续补配套，应当根据当前已验证的条件与未来需求来判断，而不是根据“先难后易”这类叙事。

对大学生来说，理解这个时间过程有两个实际作用：你不会只因为第一批慢就立即否定有证据支持的方法，也不会因为已经花了很多准备时间，就无条件为它继续追加资源。真正要跟踪的是，前期投入是否正在转化成可用的能力。

十一、AI 变得更容易使用，哪些东西可能随之更有价值

当一种能力的获得成本降低，与它配合的某些投入，可能变得更有用。小叶的资料包就是一个例子。

过去，一组核实后的观察记录可能只用于制作一张展板，想换成导览说明或不同长度的讲解，又要花较多时间重新组织。若工具能够低成本协助完成这些转换，一份质量可靠、结构清楚的资料，就有机会服务更多确实需要的成果。

这时，整理来源、记录观察条件和保留数据对应关系，可能比以前更值得。因为它们支撑的后续用途增加了。工具并没有凭空创造那次观察，也没有自动保证每种改写都准确；它使已有信息更容易进入不同的表达过程。

人的专业理解也可能发挥同样的作用。如果你知道一个项目最容易把什么混淆，就更容易向工具提供有用的限制，也更容易识别看似流畅却不成立的说明。专业知识的作用不一定表现为“比 AI 多背几个事实”，还可能表现为更会组织问题、判断证据和选择验证方式。

例如，面对一份数据报告，知道指标定义可能比多生成三种图表更有用。不同统计口径下，两张同名表可能并不能直接合并；理解这个问题的人，可以在开始处理前把口径说清。工具随后完成的计算和表达，就更容易对应原本想回答的问题。

这也是七门课程之间可以形成联系的地方。逻辑学帮助你检查结论与前提，概率统计帮助你理解不确定性，程序设计与软件工程帮助你把处理过程组织成可重复的步骤。这些知识并不是凭课程名称自动增值，而是在具体任务中提高其他投入的使用效果。

不过，不是所有旧技能都会因此更重要。如果某项工作主要依赖机械转换，且已有流程能够可靠完成，反复练习同一个转换动作的额外价值可能下降。你需要判断自己积累的究竟是对问题的理解，还是某个已经可以轻易替代的操作动作。

互补关系也不自动保证市场回报。一个资料包可以支持许多输出，但如果没有人需要这些输出，使用次数增加不等于成果价值增加。这里讨论的是一种可能提高作用的关系，最终仍要回到真实问题和需求。

十二、专业化怎样避免变成脆弱的依赖

专业化让人更有效地处理一类工作，也可能使整个项目依赖少数关键能力。比如只有一位同学知道照片编号怎样对应原始记录，其他人都只能等待他来解释。这个同学个人越来越熟练，团队却可能越来越容易因为他暂时没空而停下来。

对 AI 流程也是如此。如果任务只能在一个很长的旧对话里继续，输入资料没有另存、规则也没人说得清，那么它可以暂时运行，但换人或换工具就可能困难。把一次成功保存为可理解的材料、步骤和检查方法，才能让它成为较稳定的能力。

这不要求每个人都掌握所有环节。一个小组可以有专门处理数据的人，同时让其他人理解输入是什么、关键字段表示什么、结果如何判断，以及出错后应该回到哪里查。大家不必具备完全相同的熟练程度，但需要有足够的共同理解来配合。

可以把这种安排理解为：在某个方面持续深入，同时保留与周围工作的连接。小叶不一定要成为程序开发专家，但如果他理解数据字段与模板之间的对应关系，就更容易判断新增一列资料会影响什么，也更容易把问题说明给能修改程序的人。

一个人独立使用 AI 时，同样需要这类连接能力。你可以让工具写出代码，但最好能围绕自己的任务说明，输入怎样进入处理、输出准备给谁使用、遇到异常如何发现。理解不必覆盖每一条底层细节，却应当足以支撑你准备作出的决定。

适度的备份能力也有价值。不是让两个人每天重复同一份工作，而是在关键步骤上有一个能够接手的人，或者一份经过实际使用的说明。它会增加一些平时投入，但可能减少临时中断造成的损失。是否值得投入多少，后面关于不确定性与预期收益的章节会提供进一步的分析工具。

十三、从一个完整的小任务开始形成自己的配套

听完专业化和互补，很容易觉得需要先建资料库、写规范、学工具、设计系统，最后才能开始。实际工作通常可以从一个有明确终点的小任务出发，边完成边识别什么值得积累。

比如，小叶先完成一组可以展示的卡片。在过程中记录三类情况：哪些要求每次都要重新解释，哪些错误反复出现，哪些已整理材料在多处被使用。这些重复出现的地方，才是考虑统一字段、模板或检查方法的具体依据。

接下来挑一项影响明显、范围可控的改进。例如先统一照片编号，看看照片与记录是否更容易匹配。若匹配已经顺畅，整张卡片却仍处理得很慢，就要继续找时间花在哪里，不能把两个结果混成“统一编号没有用”。

假设小叶发现，检查说明时仍要翻找原始记录，因为编号对应表里没有来源位置。他可以把对应文件和记录位置补入表中，让生成说明与检查都使用这份对应关系，再观察是否减少了寻找依据的时间。统一编号解决的是“哪张照片对应哪条记录”，来源位置解决的是“到哪里核对这条记录”。两项改进沿着同一个制作与核验过程配合，才可能让整项任务更顺畅。

观察互补关系时，可以参考前面的四格思路。选择几组难度接近的任务，分别尝试现有方法、单项改进和配合改进，记录准备时间、实际投入和合格成果。人员熟练度与材料差异会影响结果，小规模尝试首先用于发现值得继续验证的关系，不必立刻把一个漂亮的数字当成普遍规律。

也要保留最初的任务目标。整理资料是为了让实际处理更有效，写检查规则是为了提高结果可靠性。若某项配套没有帮助当前任务，也看不到可信的后续用途，就可以缩小或暂缓，不需要为了“系统完整”把每一个想得到的组件都做出来。

另一方面，有些知识的价值确实需要在多个任务中慢慢体现。课程学习、对数据的理解和工程习惯，不必每次都立刻兑换成节省几分钟。你可以给它们持续的学习空间，同时通过真实任务观察：自己是否看到了以前忽略的问题，是否能更有依据地解释和修改结果。

专业化的积累与互补关系的形成，往往就在这样的往返中发生。一次任务提供问题，知识帮助解释问题，改进形成新的方法，下一次任务再检验方法。你会逐渐拥有一套适合自己的能力，而不只是越来越长的工具清单。

十四、练习与参考分析

练习一：最后一批的速度，是否代表整个学习过程

你连续完成四批任务，每批十份，平均每份耗时依次为二十、十六、十二、十二分钟。另外花一百分钟整理错误与改进流程。如果旧方法始终每份二十分钟，整个过程实际节约多少时间？能否说四十份都是按每份十二分钟完成的？

**参考分析：**四批直接处理共二百加一百六十加一百二十加一百二十，合计六百分钟；加上改进投入，总共七百分钟。旧方法完成四十份需要八百分钟，因此净省一百分钟。

全程平均每份是十七点五分钟，不是十二分钟。十二分钟描述最后阶段的当前表现，可以帮助估计相似后续任务；十七点五分钟包含为了达到这种状态付出的探索与改进，更适合评价这次完整安排。不能用后期表现抹掉早期投入，也不能因早期比较慢就认定没有学会。

练习二：专用方法在小项目中是否划算

现有方法每份九分钟，配置专用流程需一百二十分钟，之后每份五分钟。假定质量相同，只有真实需要的成果才有价值。后续做二十份或五十份时，分别该怎样判断？若五十份期间还要额外维护一百分钟呢？

**参考分析：**专用流程每份省下四分钟，做满三十份，才能抵回一百二十分钟的配置投入。二十份时，现有方法需一百八十分钟，专用流程需二百二十分钟，后者多四十分钟。五十份时，两者分别为四百五十和三百七十分钟，专用流程省八十分钟。

若另需一百分钟维护，五十份的专用流程总时间升到四百七十分钟，比现有方法多二十分钟。判断改变的原因是新增的维护工作，不是“专业化失效”这种抽象说法。也不能为了跨过持平点，去生产没有实际用途的额外成果。

练习三：四个数字怎样说明互补

在同等工时与质量要求下，原方法完成十份成果；只改进资料完成十六份；只用新工具完成十四份；两项都做完成二十七份。资料与工具在这组数据中是否呈现互补关系？能否因此直接决定两项都投？

**参考分析：**资料未改进时，新工具增加四份；资料改进后，新工具增加十一份。后者比前者多七份，因此资料改进增强了工具的增量作用。反过来，资料改进在没有工具时增加六份，有工具时增加十三份，差额也为七份。

两项合计使产量比原方法增加十七份，而两个单项改善相加是十份，多出来七份。但是否值得一起采用，还要看启动成本、维护、需求数量、时间预算和其他用途。四格表先描述运行条件下的配合关系，不能代替完整投入决策。

练习四：同时使用最好，就一定是互补吗

在同等工时与质量要求下，不使用两项工具时产出十五份，只使用 X 为二十四份，只使用 Y 为二十五份，同时使用为三十份。有人认为三十最大，因此 X 与 Y 必然互补。问题出在哪里？

**参考分析：**X 在没有 Y 时增加九份，有 Y 时只增加五份，增量反而减少四份。Y 的增量也从十份下降为六份。因此在本例的衡量方式下，两种工具的作用有重叠，没有呈现上一题那种正向互补。

两者都用的产量仍然最高，所以同时使用也可能值得，前提是多出的五份或六份成果足以支持额外投入。把“有没有互补”和“最后要不要一起用”分开判断，能避免把一个有用的关系概念变成僵硬的选择口号。

练习五：准备已经完成，是否还应该重新收费

沿用正文的卡片配置：原方法每十小时产出二十张，只用 AI 为二十八张，整理资料并使用 AI 为五十五张。小组已经花三十小时完成两项准备，没有可以收回的投入，现在还剩二十小时，任务需求足够。有人查到“从零开始、总共五十小时，只用 AI 可做一百一十二张，比完整配置的一百一十张多”，于是建议放弃完整配置。这个建议成立吗？

**参考分析：**不成立。那个一百一十二张的方案，是在最初决定只准备 AI 流程时可以走的路径，不能在第三十小时把时间退回去重新执行。

今天的完整配置已经可用，剩下二十小时可以产出一百一十张。若退回只用 AI 的方法，同样二十小时只有五十六张；若退回原方法则为四十张。前面三十小时对当前已经无法收回，不应再作为未来使用完整配置的一笔新增费用。

这也不证明最初的完整投入一定正确。是否一开始就该采用它，需要回到当时的期限、需求和信息另作复盘。评价启动与评价继续，可以得到不同答案。

练习六：怎样判断形成了能力，还是留下了一个只能本人操作的流程

同学甲用一个很长的对话完成了多次任务，但输入材料、重要规则和检查方法都没有另存。换人后大家很难接手。同学乙单次操作未必更快，却保留了清楚的数据含义、合格样例和几项关键检查，并让另一位同学实际接手完成过一次。怎样评价两者积累的差别？

**参考分析：**甲可能形成了个人熟练程度，不能因缺少文档就否定他的能力。但从团队角度，他的方法依赖个人状态，换人或换环境时存在额外成本。乙把一部分经验转成了别人能使用的资料和方法，因此更容易支持持续协作。

仍然要看维护这些资料花了多少时间、是否对应真实接手需求。不是文档越长越好，也不是任何小任务都需要完整系统。让别人实际完成过一次，是有价值的证据，因为它检查了输入、规则和质量判断能否在原作者之外继续发挥作用。

这个例子说明，专业化的价值可以体现在个人效率，也可以体现在团队可复用的能力。两者都重要，具体项目需要怎样的组合，要看它的持续时间、参与方式和成果用途。

---

把专业化与互补带回学习和使用 AI 的过程，可以从两件事观察自己：是否在某类问题上积累了越来越清楚的方法，以及这些方法是否让工具、资料和已有知识更容易一起发挥作用。需要投入多少、投入到哪里，仍然由具体任务和后续用途来决定。

下一章进入“不确定性与预期收益”。前面为看清关系，使用了明确的效率和产量；真实任务中的需求、成功概率与剩余成本往往无法确定，需要进一步学习怎样在这种条件下比较选择。