真正的問題不是「有沒有使用 AI」，而是：
一、為什麼有人真的會「越用 AI 越不動腦」？
最典型的是把 AI 當成答案機器。
以前遇到一個問題：自己理解 → 查資料 → 比較 → 推理 → 寫答案
現在變成：問 AI → Copy → Paste
於是中間大量認知活動被外包了。長期如此，確實可能弱化幾種能力：主動回憶、獨立組織觀點、長篇閱讀、自己推理、判斷信息真偽、面對困難問題時持續思考的耐性。
這和 GPS 很類似。以前每天自己認路，腦中會形成城市地圖；長期完全依賴導航以後，對道路的記憶可能變差。所以，「AI 可能讓某些能力退化」這個擔憂，本身是合理的。
二、但是同一個 AI，也可能產生完全相反的效果
關鍵就在 Co-thinking。
例如討論：「Clark 應該不應該建立 50 人的 AI 製造團隊？」
A 類使用者
直接問：「幫我分析 Clark 成立 50 人 AI 團隊的優缺點。」然後閱讀答案。
B 類使用者
自己先提出：「我認為應該成立，理由有 A、B、C。」然後要求 AI：
「找出我遺漏的方案。」「指出我的認知偏誤。」「提出最強反方意見。」「假設一年後失敗，倒推 5 個原因。」「如果只有 10 個人，如何達到 50 人的效果？」
自己再根據 AI 意見修改判斷。
同樣使用 ChatGPT 一個小時：A 可能越來越依賴 AI；B 反而可能比以前思考得更深。
三、真正應該擔心的不是「AI 使用量」，而是「認知參與率」
低認知參與 人 5% + AI 95%
「幫我寫完。」人只負責複製。長期確實有「腦筋生鏽」的風險。
中認知參與 人 30% + AI 70%
「我有這個想法，你幫我完善。」已經比較好。
高認知參與 人 ↔ AI 反覆循環
人提出 A → AI 提出 B/C → 人選擇 → AI 反駁 → 人補資料 → AI 重新推理 → 人最終決定
四、這與「計算器會不會讓數學能力退化」非常類似
計算器普及以後，我們確實比較少進行複雜手算。所以：手算能力可能下降。
但是一個財務主管因此可以把時間投入：財務分析、投資判斷、情境模擬、經營預測。
所以問題不是：「能力有沒有退化？」而應該問：「低階能力被機器接管以後，人有沒有把認知資源遷移到更高階能力？」
AI 也是如此。未來可能：減少背資料、查資料、整理資料、初稿寫作。同時應該增加提出問題、建立假設、比較方案、發現矛盾、判斷真偽、挑戰觀點、做最終決策。如果只發生前半段，沒有發生後半段，人的確可能變笨。
五、「腦筋生鏽論」最大的誤區，是把「思考」定義得太窄
以前我們認為：自己寫文章 = 思考。其實未必。一個員工花 3 小時自己寫 3000 字，也可能只是在重複過去知道的東西。
反過來，一個主管把自己的觀點交給 AI：「提出 5 個我沒有想到的解釋。」「站在反方攻擊我。」「找出這個推論中的因果錯誤。」「如果條件改變，結論是否改變？」然後與 AI 來回 20 輪。
六、人格特質的重要性
適合 Co-thinking 的人具有：有主見，但沒有執念。
這種人遇到 AI 不會想：「你替我想。」也不會想：「我要證明你是錯的。」而會想：「你看到了什麼是我沒有看到的？」然後自己決定要不要接受。
行為
長期風險
排斥 AI
AI 有幻覺，所以少用
錯失認知槓桿
AI 說什麼就是什麼
判斷力退化
Co-thinking
AI 擴展，人判斷
認知能力增強
七、建議員工「多用 AI」，但改變使用規範
不要規定：「每天最多用多少 AI。」而應該訓練：重要問題不能只讓 AI 給答案，必須讓 AI 挑戰你的答案。
可以養成一個簡單的1-3-1 習慣：
1：人先提出一個自己的判斷
3：要求 AI 做三件事 → 補充、反駁、提出替代方案
1：人最後形成自己的結論
八、未來真正會出現兩類人
五年、十年以後，可能不是：使用 AI 的人 vs 不使用 AI 的人。而是：
第一種：AI 依賴者——AI 越來越聰明，自己越來越不判斷。
第二種：AI 增強者——AI 越來越聰明，自己提出的問題越來越深、比較方案越來越多、判斷越來越成熟。
◆ ◆ ◆