设想这样一个场景：你用 AI 读完一篇长文章的摘要，觉得自己抓住了核心观点，随手转发到朋友圈或者工作群，配一句“这篇讲得挺好”。整个过程不到十分钟，你会有一种做完了一件正经事的满足感。
但一周后，如果有人问你这篇文章到底讲了什么，你大概率答不上来。
这不是个例。越来越多研究开始证实这是一个普遍现象。AI 让人变懒，这件事本身不算新鲜——懒惰是人类几千年来一直有的天性。它真正改变的东西，是让懒惰第一次能够伪装成高效，而且伪装得几乎天衣无缝，连使用者自己都很难察觉。
表现悖论：做得更快，学得更少
这里有一个反复被验证的现象，学术界叫它“表现悖论”：AI 辅助可以立刻提升你在当下这个任务上的表现，同时又在悄悄损害你长期的、可迁移的学习和理解能力。
这不是空泛的担忧，背后有实验数据。麻省理工的一项研究让参与者分别用 ChatGPT、传统搜索引擎，或者完全不借助任何工具来完成写作任务，同时用脑电图监测他们的神经活动。结果是，用 ChatGPT 写作的那组，大脑参与度最弱。更关键的是，当研究人员随后要求他们脱离 AI、独立重写同样的内容时，这组人不仅大脑连接性明显下降，甚至想不起来自己刚刚“写过”的内容。研究者把这种现象叫作“认知负债”：今天用 AI 省下来的脑力，某种程度上是在向未来的自己借债，这笔债迟早要还。
另一项针对编程学习的研究做了一个更巧妙的实验：先让学生在 AI 辅助下完成任务，再要求他们脱离 AI，独立完成一个类似但更简单的延伸任务。结果不少学生在有 AI 帮助的时候表现出中高水平的自信，一旦撤掉 AI，连基础的延伸任务都完成得磕磕绊绊。这背后是一种典型的认知偏差：人们把“AI 帮我把事情做成了”，误判成了“我已经掌握了这件事”。
有一份综合了多项研究的报告，用一个更精确的说法概括了这个问题：学习的本质依赖“生成性加工”，也就是学习者自己主动建立信息之间的联系、赋予意义、做出论证的过程。摘要式阅读或者 AI 代写，恰恰把这个最费力、也最关键的环节直接跳过了。你读到的是别人（或者 AI）已经消化好的结论，你的大脑没有经历那个真正“学会”一件事所必须经过的摩擦。
这大概解释了为什么“十分钟读完摘要”会给人一种扎实的高效感：整个过程确实完成了信息的输入和输出，只是跳过了中间最难、最累，但也最有价值的那一步。
一个容易被忽略的反驳：是 AI 的问题，还是你的问题
不过，如果就此把所有责任都推给 AI 本身，这个结论又显得太简单了。
有一项关于人机协作的行为学研究，发现了一个挺有意思的现象，叫“加速幻觉”：人们普遍预期 AI 会让任务完成得更快，即使实际情况并非如此。研究进一步拆解发现，AI 辅助确实会持续降低人们完成任务所需要付出的努力，但并不总是真正缩短完成时间。过程变轻松了，这是真的；但省下了多少时间，其实是一种主观错觉。
这个发现把矛头部分转向了使用者自己的心理机制，而不完全是 AI 本身。也有学者提出，认知外包这件事本身并不必然有害，真正决定结果好坏的，是被节省下来的心力有没有被重新投入到别的、真正有价值的事情上。用 AI 省下来的十分钟拿去刷了十分钟短视频，伤害是真实的；如果拿去做了更深层的思考或实践，认知外包反而是一种合理的效率工具。
这个视角挺重要，它提醒我们，问题的根源可能不完全在于用没用 AI，而在于省下来的时间去了哪里。这也是为什么单纯呼吁“少用 AI”往往没什么效果，真正的干预点，应该是使用者对自己注意力和时间的管理方式。
更深一层：没有人有动机戳破这个幻觉
如果只停留在认知科学层面，这个话题会显得像是个纯粹的个人自律问题。但往下再挖一层，会发现一个更棘手、也更难解决的结构性问题。
2026 年的注意力经济，已经从单纯抢夺用户的时间，升级成了抢夺用户的感觉。行业分析普遍指出，AI 让内容生产的边际成本趋近于零，平台算法因此系统性地奖励那些能带来即时情绪共鸣、高完成率、强互动的内容，而不是那些需要用户投入更多时间深度理解的内容。订阅制商业模式之所以能持续跑赢一次性交易模式，本质上正是因为它把用户转化成了长期高频互动的关系，而不是完成一次任务就走的关系。
这意味着一个相当残酷的事实：能让用户十分钟内自我感觉良好、顺手转发的产品，在增长曲线和商业指标上，天然比那些让用户读完还要停下来想半小时的产品表现更好。没有哪个主流商业主体天然拥有动机去主动戳破这种效率幻觉，因为戳破它就意味着增加用户使用产品时的摩擦感，而摩擦感正是这些产品从设计源头就在拼命消除的东西。
这一点值得特别说明一下：支撑这个判断的，更多是行业观察和商业逻辑分析，而不是像“表现悖论”那样有严格对照实验支撑的因果证据。它的说服力来自逻辑推理和行业结构的一致性，不是一篇可以直接引用的实证论文。这是全文里相对最脆弱的一环，读者不妨保留一份审慎。
历史怎么看这件事
把视野拉得更长一点，会发现这种争论其实一点都不新鲜。苏格拉底担心文字书写会摧毁人类的记忆力，计算器普及后有人担忧心算能力退化，搜索引擎时代又有过关于“数字失忆”的讨论。每一次新的信息中介工具出现，几乎都会引发同一种焦虑：我们是不是正在失去某种重要能力。
历史给出的结论，往往不是工具最终被淘汰，也不是人类能力真的全面退化，而是社会重新划定了一条边界：哪些东西值得继续留在脑子里，哪些东西可以放心地交给工具去做。书写没有摧毁记忆力，它把记忆的对象从逐字背诵，转移到了理解和推理这个更高的层次。
所以，面对 AI，真正值得追问的问题，也许不是“AI 会不会让人变笨”，而是这一次我们能不能来得及主动划出那条边界，还是任由前面提到的商业激励结构替我们悄悄划定它。
所有证据都指向的一个共识
把上面这几层证据放在一起看，有一件事是所有角度——强调认知损害的研究者、为个体选择辩护的怀疑论视角、分析商业动机的经济学角度——都反复验证、没有人反驳的：感觉更轻松、更快，和真实节省的时间与获得的能力之间，存在明显的脱节。
这块地基相当扎实，也正因为如此，它才值得被认真对待。AI 让懒惰看起来像高效，不是一句情绪化的批评，而是一个有多重独立证据支撑的观察。
那么具体应该怎么做
基于以上这些证据，有几个成本很低、但确实有效的调整方式。
读完 AI 摘要或者研究结论，给自己加一道强制复现测试：合上内容，用一两句话口头或者书面复述核心观点和支撑证据，再回头对照原文检查有没有偏差。这个动作只需要几十秒，但恰恰对应了前面提到的那个被证明确实有效的干预方式——研究显示，一旦流程里加入脱离工具独立复现这一步，认知层面的负面效应会明显被抑制。市场上几乎不会有产品主动替你加上这一步，因为它必然会拖慢你使用产品的速度，而这正是产品在商业上极力避免的。这一步只能靠自己主动加进去。
区分“任务完成”和“内容内化”这两种使用场景。用 AI 快速查一个技术方案的优缺点、做决策支持，是合理且高效的认知外包，不需要额外的复现步骤。但如果目的是要形成自己长期可用的判断力或专业积累，就得留出一段脱离 AI 的独立消化时间，哪怕这会让整个流程明显变慢。
对“读完就想转发”这个冲动本身保持一点警觉。这个冲动很可能正是效率幻觉被激活的信号，而不是真正理解之后自然产生的结果。一个简单可行的自我检验规则是：分享之前先问自己，不看原文，我能不能把核心内容复述给别人听。答不上来，就先别急着转发。
一个诚实的补充
支撑上述结论的实证研究，大多来自教育和写作场景，比如学生完成论文或者编程作业。把它直接套用到刷手机读摘要、随手转发这类更随意的日常场景，存在一定的外推风险，两者的任务结构和使用动机并不完全一样。另外，现有研究普遍把“AI 使用者”当作一个同质化的整体来讨论，几乎没人深入追问过：这种效率幻觉，对所有人的影响程度是不是一样。原本就具备较强判断力、更擅长识别“我是不是真的懂了”的人，受到的影响可能远小于那些缺乏这种自我觉察能力的人。这是目前整个讨论里最大的一块空白，也是未来最值得深挖的方向。如果效率幻觉的强弱因人而异，那么真正的解法，或许不在于限制 AI 工具本身，而在于每个人有没有能力，诚实地判断自己到底懂了没有。
这大概才是这场讨论最终该抵达的地方：不是把 AI 当作敌人，也不是完全放心地把判断力交给它，而是清醒地知道，哪十分钟的“高效”是真的在替你节省时间，哪十分钟的“高效”只是让你感觉良好，却什么都没留下。