你的话越来越清楚，听懂的人却越来越少
—— AI高效进化论
“那个我弄了一下，你回头看一下。”
同事从屏幕前抬起头：“哪个？”
“就那个啊。”
“哪个那个？”
我张了张嘴，卡住了。脑子里明明有，可我压根没准备说清楚。
因为就在半小时前，我在另一个对话框里只打了十个字——“帮我写封邮件，客户延期”。那边二话没说，道歉、原因、新排期、补偿方案，一整段全替我写好了，连落款都想着。
而且它从来不会回我一句“哪个那个”。
十个字就能办成的事，我为什么还要说第二遍。当时我真是这么想的。
后来我才反应过来，问题就出在这儿。
01 · CHAPTER ONE
点题 · 命名
我把这种状态，叫「填空式表达」。
不是你不会说话。是你习惯了把话说成填空题——给个线索，剩下的让对方自己填。
跟 AI 说话，这招好使到让人上瘾。你把背景省掉，它自己猜；你给个模糊的词，它反过来问你要不要这样理解；你说“随便写点什么”，它真能给你写出三段来。它是这个世界上最有耐心的补全者：不累，不烦，从不皱眉，也永远不问你一句“哪个那个”。
麻烦在于，我们把这套说法原封不动搬到了人身上。
而人不会补全。人只会——要么猜错，要么累到放弃。
更要紧的是另一件事：人会给你负反馈，AI 不会。
你说半句话，对面皱一下眉，你就知道得补一句；对方追一句“哪个那个”，你就知道自己漏了。这些不起眼的卡顿，一直在替你校准同一件事——这个人跟我之间，哪些话必须说出口，哪些可以省。
AI 把这套校准系统整个拔掉了。它永远接得住，于是你永远不知道自己说少了。
— 左边是搭桥：石头要你自己放；右边是补全：路已经铺满（意象图）
02 · CHAPTER TWO
由浅 · 破除一个误区
很多人觉得，表达是个“把话说完整”的技术活。所以 AI 帮得上大忙，毕竟它最擅长的就是把不完整的东西补完整。
但表达的难点从来不在“完整”。
1974 年，语言心理学家哈维兰德和克拉克做过一个特别朴素的实验（Haviland & Clark, 1974，Journal of Verbal Learning and Verbal Behavior）。他们给受试者读两组句子，量的是“你觉得自己听懂了”要花多久：
第一组：“我们从后备箱里拿出了几瓶啤酒。啤酒是温的。”
第二组：“我们检查了一下野餐要带的东西。啤酒是温的。”
两组的第二句一模一样。但读第二组的人，明显要慢。
多出来的那点时间，花在了一件事上：你得先在脑子里补一句“野餐要带的东西里，应该有啤酒”。这一步你自己都察觉不到，他们管它叫“搭桥”。
搭一次桥，很快。但一段五分钟的对话里，如果要搭几十次这样的桥，对方不会当场听不懂，只会累。累到某个点，他就放弃理解了。
这就是为什么有人讲得句句清楚，你却全程走神。你的脑子一直在偷偷施工，只是你自己察觉不到。
而 AI，是一座你自己不用动手、它自动架好的桥。
你扔半句话过去，它把缺的背景、缺的语气、缺的逻辑，全部自己补上。你甚至不需要知道自己省略了什么——它不问，它直接填。
问题不在它替你搭了桥，而在它从不告诉你桥搭歪了。
真人听不懂的时候会给你信号：皱眉、追问、答非所问。这些信号很烦，但正是它们教会你，哪块石头该多铺一块。AI 从不给。你把话说得越来越短，它接得越来越顺，你就以为自己一直说得很清楚。
因为你省略的每一次，本该是你练习“在别人脑子里施工”的一次机会。现在这些机会，全被接走了。
说来惭愧，我自己就是这样。以前给同事发消息，我会顺手把前因后果写清楚——“上次那个客户，就是嫌报价高的那个，我重新算了，周三前给你”。现在经常是“那个报价我改了下，发你了”。我一直以为这叫效率，直到有次同事回我一句“哪个报价”，我才反应过来：我已经默认对方能补全。
而 AI 确实每次都能补全。可同事不是 AI。
03 · CHAPTER THREE
入深 · 机制拆解
这件事，最近开始有人测了。
先说一组互相打架的数字。 2025 年 ChatGPT 满三周年的时候，咨询机构 Adaptavist Group 做了一份调查，问了英国、美国、加拿大、德国的 4000 名知识工作者和 900 名企业负责人（《Digital Etiquette: Unlocking the AI Gates》，2025）。结果里有一组数字，看着是矛盾的：
65% 的人说，用了 AI 之后自己写出来的东西更清楚了；55% 觉得同事说话也更清楚了；49% 说自己讲得更简洁。
但同一份报告里：32% 的人说，用了 AI 之后跟同事说话变少了；26% 的人承认自己变得更不礼貌了（在负责推 AI 的那批人里，这个数字是 39%）；还有 26% 的人说，比起跟同事闲聊，他们更愿意跟 AI 聊。
写得更清楚，跟人说话更少。这两件事，同时发生在一群人身上。
你大概会问：这是不是就说明，AI 让人不会说话了？
先别急着下这个结论。
首先，这是问卷，问的是“你自己觉得”，没有基线，也没有对照组。觉得自己写得清楚，跟对方真的听懂了，是两回事。
其次，这几个数字可以反着读：32% 的反面，是 68% 的人跟同事说话没变少；26% 的反面，是 74% 的人没变不礼貌。
还有一条更要命的：因果方向可能正好反过来——本来就不太爱跟人说话的人，更容易一头扎进 AI。这在统计上叫选择效应，它让“谁先谁后”彻底说不清。
再往大里说一句：人跟人当面说话变少这件事，在 AI 之前就发生了。远程办公、群里 @ 一下就算交代、开放式办公室里人人戴耳机——这些比 ChatGPT 早得多。AI 更可能是加速器，不是起点。
所以“变好”和“变坏”也许同时在发生，但这份问卷分不开它们。
真正值得警惕的，是另一条更细的线索。
AI 不只是补全者，它还在悄悄改变你说话的方式。 2025 年，研究者 Eragamreddy 分析了一批真实的人机对话记录（WildChat 与 OpenAI 的匿名日志），主题是 AI 对人类“语用能力”的影响——语用能力说白了就是“看人下菜碟”的本事：什么场合说什么话，什么话该说给谁听，哪句得绕着说（Eragamreddy, Journal of Teaching English for Specific and Academic Purposes, 2025, 13(1), 169–189）。
结论有两层。第一层关于 AI：它在处理直接的请求时表现很好，一遇到间接、含糊、带文化差异的话就明显吃力。第二层关于人：因为 AI 吃力，人会不自觉地把话说简单——你说得越直白，它越听得懂。研究者担心的是，久而久之，人的语用能力会被慢慢磨平。
翻译过来就是：为了让它听懂，你开始用它的方式说话。而它的方式，是没有对象感的。
— 同一份调查里，两组打架的数字（数据来源：Adaptavist Group 2025, n=4,900）
还有个更日常的问题。AI 特别爱给你完整的理由——你问它一个问题，它回你五条六条，条条在理。
但说服这件事，理由不是越多越好。
1981 年，心理学家尼斯贝特和同事发现了“稀释效应”（Nisbett, Zukier & Lemley, 1981）：当你把一条很有力的理由，和几条不痛不痒的理由放在一起时，整体的说服力反而下降。因为人的判断是按平均值算的，不是按总和。多说的那两条，拉低的是平均分。
这个效应后来被反复验证——研究者 Sivanathan 在 Nature Human Behaviour 上的研究就显示，药品广告如果把严重的副作用和轻微的副作用一起列出来，人们反而觉得这个药没那么危险（Sivanathan, 2017）。清单越长，平均下来越轻。
而人的工作记忆，同一时刻能稳稳拿住的信息组块，大约就在四个左右（Cowan, Behavioral and Brain Sciences, 2001；他给的范围是 3–5）。超过这个数，前面的会被后面的挤掉。
讽刺就在这儿：AI 最擅长给你“完整”——五条理由、三个维度、首尾呼应。它把话补得又全又满。可恰恰是这种完整，一边稀释你的重点，一边挤爆对方的四个抽屉。
你把“补全”交给了 AI，AI 还给你一份完完整整、但没人听得进去的东西。
不过写到这里，我得给自己踩一脚刹车。
上面这些研究，没有一条能证明“用 AI 导致人变笨”。Adaptavist 那份是问卷，Eragamreddy 那篇是初步分析，都还没到能下因果结论的程度。而且说实话，AI 确实帮很多人把话说得更体面了——一个不善言辞的人，靠它把邮件写得清清楚楚，这是实打实的收益。
更要紧的一条边界是：AI 不只是补全者，它也可能是更自我的建议者。
还有一条旁证，它只能算旁证。卡内基梅隆大学人机交互研究所 2025 年的实验里，推理能力更强的大模型在需要合作时明显更自私——共享率只有 20%，而不带推理能力的模型是 96%。
这项研究测的是 AI 自己，不是人。但它提醒了一件事：当你把“这话该怎么跟他说”也甩给 AI，那个替你出主意的家伙，本身可能就比你更不在乎那个人。
所以真正的问题，不在“要不要用 AI”。
在于你有没有意识到，你每天练习表达的对象，已经从“一个会累、会猜错、会放弃的人”，换成了一个“永远不累、永远能补全、永远不反问你‘所以呢’的程序”。
前者逼着你学会施工。后者让你忘了还有施工这回事。
04 · CHAPTER FOUR
方法 · 拿回“对象感”
先说一条我自己用的分界线，你可以拿去量：
跟 AI 说话，你可以只给线索，让它补全——这是它的活，它干得好。
跟人说话，你得自己先把桥搭好——因为对方不会替你补，也补不动。
同一件事，两套说法。混用的那一刻，就是「填空式表达」开始的地方。
尺子有了，下面是几件我自己在做的事——没有标准顺序，你挑顺手的先来。
做法一 · 给 AI 留线索，给人先搭桥
原理 · AI 的强项是补全，人的弱项恰恰是补全。跟 AI 说话，你给得越少、它反问得越多，效率反而更高；跟人说话，你省下的每一句，都是对方要自己补的一句。
场景 · 明天要跟领导说项目延期。别开口就是“那个项目可能要晚两天”。
操作 · 开口前先给一句“抽屉”——一句话，最好不超过十五个字，说清这是关于什么、是好是坏、要占多久。“有个坏消息，关于项目排期，一分钟。”就这半句，替对方省掉了“猜”的成本。然后直接给终点，再给理由。顺序一换，同一件事，对方的接受度完全不一样。
做法二 · AI 出完稿，你再做一次减法
原理 · 稀释效应和四个抽屉，AI 都不管。它只会给你更多。
场景 · 你让 AI 写一段说服同事的话，它给了你五条理由，条条在理。
操作 · 砍到最多三条。只留最硬的那三条，剩下的全删——它们在拉低平均值。然后在最前面手动加一句抽屉和一句结论。这件事 AI 做不了，因为它不知道这三条里，哪一条对你那位同事最管用。
做法三 · 每周三次，说完后要一句真话
原理 · 对象感是高度认人的——你对上司练出来的那套，不会自动给到伴侣。它还得靠反馈才能长：你想了“他会不会接不住”，得有人告诉你猜对了没有。AI 永远不会告诉你。
场景 · 今天有一件事需要跟人解释。
操作 · 先别打开对话框。自己想一分钟：他是谁，他现在可能是什么状态，他最在意什么，我这句话他会不会接不住。想清楚了再说。说不清楚的，宁可打电话，别发消息——电话里你能听见他的停顿。
关键 · 说完了，向对方要一句真话——“我刚才哪句让你听着不舒服？”没这一步，前面那些只是重复，不是练习。一周三次，比每天一次有用得多。
— 搭桥这件事，得你先放第一块石（意象图）
05 · CHAPTER FIVE
升华 · 心里装没装着那个人
回头看，「填空式表达」最隐蔽的地方，是它让你觉得自己在变高效。
你的话确实更清楚了、更完整了、更体面了。65% 的人都这么觉得。可与此同时，32% 的人跟同事说话更少了，26% 的人变得更不礼貌了。
“把话说清楚”变便宜了。
“让某一个人听懂”没有。
因为表达真正难的地方，从来不在句子本身。在于你要在开口之前，先在心里装一下那个人——他今天累不累，他上次被谁气过，他最怕听到什么，他现在还剩多少注意力。
这件事 AI 帮不了你。它有多聪明都没用，因为它根本不认识他。
而且它连“我没听懂”都不会说。它不皱眉，不追问，不会回你一句“哪个那个”。它把一切都补得太顺滑了——顺滑到你根本意识不到自己漏了什么。
所以「填空式表达」这个词，说的其实不是表达能力。说的是，你开口的时候，心里还装不装着对面那个人。
以及，你身边还有没有人，会当面告诉你：你没装上。
— 桥的两头，各亮着一盏灯（意象图）
∞ · POSTSCRIPT
写在最后
最后我不想给你一句“从今天起少用 AI”的口号，那既轻巧又做不到。
我只想留一个问题，你不用现在答。等你下次要给谁发消息的时候，想一下就行：
上一次，你为了让某一个具体的人听懂，
专门把一句话重新说了一遍——是什么时候？
你省下来的那次“重新说”，是腾去想更重要的事了，
还是只是腾给了另一个对话框？
这道题没有标准答案。但你诚实回答的时候，那个停顿本身，就是答案。
如果这篇让你在下次发消息前停了三秒，转给那个总把话说一半的人——他可能也正等着有人把后半句补上。
我是 AI高效进化论，热衷于分享 AI 观察与干货。
如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。