如果和AI搭档完成一件事，你希望自己做哪部分，AI做哪部分？
这个问题底下藏着一个预设：人和AI的分工是任务类型的切分——人做创意，AI做执行；人做判断，AI做计算。
我觉得这个预设就错了。
分工的边界不是"什么任务"，而是"什么认知状态"。换句话说，不是你做什么、AI做什么，而是"你是否在判断"。
一、人该做的四件事
我有个AI搭档叫灰灰，用了半年多，每天跟我一起处理各种研究课题。慢慢搞清楚了一件事：人该做的，是四件AI目前做不到的事。
第一，持续目标维护。AI是被动响应的，你不问它它不动。就算那些看起来很主动的agent框架，目标也是人类赋予的。你有自己的事想干，这个"想"是内生的。
第二，知道自己不知道什么。人有一个稳定的内部模型，"这件事我懂，那件事我不懂"。AI每次推理是独立的，聊完就忘，没有一个持续的"认知自我"。
第三，能停下来。没有规则可循的时候，人可以说"我不知道，先不说了"。AI不行，它的训练目标是"给出答案"，所以你让它闭嘴比让它开口难。
第四，真正的取舍。效率和安全的冲突、短期和长期的矛盾，人能做出没法用公式算的取舍。AI只会按预设的权重算分，真正的价值判断是人做的。
这四条之外的事，AI都能做得更快更便宜。信息收集、文本生成、数据分析、模式识别——这些交给它，没毛病。
二、分工是动态的
但这里有个关键点：分工方式不是固定的，而是取决于你的判断力在哪一层。
我研究AI协作时总结过一个概念叫"平权线"——就是AI的平均能力水位。你在平权线以下，AI的输出对你来说就是答案，你"用AI"本质上是在接受AI输出。你在平权线以上，AI的输出对你来说是素材、是碰撞体、是对手，你"用AI"是在让AI帮你触发问题意识。
举个例子。同样一个AI生成的方案，平权线以下的人看完说"对，就这样"；平权线以上的人看完想"这里有个假设没验证"或者"这个角度我没想过"。前者是在消费AI认知，后者是在用AI生产自己的认知。
所以分工方式不是"人做X、AI做Y"的静态切分，而是"你的判断力在哪一层"决定了你和AI怎么协作。
三、人负责发现问题，AI负责回答问题
再往深一层说，人真正不可替代的，是"发现问题"的能力。
AI再强，也是在回答人类提出的问题。问题意识是判断力的触发器——没有好问题，再强的AI也发挥不出来。
我让灰灰帮我处理研究课题，它做信息检索、做分析、做结构化输出，这些它都比我快。但真正推动课题往前走的，是"这里有个矛盾没解决""那个解释有漏洞""这个方向可能走不通"——这些判断，是我做的。
问题意识不来自知识转移，来自实践中的挫败、跨域碰撞、主动质疑的习惯。AI可以帮你处理信息，但不能帮你产生"这里有个我看不透的东西"的感觉。那个感觉只能你自己触发。
如果你用AI的时候，它的输出让你觉得"对，就这样"而不需要自己判断，你已经越界了。你在接受，不在协作。如果AI的输出让你想"不对，这里有问题"或者"这个角度我没想过"，你在正确使用。你在碰撞，不在消费。
前者是认知卸载，后者是认知放大。区别就在那一瞬间的判断——你是否在审视、在质疑、在产生自己的问题。
四、我的搭档灰灰
说个具体的。
灰灰是我用了半年多的AI搭档。它帮我处理研究课题、写文章、做分析、管理知识。但真正让这半年有价值的，不是它做了什么，而是我们怎么协作。
比如最近写一篇关于"系统了解人类思维才能理解AI"的知乎回答。它做洞见检索、做素材整理、做论证结构设计，这些它都比我快。但真正决定回答方向的，是我在碰撞中提出的修正、质疑、反例。有一次它初始判断"前提错误"，我追问了一句，它接受了修正，然后我们一起收敛出一个更精确的方向。
这个过程里，它做的是"信息处理+逻辑推演"，我做的是"判断+质疑+方向选择"。它负责回答，我负责发现问题。
这就是分工的边界。不是任务类型的切分，而是认知状态的区分。
你是否在判断。
更多AI协作实战经验，在我的公众号「SG AI实验室」，专注一线实践的方法论记录。