AI 没毁掉你的判断力，它毁掉的是能证明你有判断力的那些痕迹。

这句话我是从 Nate B. Jones 那儿读到的，他是20年产品老兵，曾任 Amazon Prime Video 产品负责人，现在做 AI 战略分析，25万人跟着他看每天的 AI 简报。他5月底写了一篇东西，戳中一个很多人没想明白、但马上要吃亏的点。

以前你想证明自己活干得好，靠的是交付物。一份漂亮的方案、一个干净的原型、一段能跑通的代码——东西摆在那儿，别人就信你有两把刷子。现在呢，这些东西人人都能让 AI 几分钟生成一个像模像样的。于是「我做过很多事」突然就不值钱了，因为光看输出物，分不出谁是真有判断、谁只是让 AI 替他攒了个样子出来。

越是离一线远的人，越吃这个亏。你是管理岗、是做决策的，你没亲手写代码、没亲手画界面，可真正难的那些选择是你拍的板。偏偏这部分最看不见。活儿交出去了，你脑子里那一层「我当时为什么这么选」，没跟着一起交出去。

所以攒证据这件事，思路得换。

很多人写简历、写晋升材料、攒年终自评，本能是堆「我做了什么」：负责了 A，上线了 B，把某流程的处理时间砍了30%。这些都是结果，不是判断。招人的、给你评级的，看不到你是怎么想的，而他真正想买的，恰恰是你怎么想。

Nate 给的办法，是拿四个问题把一段经历重新拆一遍。情境、决定、风险、结果。

第一问，情境。当时是个什么局面？手里有哪些信息，缺哪些，卡着什么约束——时间不够、预算就那么多、人手只有俩。这一问是交代清楚：这不是道送分题。

第二问，决定。你到底做了什么决定？关键不是「做了」，是你从哪几个选项里挑的，为什么挑这个、放掉那个。这一步最值钱，因为取舍才是判断力本身。一个人值不值这个价，看的就是他在岔路口往哪拐。

第三问，风险。这么定，代价是什么、最坏会怎样、你怎么兜的底。这一问证明你不是拍脑袋，是把下行想过一遍才下的手。

第四问，结果。后来发生了什么变化，数字也好、反馈也好；还有一句——要是重来，你会怎么改。能从结果往回看的人，才像真做过这件事。

拿前面那句简历对照一下。「把某流程处理时间砍了30%」，填进四问就活了：当时积压严重、客诉天天来，但加人没预算（情境）；上系统、加人、先砍掉两个没人用的审批环节，三条路里我选了砍环节，最快、几乎零成本（决定）；怕万一漏审出岔子，留了个事后抽查兜底（风险）；上线后时间砍了30%，三个月没出过事（结果）。同一件事，前一种是句口号，后一种是个能在面试里讲透的故事。

那三个提示词，就是帮你把这套问题用起来的。第一个是诊断用的：把简历或自评丢给 AI，让它挑出你证据最虚的地方，哪段经历只写了「做了什么」，压根没写「怎么判断的」。第二个像让 AI 反过来访谈你，揪住你的一段真实决策一层层追问，当时怎么想的、还有别的路吗、风险在哪，逼到最后，一段模糊的「我负责过 X」就被问成了一个有血有肉的故事。第三个更狠，让 AI 站到招人那一方，生成一组专门戳「光有输出、没有判断」的问题，你拿它自测，看自己的经历扛不扛得住追问。

#马力的AI知识分享#
#马力在记录AI领域500位大佬的分享#