AI降低创作成本，真正稀缺的是判断力
人工智能正在让内容生产变得更便宜，但这并不意味着优质内容会变得更容易出现。
8月27日，a16z合伙人Tim Sullivan发文讨论AI时代的“垃圾内容”（slop）增长现象。他认为，围绕AI创作引发的道德焦虑并不是新问题。历史上，每当内容生产成本下降，社会都会经历一次类似争论。
从19世纪的Grub Street廉价写作者，到大众报刊、通俗小说，再到电视、博客和社交媒体，技术降低传播门槛后，都会带来大量低成本内容涌入市场。有人担心文化质量下降，也有人认为新的生产方式会带来更多创作机会。
AI只是把这个过程进一步加速。
过去，一个人写文章、制作图片或剪辑视频，需要投入时间和技能。而如今，生成式AI可以在几分钟内完成大量基础内容生产。供给端突然扩大，必然带来内容数量爆炸。
但数量增加，并不等于价值提升。
Sullivan援引社会科学研究指出，“品味”并不是一种简单能力，它可能由多个因素共同组成，包括判断什么作品可能成功、理解不同圈层的信息变化，以及长期训练形成的专业经验。
这也是为什么很多爆款作品很难被提前预测。
哥伦比亚大学相关研究显示，社会影响、传播网络以及路径依赖，会显著影响作品最终能否成功。即使是经验丰富的专家，也无法稳定判断哪些内容一定会成为市场赢家。
在娱乐行业、投资领域甚至科技创业中，这种情况非常普遍。
很多后来成功的项目，在早期并不符合主流判断；一些看似拥有成熟商业逻辑的产品，也可能因为缺少用户网络、时代窗口或者传播环境而失败。
AI能够快速整理信息，但它并不天然拥有判断一件事情为何重要的能力。
Sullivan还引用社会学家Ron Burt提出的“结构洞”理论，认为真正具有创新能力的人，往往处在不同社群之间。他们通过跨领域交流获得新的视角，而这些经历通常包含大量隐性知识，比如人与人之间建立的信任、行业内部规则以及长期实践积累的经验。
这一点可能是AI短期难以复制的部分。
模型可以阅读大量文本，连接不同知识领域，但它并没有真正生活在这些社会网络中。它可以总结经验，却无法完全替代人类在真实环境中的互动过程。
这也改变了未来人才竞争的重点。
在AI工具普及之后，人类工作的价值可能更多集中于验证、选择和判断。问题在于，判断力并不是突然出现的能力，它需要通过长期训练、反馈机制和实践环境逐步形成。
这给企业提出了一个现实挑战。
如果公司为了提高AI时代效率，大规模减少初级岗位，减少新人培养流程，短期可能降低成本。但从长期看，行业可能失去培养下一代专业人才的渠道。
律师需要从案件处理中培养判断力，投资人需要通过市场波动积累经验，工程师需要在真实项目中理解复杂约束。很多高级能力，本质上来自不断试错。
AI时代真正稀缺的，可能不是“品味”这个抽象概念，而是能够培养判断力的人才体系。
当内容生产越来越容易，人和机器之间的差距，或许不再体现在谁能创造更多信息，而是谁能够从海量信息中找到真正有价值的东西。未来竞争的核心，可能是判断力背后的教育体系、实践网络以及社会连接能力。