AI刚出现的时候，很多人说它会让所有人站到同一起跑线。
因为每个人都可以获得一个聪明助手。
每个人都可以写作、编程、画图、学习、翻译、做方案。
听起来很公平。
但现实可能没有这么简单。
AI会降低一些能力门槛。
它也会放大结构差距。
同样使用AI，有人是在调度系统，有人是在被系统调度。
有人用AI扩大自己的能力半径，有人被AI系统进一步评价、筛选、安排和替代。
有人定义问题、设计流程、掌握数据、控制入口。
有人只是把自己的劳动、注意力、行为和反馈交给系统。
所以第11篇要讨论的，不是“会不会用AI”这么简单。
真正的差距是：
谁能定义AI系统，谁会被AI系统定义。
01 AI不是自动让所有人站到同一起跑线
技术普及，经常给人一种平等幻觉。
互联网刚出现时，很多人觉得信息平等了。
人人都能上网，人人都能发布，人人都能找到资料。
这当然带来了巨大机会。
但后来我们也看到，互联网没有让所有人平均受益。
新的平台出现了。
新的入口出现了。
新的流量规则出现了。
新的广告系统出现了。
新的算法分发出现了。
最后，很多人不是平等地拥有互联网，而是在平台规则里工作、生活、交易和表达。
AI也会类似。
它会让更多人获得基础智能。
但它不会自动让所有人获得同样的位置。
因为真正决定位置的，不是你能不能使用工具。
而是你在系统里扮演什么角色。
你是定义目标的人，还是完成任务的人？
你是调度Agent的人，还是被Agent替代的人？
你是拥有数据的人，还是贡献数据的人？
你是设计规则的人，还是被规则评分的人？
你是系统的主人，还是系统的参数？
这才是AI时代社会分化的关键。
02 旧逻辑：互联网时代的分化来自入口、流量和平台
互联网时代的分化，不只是贫富差距。
它还包括一种新的位置差距。
平台拥有入口。
商家依赖平台获客。
创作者依赖平台分发。
司机、骑手、主播、店主、内容生产者，都在不同程度上被平台规则影响。
算法决定谁被推荐。
评分决定谁获得订单。
转化率决定谁有流量。
投诉和风控决定谁被限制。
平台不一定直接雇佣你。
但它可以定义你的机会。
这就是互联网时代很重要的分化机制：
有些人控制平台。
有些人在平台上做生意。
有些人被平台分配任务。
有些人被平台评价和淘汰。
你看，这不是简单的“会不会上网”。
几乎所有人都会上网。
但不是所有人都能定义互联网规则。
AI时代也一样。
未来几乎所有人都会使用AI。
但不是所有人都能定义AI如何使用自己。
03 新变量：AI系统开始定义任务、评价人、分配机会
AI和互联网平台最大的不同在于，它不只是分发信息。
它还会参与判断和执行。
AI招聘系统可能筛选简历。
AI风控系统可能判断信用。
AI客服系统可能决定用户问题是否升级。
AI内容系统可能决定作品是否被推荐。
AI教育系统可能评价学生能力。
AI办公系统可能记录员工产出。
AI销售系统可能分配线索。
AI调度系统可能安排任务和路线。
AI不仅告诉你信息在哪里。
它开始判断你是谁，你适合什么，你能获得什么机会，你应该被分配什么任务，你是否值得信任。
这会带来一种新的社会分化。
过去人被组织评价。
未来人会越来越多地被系统评价。
过去机会由人和平台共同分配。
未来机会会越来越多地由智能系统参与分配。
这不一定都是坏事。
AI可能提高效率，减少部分人为偏见，降低服务门槛。
但问题是：谁定义系统？谁拥有数据？谁能申诉？谁能解释？谁能调整规则？谁承担错误后果？
如果这些问题不清楚，AI就会把不透明的权力包装成自动化。
举个更具体的场景。
一个求职者投递简历，过去可能先被HR看见。
未来越来越多简历会先被AI系统筛选。
系统根据岗位描述、关键词、项目经历、学历背景、过往公司、技能标签，判断这个人是否进入下一轮。
表面看，这提高了效率。
但对求职者来说，他可能根本不知道自己为什么没有被看见。
是经历不匹配？
是关键词没写对？
是系统偏好某类背景？
是训练数据里的旧偏见被带进了新模型？
类似的事情也会发生在内容分发、金融风控、教育评价、客户服务和员工绩效里。
系统不是简单地提供建议。
系统开始决定谁进入候选池，谁获得曝光，谁被标记为高风险，谁被分配更好机会。
这就是为什么我们不能只讨论AI效率。
还必须讨论系统解释权、申诉权、数据权和规则制定权。
04 新判断：社会会分成定义系统的人和被系统定义的人
所以AI时代的分化，不是简单分成会用AI和不会用AI。
这个划分太浅。
真正的划分是：
有人定义问题。
有人回答问题。
有人设计系统。
有人被系统安排。
有人拥有数据。
有人提供数据。
有人掌握入口。
有人被入口分发。
有人承担责任。
有人只承担被替换的风险。
使用AI的人，不一定掌握主动权。
一个外卖骑手也使用算法系统。
一个电商商家也使用平台工具。
一个内容创作者也使用推荐系统。
但他们未必能定义系统规则。
未来很多知识工作者也会遇到类似问题。
你使用AI写作、做方案、做客服、做销售、做分析。
但如果你的工作过程、评价标准、任务分配和结果反馈都被某个系统掌握，你就不只是使用AI。
你也在被AI系统定义。
真正的主动权，来自你能否建立自己的问题定义权、系统调度权、数据资产、信用资产和责任位置。
05 新分化机制：问题、系统、数据、信用和责任
AI时代的社会分化，至少会围绕五个机制展开。
第一，问题定义权。
谁能决定什么问题值得解决，谁就站在更高位置。
AI擅长回答问题，但问题本身决定价值。
第二，系统调度权。
谁能组织模型、工具、数据、人和流程，谁就能放大能力。
只会执行任务的人，容易被任务系统替代。
第三，数据资产。
谁拥有真实场景数据、客户关系、交易记录、反馈信息，谁就拥有训练和优化系统的资源。
只贡献数据但不拥有数据的人，会越来越被动。
第四，信用资产。
当答案越来越多，可信的人、可信的机构、可信的作品会更值钱。
你有没有可验证的交付记录，会比你会不会生成内容更重要。
第五，责任位置。
AI可以建议，但不能替你承担商业失败、客户信任、法律风险和组织后果。
能承担结果的人，会比只生成答案的人更贵。
这五个机制，会重塑普通人、创业者和企业的位置。
06 普通人、创业者、企业主如何避免被动位置
如果你是普通人，不要只做AI系统里的被动输入项。
不要只贡献点击、反馈、内容和劳动，却没有自己的作品、流程和信用沉淀。
你要建立系统之外也能被看见的资产。
比如稳定作品。
真实案例。
专业判断。
可迁移工作流。
可信交付记录。
你不能控制所有平台和系统。
但你可以减少自己对单一系统的依赖。
如果你是创业者，要警惕自己只是别人大系统里的一个插件。
你做的产品，是不是随时可以被平台功能覆盖？
你有没有自己的场景入口？
有没有数据回流？
有没有客户关系？
有没有不可轻易替代的工作流位置？
如果没有，你可能只是新基础设施上的临时功能。
如果你是企业主，要看清AI会重塑员工、客户和供应链的权力关系。
你使用外部AI平台提高效率，同时也可能把数据、流程和客户入口交出去。
你要问：哪些能力必须自己沉淀？哪些数据不能随便外流？哪些关键流程不能完全依赖外部系统？
企业AI化，不只是降本增效。
也是数据主权、流程主权和客户关系主权的问题。
07 AI不会自动平权，它会先放大结构
这篇文章不是要制造恐慌。
AI确实会给很多普通人机会。
一个小团队可以做过去大团队才能做的事。
一个普通人可以获得更强的学习和表达能力。
一个创业者可以更低成本验证产品。
一家传统企业可以借助AI改造流程。
这些都是真实机会。
但机会不是平均分配的。
AI会降低门槛。
也会提高上限。
降低门槛意味着更多人进场。
提高上限意味着强者可以调度更大系统。
最终差距可能不是缩小，而是重排。
有人用AI扩大自由。
有人被AI缩小选择。
有人用AI建立资产。
有人被AI吸走数据。
有人用AI定义问题。
有人被AI定义价值。
所以最危险的说法，是“AI让人人平等”。
它太安慰人。
也太容易让人放弃结构判断。
AI不会自动平权。
它会先放大结构。
08 你在系统里，是变量，还是参数
第10篇我们讨论过，人机协作接口正在重写。
接口能力不同，会让不同的人站到不同位置。
有人能委托、训练、审核和反馈智能。
有人只能接受系统分配的任务和评价。
到了这里，问题已经不只是工具和产业。
它开始进入更深的文明层面。
所以第12篇我们会讨论：《重新讲述人类：当智能不再专属于人，文明如何安放人的价值》。
因为当AI开始参与定义人的工作、机会和社会位置，人类必须重新思考：人的价值到底来自哪里。
回到今天。
你不必恐慌。
但你不能天真。
你要看见自己在系统里的位置。
你是被评分的人，还是设计评分标准的人？
你是被分配任务的人，还是定义任务的人？
你是贡献数据的人，还是拥有数据的人？
你是被系统替换的人，还是负责校准系统的人？
你是系统里的参数，还是能改变系统运行的变量？
AI时代真正的分化，也许就藏在这些问题里。