在用 AI 的人不少的，不管是写内容，画图还是 coding，
但使用强度和体感上差别还是大，
主要原因还是来自于用完之后的结果的好坏。
在这个过程中拿到正向结果的自然就是越用越起劲儿，
有的人总是碰壁不如所愿，那就只能越来越“失望”，越用越少。
前者会觉得“既然这件事能做，那下一件事是不是也能试试?”，
后者归因很容易滑向“AI 也就这样”，
进入我以前一直说的找茬+挑错的心态去用 AI，
再往下就变成行业自我安慰——“我们这行复杂/专业/有人情味，AI 插不上手”。
差距会越拉越大，
更多是有没有把“如何让AI给出可用结果”本身当成一项技能（哪怕现在各种教程，成功案例到处都是了，很多人还是没办法用 AI 画或抄好一张图）。
所以我的判断就是看他失败之后下一步会不会改自己的用法，
我跟你们说啊，有的人是真犟啊！
你告诉他这样不对，人家不光不改，
还特别喜欢用“行业特殊性”来当挡箭牌-它听起来专业、安全、有身份感，
还能把问题从“我不会用AI”挪到“这行本来就不是给你这种通用玩意儿碰的”。
你指出用法有问题，对方听到的不是方法建议，而是对其专业尊严的否定，所以会更犟。
所以我的暴论就是：这都是被所谓的垂直细分领域这个词害得！
很多人把“属于某个行业”（或者叫在这个行业做了很多年，有自己的经验）误认成了“拥有行业壁垒”。
我来举个例子，
比如比如一个汽修厂老板做了二十年维修，听发动机声音、看故障表现，就能大概判断问题出在哪里。
他当然有很深的行业经验。
但围绕这份经验，可以做出的东西至少分三个层级：
1，如果 AI 只是帮助汽修厂整理维修记录、生成报价单、提醒客户保养、自动回复常见问题，那是“给汽修厂使用的效率工具”。
核心是：少干活、少复制、少出错。解决“能不能帮上忙”。
2，如果把老师傅的判断过程整理出来，例如不同异响、故障码、车型、里程和维修历史分别对应哪些可能原因，再让 AI 辅助分析，那是“个人经验数字化”。
核心是：把高手的判断过程交给更多人。解决“能不能复制高手”。
3，如果这套判断方法经过大量真实维修记录验证，换一个维修师傅、换一家汽修厂、换一批车型依然有效，并且其他汽修厂愿意持续付费使用，才开始接近真正的“行业产品”。
核心是：在不同人、不同公司、不同场景中稳定有效。解决“能不能离开某个高手和某家公司，依然稳定创造价值”。
这三个层级完全不是一回事。
多数人口中的“垂直壁垒”，停在第 1 层，口头上说自己在第 3 层。中间那一层最容易自欺。
有了这把尺子，我们就更容易判断项目该不该做、先做什么、需要客户提供什么，以及做到什么程度才算真正完成。
反过来，你想把你的东西卖的更贵，你也知道你做到哪一层，你可以卖高价，同样的，你要是甲方，也能防止对方明明只做到了第一层，却按照第三层的故事和价格收你钱。
好，最后我们回到这个标题：为啥你不会。
只是想说，很多人也都知道 AI 是放大器！ 输入决定输出！可是很多人依然不当回事啊。
做一些东西的准入门槛确实比以前低很多，同时也不用学那么多东西了，但是不代表一点不用学，就好像我经常跟别人说的，确实可以用 AI 很容易做一个网站出来，但是你起码得知道域名是什么吧。
最后附上一段跟一个朋友的对话：
一句话就是：
把模糊的行业经验，翻译成明确的产品目标；再把产品目标，拆成 AI 和程序能够执行、验证的任务。
你可以说你得懂点产品，懂点研发，甚至懂点怎么分配“员工”干活，反正就是这么个意思。
共勉！