随着ChatGPT、Claude、文心一言等大语言模型走进日常，人类与AI的协作方式正经历一场深刻变革。过去，我们担心“答案不够多”；如今，AI能瞬间生成论文、代码、商业方案，问题反而成了新的矛盾焦点。一个老生常谈却又尖锐的议题再次浮出水面：在AI时代，更稀缺的究竟是“提出好问题”的能力，还是“判断好答案”的能力？
好问题：AI的“导航仪”
爱因斯坦曾说：“提出一个问题往往比解决一个问题更重要。”这句话在今天有了新的回响。AI的核心工作模式是“输入指令—输出答案”，而输入的品质直接决定输出的质量。一个模糊的问题，比如“帮我写一篇关于创新的文章”，往往只能得到泛泛之作；但若问“请用三个案例说明颠覆式创新在制造业中的失败教训，并对比中国和德国的应对策略”，AI给出的答案则会精准、深刻得多。
某科技公司产品经理张磊向记者坦言：“团队里最吃香的人，不是技术最强的，而是最能‘问’的。他们会拆解业务痛点，把模糊需求转化成可执行的提示词，让AI输出直接可用。”这背后，正是提问能力的体现——结构化思维、跨领域知识迁移、对目标场景的深刻洞察。这些能力，AI目前尚未具备。正如OpenAI CEO萨姆·奥尔特曼在多次演讲中强调：“未来最有价值的人类技能，之一是提出好问题的能力。”
好答案：AI的“刹车片”
然而，仅有好问题并不足够。AI模型存在“幻觉”倾向，会自信地编造事实、引用不存在的文献、给出逻辑自洽但错误的结论。此时，“判断好答案”的能力就成为用户与AI之间的最后一道防线。
以医疗领域为例，某三甲医院医生向记者介绍，他尝试用AI辅助诊断罕见病，AI给出了一份看似详尽的鉴别诊断列表，但其中包含了某些已被最新指南淘汰的治疗方案。“如果没有知识储备，非专业人士很可能被误导。”这位医生强调，“判断答案的真伪、时效性、适用边界，需要扎实的专业知识、批判性思维和对语境的敏感度。这种能力，机器很难替代。”
教育场景同样如此。斯坦福大学一项研究发现，学生在使用AI写论文时，最困难的并非生成内容，而是辨别AI提供的引用是否真实、逻辑是否严密。换句话说，AI降低了“生产”的门槛，却抬高了“筛选”的壁垒。
稀缺性之争：语境决定优先级
究竟哪项能力更稀缺？多位受访专家认为，关键在于场景和阶段。
在探索未知领域时（如科学研究、战略创新），提出好问题的能力尤为稀缺。因为只有定义了正确的问题方向，AI才能成为得力助手。数学家陶哲轩曾表示，AI帮助他验证猜想、探索边界，但“提出一个有意义的数学问题，仍然需要人类的直觉和品味”。
而在信息泛滥、信任度低的环境中（如新闻辟谣、金融风控、法律合规），判断好答案的能力则成为刚需。所谓“信息过载”，从来不是数量问题，是质量问题。当AI以人类无法企及的速度制造答案时，能快速识别错误、偏见、操纵的人，才是真正的稀缺资源。
未来趋势：两种能力的融合
值得注意的是，二者并非对立，而是螺旋上升的关系。好问题催生好答案，好答案又启发更深层的问题。在AI辅助下，人类可以更快地完成“提问-验证-再提问”的循环，从而加速认知突破。
教育界已开始调整培养方向。北京某重点中学的信息技术课程教师透露，他们正在尝试将“提问工作坊”和“答案评审训练”并重，让学生既会“请AI帮忙”，也会“给AI挑错”。“未来的人才，不是AI的替代者，而是AI的协作者。提问和判断，是协作的两翼。”
结语
回到标题的追问：AI时代，更稀缺的是提出好问题还是判断好答案？答案或许是——当AI越来越会“答”时，“问”的能力就愈发珍贵；但当AI越来越会“编”时，“判”的能力同样不可或缺。没有哪一项绝对稀缺，真正稀缺的，是能在两种能力之间自如切换、深刻思考的人。而这类人，正是AI浪潮中最不可替代的“核心资产”。