微博上一条话题突然冲上热搜——「突然发现很多人不会用AI」，讨论热度147万。
热门内容里有人吐槽：「我同事用DeepSeek的方式就是问"帮我写个方案"，AI给了个模板他贴上去就交，领导说这是AI写的吧。然后他问我为什么他的AI不好用。」另一条高赞说：「你以为自己在用高科技，其实就跟拿着法拉利买菜一样，根本没发挥出实力。」
人民日报2026年3月也发过一篇评论专门讨论这个话题，标题叫《不会用AI就是"新寒门"？》。文章指出这种说法本质上是「起跑线焦虑换了身AI的行头」——把共同的学习适应过程，偷换成了阶层固化的悲观前景。
但问题来了：既然AI门槛在降低、工具在免费，为什么大多数人还是用不起来？
你可以回想一下自己第一次用某个大模型的情景：打开聊天框，光标闪烁，输入了一行指令，得到的回复跟百度前三条差不多。你觉得「就这？」然后关了。
有研究机构算过一笔账——普通用户打开AI工具后，平均会在输入3.2个指令后放弃。不是因为AI不好用，而是因为大部分人根本不知道该输入什么。界面上一片空白，没有任何按钮告诉你「应该怎么问」。
这就是2026年AI普及面临的核心矛盾：工具越来越强大，但使用工具的人，认知上还停在「把它当搜索引擎」的阶段。他们不是不想用，是真的不会用。
数据：大多数人对AI的理解不及格
AISA在2026年对1,017名专业人士做了AI素养测评，发现了几个令人吃惊的数据：
这组数据的打击面有多广？Xing & Teng（2026）对385名GenAI用户的投入画像研究给出了更具体的分层：44.4%是高投入使用者——他们会主动设计提示词、交叉验证输出；但还有19.2%属于「最低投入者」——只是机械地输入简单指令，然后照搬结果。
DataCamp联合YouGov在2026年对500+企业领袖的调查同样说明问题：88%的领导者认为数据素养与写作同等重要，59%承认企业内部存在显著的AI技能缺口，但只有35%的组织有成熟的AI素养培训体系。企业砸钱买AI工具，但没教员工怎么用。
韩国研究机构对1,000人的调查更扎心：84%的人知道应该怀疑AI给出的答案，但实际会去验证信息来源的只有67%，会主动排除搜索历史偏见再验证的只有41%。结论是——「疑虑重重，但缺乏验证」。知道AI可能出错，但不知道具体怎么查它错了没有。
为什么大多数人学不会用AI？
原因不是「他们懒」或者「他们笨」。这里有三个更深的认知机制在起作用：
1. 元认知盲点：你不知道自己不知道
Weigelt et al.（2026）做了一个深度伪造检测实验：76人在接受训练后，自我评估准确率68%，实际只有52%。人们系统地高估了自己对AI输出的判断能力。应用到日常场景里——一个人用AI写了一份报告，他觉得"我检查过了"，但实际上他根本不知道应该检查什么。
2. 操作错觉：把「拿到答案」当成「会用」
Yi et al.（2026）对318名AI学习者的行为追踪发现：决定学习效果的关键不是「用了多少次AI」，而是「怎么用」——主动设计问题、批判性审视输出的学生，效果远超直接复制粘贴的。但大多数人，因为从未被教过「怎么跟AI交互」，本能地选择了最容易的路——把AI当快捷方式，而不是协作者。
3. 反馈缺失：没人告诉你用得不对
中青报2026年的调查显示：58.8%的父母在辅导孩子时依赖AI，其中42.7%报告孩子的能力「明显下降」。但这个反馈是滞后的——孩子成绩下降是几个月后才体现出来的。如果用AI工作，可能更隐蔽：你把AI生成的方案交上去，领导说「再改改」，但你不知道问题出在「你的提问方式」上。没有反馈，你就没法改进。
这三件事叠加起来，形成了一个闭环：以为自己会了 → 实际没用好 → 没有反馈告诉你没用好 → 继续以为自己会了。
破局：把「用AI」变成「验证+迭代」
这个问题的解法，不在更复杂的提示词教程里。
如果你去看网上那些「AI高手教程」，大部分都在教你怎么写提示词——「给AI设定角色」「提供背景」「拆分步骤」。这些技巧有用，但忽略了一个根本问题：大多数人连「自己有没有在用AI」都判断不准，更别说「用得对不对」了。
真正的解法分三步：
第一步，知道边界。在用AI之前，先建立对AI能力边界的客观认知——它擅长什么、不擅长什么、在哪类任务上最容易出错。这不抽象，Sriraman（2026）用数学认知解耦框架说明：AI可以给出正确答案，但它并不「理解」这个答案。输出不等于理解。
第二步，验证优先于使用。在使用AI输出之前，先建立验证机制。Weigelt的实验中，受训者之所以高估自己的判断，是因为他们训练的是「用AI」而不是「验证AI」。这两个认知回路完全不同。
第三步，建立反馈回路。Xing研究中44.4%的高投入使用者，有一个共同特征：他们不断调整自己的提问方式，对照AI输出质量做迭代。而最低投入者19.2%的特征是：一次提问，永远用同样的方式。差距不在智商，在有没有建立「使用→反馈→调整」的循环。
段落6 — 可行动指南 + 结尾三个马上能用的方法
方法一：每次提问前先问自己「我要的到底是什么」
大部分人问AI的方式是「帮我做X」。正确的姿势是：先自己在脑子里想清楚X的框架是什么、关键判断在哪里、需要什么信息。然后让AI填充细节，而不是替你做判断。你不是在指挥AI，你是在告诉AI「我需要你协助哪个环节」。
方法二：每次AI输出后，至少找一个问题反问它
把AI的回答视为「初稿」，不是「最终稿」。Yi研究的核心发现就是：那些对AI输出提出追问的人，比直接接受的人学到了更多。哪怕只是问一句「这个结论的数据来源是什么」——你都会发现自己对内容的掌控感完全不同。
方法三：建立一个「使用日志」，记录你的提问和反思
Weigelt实验揭示的元认知盲点，需要用外部记录来校准。花30秒写一下：今天让AI做了什么？输出质量如何？下次怎么改进？14天后你会发现，那些写日志的人比不写的人，在AI使用效率上高出不止一个量级。
用AI的人不等于会用AI的人。
会用AI的人也不等于不会被AI牵制的人。
真正的竞争力，不是你用AI多熟练，而是你对自己知道什么、不知道什么的判断有多准确。—— CoEvo 刻意进化学习