# AI 与仪式社会

AI 降低了理性痕迹的生产成本，也让我们更容易把完整的流程、报告和复盘误认为真实判断。

## Metadata

- HTML: https://glenzli.com/notes/ai-and-ritual-society/
- Markdown: https://glenzli.com/notes/ai-and-ritual-society.md
- Collection: Notes
- Language: zh-CN
- Published: 2026-07-02
- Updated: 2026-07-14
- Tags: ai, society, judgment, workflow

## Content

AI 正在改变很多事。

它会不会让世界变得更理性，尚不可知。微妙的是，它确实让这个世界更容易表演“理性的样子”。

过去，许多看起来理性的东西都需要人花时间完成：报告、摘要、复盘、学习笔记、研究综述和会议纪要。现在，它们可以由模型大量生成，而且格式完整，语气专业，结构清楚，有时甚至比人写得更像那么回事。

于是，一个问题慢慢浮出来：

> 当完成仪式的成本变得足够低时，我们是否会越来越容易把仪式误认为真实能力？

这不是一个关于 AI 好坏的问题。它更像是一个关于社会如何观察、评价和奖励行为的问题。

## 仪式本身不是坏东西

笔记、记录、验证、引用、流程和审查都有实际用途。它们原本是为了帮助人理解事情、彼此协作、校验结果和承担责任。

麻烦在于，当这些动作慢慢脱离它们原本服务的对象，它们就会从工具变成替代品。

它会制造一种很顺滑的错位：人没有真正理解，但学习笔记很完整；问题没有真正解决，但复盘很深刻；研究没有真正推进，综述和报告却已经足够漂亮。风险也是如此，未必真的降低，只是审查流程完成了。

仪式开始接管真实功能之后，社会不再追问：

> 这件事是否真的改变了什么？

而更容易追问：

> 它是否留下了可展示、可汇报、可审计的痕迹？

AI 恰好降低了这些痕迹的生产成本。

## 门槛开始变得暧昧

许多领域的壁垒，也因此变得有些暧昧。

表面上看，很多领域的门槛来自知识、经验和专业能力。但实际上，其中相当一部分来自表达方式、格式、话术、流程和姿态。

你要知道论文怎么写，方案怎么排，报告怎么讲，评审喜欢什么结构；你要会使用一套术语，知道什么叫“研究空白”，什么叫“风险闭环”，什么叫“方法论沉淀”，什么叫“长期价值”。

这些东西并非没有意义。一个领域需要共同语言，也需要表达规范。只是，掌握这些仪式，常常会被误认为掌握了领域本身。

更麻烦的是，有些领域里，仪式早已不只是外壳。人会花很多力气学习如何把事情写成某种样子，却越来越少追问问题本身；真实经验如果不合格式，反而不容易被看见；空洞表达只要足够规范，却可以顺利通行。到这一步，仪式不再只是遮住真实能力，它也会慢慢消耗真实能力。

AI 出现以后，这层混合被打散了。

它太擅长完成仪式了。论文、报告、方案、学习笔记、评审意见、管理复盘，它都能写出一套像样的外观。

于是，很多人第一次可以快速跨过仪式门槛。

这并不意味着他们真的掌握了领域。但它确实意味着，许多领域过去用来维持专业外观的那部分门槛，突然变得很便宜。

这会让很多系统感到不安。

因为当仪式壁垒被降低之后，真正剩下来的问题会变得刺眼：

> 一个领域真实的专业性到底在哪里？

答案显然不只在格式、术语、资格或流程里，更在判断、验证、责任和经验里。

AI 让许多“看起来专业”的东西变得泛滥。但也正因为如此，它会逼迫真正的专业性从仪式中退出来，接受更直接的审问。

## 从学习到生活

这种变化会先落到学习和工作里。一个知识点尚未被消化，却已经有了完整的笔记和学习路线；一个问题还没有解决，复盘和过程记录倒先积累了起来。材料越来越齐全，真实判断却未必同步增加。

学术和生活也会被牵引进去。一篇论文可以越来越像论文，但这并不保证问题被理解，也不保证定义变得更清楚。旅行、饮食、健身和职业道路当然也可以由 AI 协助规划；便利是真实的，只是一个人也可能越来越少面对“我究竟想要什么”，转而执行一个看起来合理的人生方案。

这些变化不必被简单地批判。AI 确实降低了很多事情的启动成本，也让许多人第一次能把模糊想法变成某种成形的东西。

正因为让一件事“看起来成形”变得容易，外观和实际也更容易混在一起。一份完整的笔记可能还没有变成理解，一套周密的计划也未必属于制定它的人。最后仍要看这些东西有没有进入之后的思考和行动。

## 阅读也可能成为仪式

前面说的多是把东西写出来、整理出来，留下一套像样的痕迹。另一边，阅读本身也会仪式化。

AI 不只让人更容易生产文本，也让人更容易拥有一种“我已经看过”的凭证。过去，一个人如果没有读一份材料，最多只能承认自己没有读。现在，他可以说：

> 我让 AI 总结过了。

这句话有时是真正的帮助。长文太长，材料太乱，时间太碎，AI 可以先把轮廓理出来，让人知道该从哪里进入。

问题在于，它也可能变成一种更柔软的偷懒。一个人看到了摘要，却没有让里面的提醒改变自己的问题；看到了别人已经说过的话，却继续把原来的想法倒出来；让 AI 帮他读，最后只是给自己的预设找了一层处理过的包装。

这不是没有文字可读。恰恰相反，屏幕上到处都是文字：材料、纪要、摘要、清单、问答和知识库。问题是文字只从眼前经过，没有真正被读进去。它没有让人停顿，没有让人改口，也没有让人少问一遍已经被回答过的问题。

于是，阅读也变成了仪式。

文档不再是进入事情的入口，而像一张入场券；总结不再是压缩后的理解，而成了“我已经处理过信息”的凭证。

这也许是 AI 时代更隐蔽的一种文盲：不是看不见字，而是字不能改变人；不是没有信息，而是信息不能进入行动。

## Agent 进化与循环文本

再往自动化里看，“Agent 进化”是这种仪式化很有代表性的说法。

它听起来很有未来感：Agent 读材料，总结经验，反思失败，提出新策略，再改进自己。

这些事情当然不是完全没有价值。让模型读材料、生成方案、比较路径、提出候选，本来就是 AI 适合做的工作。

但如果没有真实任务、清楚的验收方式、对失败的追踪和成本上限，这种“进化”很容易只是循环文本。

失败之后写复盘，复盘之后提出新方案；如果新方案继续失败，就再写一份更完整的复盘。

它看起来像学习，但也可能只是学习的仪式。

真正的进化不只是总结经验，还要让下一次行动发生可以检验的变化。失败的做法会被淘汰，有用的经验能够留下，错误也不能只被收进一段漂亮的反思里。

否则，所谓进化，只是让失败变得更会解释自己。

## 可见痕迹

仪式社会奖励的是可见痕迹。真实判断、理解和事情是否有所推进，都不容易直接看见；报告数量、会议次数、流程记录和 PPT 却很容易统计。生活也一样，一个人过得如何很难衡量，打卡、照片和总结却一目了然。

当这些痕迹成为目标，人自然会开始优化痕迹。这不是 AI 创造的问题，而是现代组织长期以来的倾向。AI 所做的，是让痕迹变得更便宜、更漂亮，也更难与真实进展区分。

这会导致一种很安静、但也很危险的结果：

> 真实问题没有解决，但围绕问题的仪式变得越来越完整。

## 判断不能外包

AI 最大的诱惑，未必是替人写字或写代码，而是让人误以为判断也可以一并交出去。

判断是累的。它要求人给事情排序、决定取舍，也要求人承认有些想法只是听起来有道理，有些失败并没有值得总结的意义。

有时候，人想自动化的不只是工作，而是判断本身：让 AI 定义目标、规划路径、验证结果并承担复杂性，自己只保留收益、身份和签字权。但这里有一个尴尬的问题：

如果一个系统真的能够独立定义目标、判断价值、选择路径、验收结果并承担责任，那么原来那个只保留签字权的人，也就不再是系统的必要部分。

把判断交出去以后，保留下来的签字权并不会自动等于掌控。这或许比“AI 会不会替代人”更值得警惕。

## 流程也可以不是仪式

当然，不是所有流程都是仪式，也不是所有自动化都是空转。一次学习如果真的改变了理解，一个证明如果能约束推导，一次安全检查如果确实降低了风险，形式就在发挥作用。

关键不在于有没有流程，而在于流程能否对结果形成约束：它有没有改变人的理解和选择，有没有留下可以核对的证据，有没有让犯错的代价真正下降。如果没有，再完整、再现代的流程，也可能只是在完成仪式。

## 回到事情本身

AI 不只可以让仪式更漂亮，也可以帮我们省掉没有意义的仪式，把注意力放回事情本身。

这需要一些很朴素的动作：读完一份材料，试着用自己的话讲一遍；拿到一套生活计划，删掉并不属于自己的安排；让 AI 写完流程或总结后，仍由自己决定目标和取舍。

AI 可以帮人搜索资料、整理线索、生成初稿，也可以检查遗漏和处理琐碎的执行工作。问题不在于它做得太多，而在于人是否还记得问：这件事值得做吗，生成的东西值得留下吗？

这些决定仍然需要判断力，而判断力恰恰是仪式社会最容易放弃的东西。

## 仪式发动机

AI 时代，社会不会自动变聪明，倒可能先变得更会表演聪明。报告更多，流程更满，复盘更漂亮，并不必然意味着真实判断也在增加。

这不是说 AI 本身有什么原罪。对于有明确目标、愿意验证结果的人，它是很有用的工具；但在一个原本就倾向于奖励仪式的社会里，它也会把这种倾向一同放大。

所以，AI 时代最重要的问题也许不是：

> 我们能不能让机器做更多？

而是：

> 我们是否还知道，什么东西值得做？

知道什么值得做，AI 才是工具；否则，它只会帮助我们把仪式完成得前所未有地漂亮。