作者的核心判断是：当智能正在变成商品，判断力才是稀缺资源。企业能生产出的分析量早已超过最好的人有时间细看的上限，他们最有价值的贡献变成决定哪些问题值得投入。这种选择往后越来越关键，因为追问每一个其他问题的成本都在下降。判断同样贯穿执行：选哪条路、怎么处理意外失败、结果是否可以交付使用——AI 可以接手更多这类工作，但企业仍要决定产出的精力花在哪里值得。文章用了一个很具体的例子：代理起草了一份显示客户加速增长的报告，数字都有出处、图表干净、解释听起来合理；但专家发现前一个数字统计的是付费客户，后一个数字包含注册账户，两个数字都来自数据源，却根本不能这样比较，而现在得有人去重建这个定义是哪天变的。检查这些工作也许是必要的，但能一眼看出报告假设有问题的人，可能同时也正是应该重新思考背后战略的人。所以 AI 投资的成本计算不能停在「模型给出了答案」，要把搭建与运行系统、检查与纠正输出、以及支撑使用者的人力都算进去，比较对象是企业实际拥有的那个流程——连同它的捷径和积累起来的经验。AI 可能省下一个人的时间，代价是给另一个人制造了更多工作。