一句话定义：AI 效应（AI Effect）指一种认知惯性——当某项能力被机器做出来之后，人们立刻改口说"这不算智能，只是个工具"，于是智能的门槛被不断往后推。
它长什么样
这个说法最早来自 AI 研究者拉里·泰斯勒（Larry Tesler）的总结：智能就是"还没被做出来的东西"（Intelligence is whatever machines haven't done yet）。
看几个熟悉的场景：
- 计算器一秒开平方。没人说它聪明，只说"这是死算"。
- 收银台的条码扫描、快递单的地址识别、输入法的联想补全。这些背后是几十年的模式识别工作，但用起来像水龙头一样自然，于是没人拿它当智能。
- 下棋。早年专家断言"机器赢不了人类大师，因为棋感是直觉"；机器赢了之后，论调变成"下棋不过是穷举搜索"。
- 语音转文字、机器翻译、图像分类。曾经是博士课题，现在被当成"基础功能"，做得再好也只是"应该的"。
规律很清楚：同一项能力，在被攻克之前是"智能的标志"，在被攻克之后是"还不就是那点事"。
为什么会这样
打个比方：智能这个词，本质上是"人类暂时还领先的地方"的别名。它不是一个固定的技术指标，而是一根不断移动的终点线——就像跑步机上追一条画在地上的线，你追到哪，线就往前挪到哪。
背后有三个心理机制：
1. 参照系是"人"。人类做起来毫不费力的事（走路、看脸、听懂讽刺），我们默认它简单；做起来费劲的事（大数相乘、背下整本电话簿），我们反而觉得难。而机器的难度曲线常常正好相反。
2. 新颖性一旦消失，功劳就归零。一件东西能稳定用了，它就退成"基础设施"，而基础设施从不被夸聪明。
3. 定义随成果漂移。每有一项能力被做成产品，"智能"的定义就被悄悄改写成"还需人类的那部分"。
| 被攻克前 | 被攻克后 |
|---|---|
| 需要"真正的理解" | 只是统计规律 |
| "机器不可能有灵感" | 只是随机采样 |
| "这是创造力" | 只是把已有素材重组 |
和相邻概念的区别
容易混淆的是莫拉维克悖论（Moravavec's Paradox）：它讲的是"对机器难的事对人容易"这个难度错位，是技术现象。AI 效应讲的是评价标准的事后重估，是心理与社会现象。前者解释"为什么下棋比叠衣服好做"，后者解释"为什么下棋赢了还是不算智能"。
另一个相近的是恐怖谷，但它只针对拟人度和不适感，与能力评价无关。
对从业者和职场人的意义
对做 AI 的人：别指望"做出来了"就自动获得承认。你解决的问题越成功，越容易被当成空气。所以立项时要提前说清价值口径——不是"这算不算智能"，而是省了多少人力、降了多少错误率、把什么不可能变成了可能。同时也要清醒：别人说"这不就是调个模型"，往往意味着你已经把一件事做到了可用。
对普通职场人：这个效应会影响你的自我评估。你每天用的翻译、搜索、推荐、自动补全，都是几十年研究成果的沉淀。被工具化的能力不是变廉价了，而是变成了地基。判断一件工作的价值，看它替代了什么旧做法，而不是看它听起来多"高级"。
最后一句实用的：讨论某款产品到底是不是"真智能"，往往争不出结果，因为标准会跟着结果走。不如换个问法——它能替谁省下什么，在什么条件下会出错，谁来兜底。具体能力边界以产品官方页面和实际试用为准。