1999年，Linux之父Linus Torvalds在内核邮件列表上扔下一句话："Talk is cheap, show me the code."
这句话成了程序员文化的圣经。它的潜台词很直白：别跟我画饼，写代码证明你行。在那个年代，代码是硬通货——你能写出可运行的程序，你就拥有话语权。Talk（空谈）不值钱，code（执行）才值钱。
二十多年后的今天，这句话需要反过来读。
Code变便宜了
2025年到2026年，AI编程工具以惊人的速度普及。Claude Code、GitHub Copilot、Cursor、Codex——几乎每一个主流AI模型都在进入编程领域。你给一个AI描述你要什么功能，它能在几分钟内生成可运行的代码。不是那种demo级别的玩具代码，而是能接入真实业务系统的代码。
这意味着什么？意味着code正在变成commodity（大宗商品）。
当所有人都能用AI生成代码时，"会写代码"不再是差异化能力。就像当翻译软件足够好时，"会翻译"不再是稀缺技能。执行层在贬值，这是AI时代的第一个残酷现实。
程序员们开始意识到：当年那句"Talk is cheap, show me the code"，现在变成了"Code is cheap, show me the talk"——代码本身廉价了，真正值钱的是你对问题的理解、产品的判断、架构的思考。也就是Linus当年说的那个"talk"。
但这个反转不只是程序员的故事。它正在整个知识工作领域重演。
咨询行业的同一个故事
咨询顾问看到程序员的焦虑，大概会微微一笑：这不就是我们一直在说的吗？——我们卖的不是PPT，是洞察。
但先别急着优越感。
过去二十年，咨询行业的交付物确实以PPT为核心载体。一个顶级咨询项目，客户花几百万买到的是什么？本质上是：一个PDF文件，里面有分析框架、数据图表、战略建议。 交付物的物理形态是PPT或PDF，但客户真正买单的是背后的思考——行业判断、竞争分析、组织诊断。
现在，AI正在做一件和编程一模一样的事情：把PPT也变成commodity。
你给AI足够多的背景信息，它能生成结构清晰、排版规范、数据丰富的PPT。不是那种一看就是AI生成的模板感PPT，而是经过prompt优化后、接近初级顾问交付质量的PPT。
当PPT的生产成本趋近于零时，咨询行业面临的问题和程序员一模一样：你的交付物变廉价了，但你的价值不应该跟着贬值。
PPT is cheap, show me the judgment
这就是我们想提出的命题：
PPT is cheap, show me the judgment.
翻译成中文：PPT不值钱了，给我看你的判断力。
什么是判断力？不是"我有十年经验"这种模糊的说法。判断力是可以被定义、被拆解、被训练的能力。我们之前在公众号里讨论过Judgment Engineering（判断力工程）的概念——把咨询顾问最核心的能力从"玄学"变成"工程"。
具体来说，判断力包含三层：
第一层：问题定义能力。 客户说"帮我做数字化转型"，你能不能在第一天就识别出：这个问题的本质不是技术问题，而是组织问题？能不能把一个模糊的需求翻译成可执行的问题框架？AI可以生成100种数字化转型的框架，但哪一种适用于这个客户、这个阶段、这个组织文化——这是判断。
第二层：信息筛选能力。 一个咨询项目会产出海量的数据和信息。初级顾问的常见错误是把所有信息都塞进PPT，因为他们不确定哪些重要。有判断力的顾问知道：这个行业的关键变量是三个，不是十个；这家公司的核心矛盾在供应链，不在营销；客户CEO真正想知道的不是"市场有多大"，而是"我该不该进这个赛道"。
第三层：决策推演能力。 给出建议不难，难的是推演建议的后果。"你应该进入东南亚市场"——然后呢？竞争对手会怎么反应？组织能力够不够？第一年的投入产出比是什么？什么时候该止损？这种推演需要的不是信息量，而是对因果链条的理解。
AI不能替代的，恰好是最值钱的部分
这里有一个有趣的悖论。
AI最擅长的是处理信息——搜集数据、生成报告、制作PPT、甚至写代码。这些恰好是过去咨询顾问花大量时间做的事情。AI不擅长的是什么？和人打交道、做取舍、在不确定性中做决定。
一个咨询项目最难的部分从来不是"分析"，而是：
在客户CEO面前，当所有数据都指向A方案，但你凭直觉知道这个组织推不动A方案时，你敢不敢说"B方案更适合你们"？
在项目组内部，当团队花了两周做的分析得出一个结论，但你发现这个结论的前提假设是错的，你敢不敢推翻重来？
在交付会上，当客户问"这个方案能保证成功吗"，你能不能诚实地说"不能，但我可以告诉你风险在哪、怎么对冲"？
这些时刻需要的不是信息处理能力，而是判断力。而判断力来自经验、来自对行业的深度理解、来自犯过错之后的反思、来自和客户反复沟通后建立的信任。
AI可以帮你更快地到达"有足够信息做判断"的起点，但从信息到判断的那一步，它走不了。
咨询顾问的下一步
我们之前写过，AI会把平均水平的顾问挤出市场，因为本身AI的模型也是以行业平均认知输出。
所以，对于正在读这篇文章的咨询从业者，我的建议很简单：
不要和AI比速度，要比深度。 AI能在一天内完成你一周的桌面研究，但如果你的桌面研究和AI一样浅，那你确实会被替代。你需要的是AI做不到的事情——走进客户现场、理解组织政治、识别隐性需求、在模糊信息中做判断。
把AI当成杠杆，而不是替代品。 用AI处理信息收集、初稿生成、数据分析这些"commodity工作"，把省下来的时间用在需要判断力的地方——客户沟通、方案推演、组织诊断。不是用AI让你做同样的事更快，而是用AI让你做不同的事。
有意识地训练自己的判断力。 判断力不是天赋，是可训练的能力。每次项目结束后问自己：我做对了哪些判断？做错了哪些？为什么？有没有更好的思考框架？把判断力的训练从"被动积累经验"变成"主动刻意练习"。
写在最后
Linus Torvalds当年说"Talk is cheap, show me the code"，是因为在那个时代，代码是稀缺能力。今天，AI让代码和PPT都变成了commodity。
但Linus真正想说的不是"code比talk重要"，而是"别光说不练"。在AI时代，这句话的含义变了：别光练不思考。
代码可以AI写，PPT可以AI做。但判断——什么该做、什么不该做、什么时候该止损、什么时候该坚持——这些AI做不了。
PPT is cheap, show me the judgment.
💬 互动推荐
我们之前讨论过 Judgment Engineering（判断力工程）的概念——把咨询顾问最核心的能力从"玄学"变成"可训练的工程"。如果你是咨询从业者，正在思考AI时代自己的价值定位，欢迎在后台回复"判断力"获取相关文章。也可以直接向我们的AI助手提问，聊聊你在实际项目中遇到的判断力挑战。
