AI 時代，哪些知識最不適合被做成課程

這個假設在某些領域成立——尤其是操作性強、可標準化的技能。但 AI 時代的問題是：只要能被拆成 SOP，AI 就會把它變成低成本的公共品。你再怎麼包裝，都很難維持長期溢價。

所以真正的分水嶺不在「要不要做課程」，而在更冷的問題：哪些知識一旦被課程化，反而會失效？

一旦被拆成步驟就失效的知識，才是真正高階的理解

有些知識不是「怎麼做」，而是「何時不做」。它的價值不在於執行，而在於辨識：辨識風險、辨識脈絡、辨識你其實正在用錯問題逼答案。

這類理解最常見的特徵，是你很難把它寫成清楚的流程，因為流程會把它殺死。你越寫成步驟，它越像一個可重複操作的機械動作；而它真正的價值，偏偏是站在機械動作之外，替你判斷「此刻應不應該動」。

在 AI 時代，這種知識會更稀缺，不是因為它神秘，而是因為它高度依賴情境理解，以及你對「時間」與「後果」的承受能力。

課程化往往是為了補救不穩定的核心

很多方法論課程的本質，其實是一種補救：補救一個人尚未建立的判斷、補救一個系統尚未穩定的選擇、補救一個市場尚未形成的理解。

所以你會看到一種常見現象：課程把「看似可複製」當成賣點，並且用模板、框架、SOP 讓人感覺自己拿到了工具。

但如果核心本來就不穩，課程只會讓更多人用更一致的方式做錯事。你得到的不是能力的擴散，而是錯誤的規模化。

而 AI 時代最殘酷的地方在於：一旦錯誤被流程化，AI 也會很高效率地把錯誤擴散出去。這不是道德問題，是系統特性。

AI 時代最稀缺的，不是方法，而是不可流程化的判斷

你可以把這句話當成一個簡單的判準：

能被教成 SOP 的，多半會被 AI 拉平；不能被教成 SOP 的，才可能保留長期溢價。

這也是為什麼很多人在 AI 時代仍然會追課、追方法——因為方法提供的是短期的掌控感。但真正能穿越時間的，通常不是掌控感，而是你願不願意承認：你需要的是判斷，而不是更多步驟。

三個判準：哪些知識不適合被做成課程？

你可以用三個判準判斷一個知識是否不適合被課程化：

1) 是否依賴情境理解，而非執行步驟？

如果一個知識的核心是「辨識情境」與「判斷此刻該做什麼」，而不是照著做，那它很難被教成 SOP。你把它教成 SOP，通常會把情境差異全部磨平。

2) 是否在被教學化後迅速降效？

有些知識一旦被普及，效果就下降得很快，因為它依賴的本來就是稀缺性、微差、或是你對細節的敏感度。當它被課程化，它就被大量人以「相同方式」使用，市場會立刻適應並免疫。

3) 是否只能被驗證，而非被操作？

高階理解常常是「事後你能驗證它對不對」，但你無法把它變成一個可保證輸出的操作流程。你可以用它降低風險、降低後悔率、提高長期一致性，但你不能用它保證短期結果。

不是所有知識都該被賣成「可複製」

我不是反課程，也不是反方法。很多操作性知識本來就適合被教，甚至越標準化越好。

但 AI 時代會逼你誠實面對一個問題：你到底是在賣知識，還是在賣「掌控感」？

如果你賣的是可拆解的步驟，那 AI 會讓它越來越便宜；如果你想保留長期價值，你得把重心放回更難的地方——不可 SOP 化的判斷。

而判斷的核心，最後會回到同一件事：你是否能在時間拉長後仍維持一致，並承受你選擇的後果。