Canva（全球估值最高的设计独角兽，服务超 2 亿用户）最近宣布了一项新规：所有后端、前端和机器学习候选人，在技术面试中必须使用 AI。

面试里出现了戏剧性一幕——

两个人最终交上来的代码，看起来一模一样。一个被刷了，一个拿了 offer。

被淘汰的人，并非没有检查代码，而是缺乏对 AI 输出的“批判性审视”。他们被模型生成的“看似合理”的表象所迷惑，只做了浅层的验证。

而胜出者，则把 AI 仅仅当作“副驾驶”。他们主动质疑了 AI 方案的底层假设，注入了针对极端业务场景的压力测试，并揪出了那些隐藏在“完美代码”下的逻辑漏洞。

同样的产出，截然不同的判断力。

这篇文章想讲清楚一件事：当 AI 让 “产出” 变得廉价，真正稀缺的东西正在浮出水面 —— 而大多数人还没意识到它是什么。

哈佛商业评论最近分析了数千场筛选面试，结论只有一句话：

“当能力变得如此容易模拟，判断力就成了最稀缺的信号。”

(When competence is this easy to simulate, judgment becomes the scarce signal.)

一、旧的评价体系，正在崩塌

Canva 不是唯一这么做的公司。

Meta （Facebook 母公司，全球科技巨头）从 2025 年开始试点 AI 辅助编程面试，逻辑很简单：既然工程师的真实工作就是和 AI 协作，那面试也该这样。

仅 CoderPad 一家平台，客户已经跑了超过 35,000 场 AI 辅助面试。

这不仅仅是招聘领域的变化。

它直接影响创始人怎么做战略决策，也影响投资人怎么评估一家创业公司。

AI 正在让“产出（Output）”变得极其廉价，且易于获取。当交付物不再能证明能力时，我们只能向上游追溯：你是怎么想的，而不只是你交付了什么。

旧模型看的是终点：

资质 → 产出 → 结果

新模型必须看透上游：

语境 → 假设 → 推理 → 决策 → 结果 → 迭代（复盘）

在生成式 AI 把这件事变得显而易见之前整整十年，我就已经见过它的代价——下面这个教训，比任何研究报告都贵。

二、一个十年前的教训

做创始人早期，我曾和一家加拿大的数据服务公司合作，帮它找市场机会、谈融资。

他们的技术非常硬核——模型能清洗银行卡数据、检测欺诈，大幅降低获客和留存成本。公司有资深的银行人脉，商业逻辑清晰，甚至拿下一个试点项目。

但试点，最终失败了。

不是因为技术跑不通。而是银行数据散在各个部门，隐私限制让接入困难重重，内部团队强烈抵制这个威胁到 legacy system（遗留系统）的外部方案。更致命的是：公司根本没有足够资金，去熬过漫长的企业级销售周期。

我们犯了一个致命错误：把”产品功能的实现”，当成了”商业系统的可行”。

我们证明了技术能清洗数据，却忽略了围绕它的那套复杂商业运营系统。

如果当时我们真的留着一条”判断力轨迹”，我们的精力就不会死磕在代码完成度或试点交付物（Output）上，而是会去追踪那些未经证实的假设——比如企业采纳的速度，以及内部利益相关者的阻力（Judgment）。

如果当时那条轨迹真的写下来，它大概长这样：

• 核心未验证假设：高管背书 + 已签试点，能在资金耗尽前，保证跨部门数据快速打通。
• 要测试的运行风险：关键数据困在碎片化的遗留系统里，被一堆零散的法律、安全、IT 审批卡住，试点进度停滞。
• 验证触发 / 转向规则：如果在试点窗口期内，拿不到明确的数据负责人、清晰的审批路径和承诺预算，就立刻暂停定制开发，转向集成周期更简单的客户群。

你看，这条轨迹记的不是”我们做了什么”，而是”我们假设了什么、赌了什么、什么时候该认输”。它把一次失败的复盘，变成了一套可以复用的决策纪律。

三、什么是”判断轨迹”

创始人写日记，创始人写待办清单，但很少有人记录”为什么”——

• 你做这个决策时，带着哪些核心假设？
• 什么证据，让你改变了主意？
• 如果重来一次，你会在哪个节点做不同的选择？

日记记录的是：一个决定当时让你有什么感受。

判断轨迹（Judgment Trail）记录的则是：这个决定究竟是如何形成的。

因为对创始人而言，把一个个决策放到时间轴上持续追踪，最能真实反映他的领导方式与判断质量。

所以，Judgment Trail 表面上是在记录企业决策，本质上记录的是一个创始人的领导力质量。

好消息是：你不需要一个复杂的决策登记系统——那种东西撑不过一个忙碌的执行周。你只需要轻量记三件事：

• 初始背景：做这个决定时，你看到了什么
• 2–3 个未验证的核心假设：你认为是对的、但还没被证明的事
• 触发转向的信号：出现什么情况，你就该调整策略

就这三项。每次重大决策花 5 分钟写下来，一个季度后回头看，你会惊讶于自己的判断力成长了多少。

给投资人的一句提醒： 别只盯那份精美的叙事 deck。下次尽调，试着向团队要他们的”判断力轨迹”——看他们怎么处理动态的市场反馈，怎么在时间里压力测试自己的假设。比起 BP 上写了什么，这更能暴露一个团队真实的成色。

四、两个看穿”表演”的问题

当判断力变得有价值，人们就开始”表演”判断力。PPT 更漂亮了，故事更顺了。

但有两个问题，比任何精心准备的叙事都更快地切中本质：

问题一：你有两个都说得通的选择，为什么最后选了 A，而不是 B？

——看的是你有没有真正想清楚取舍。

判断力强的人，能说清楚自己放弃了什么、换来了什么；判断力弱的人，最后往往只剩一句：“我觉得 A 更合适。”

问题二：在别人提醒之前，你主动验证了哪个关键假设，或者提前排查了什么风险？

——看的是你会不会主动怀疑自己的判断。

真正能体现判断力的，往往不是事后把逻辑讲得多漂亮，而是在没人提醒的时候，你最先意识到什么可能出错，并主动去验证了什么。

这两个问题，面试能用，投资尽调能用，自我复盘也能用。

五、写在最后

AI 正在让越来越多的产出变得更快、更便宜，也越来越相似。

代码可以生成，文案可以生成，商业计划也可以生成。

但有一件事，AI 很难替你完成：

当信息并不完整、答案并不确定时，你选择相信什么，怀疑什么，又亲自验证什么。

这些选择一次次累积起来，就构成了你的 判断轨迹。

它记录的不是你做过多少事，而是你是怎样做出那些重要决定的。

而这，或许才是一个创始人最难复制、也最值得被看见的部分。

聊一件事： 你做过最庆幸的一次判断，是什么？评论区说说。

如果你带团队，正在从”看产出”转向”看判断”： 私信我「轨迹」，我把给自家 portfolio 创始人用的那个实战手册发你——怎么记假设、怎么标决策反转、怎么做季度判断复盘。这是门控资产，不在文章里公开。