《AI时代的真本事：穿透不确定性的六个能力》（https://youtu.be/AHkzE4j-DjY）讨论的是一个常被误判的问题：一个人有知识、有技能，为什么仍然拿不到结果，也赚不到钱。差距不只是运气，而是那些能在不确定环境里持续推进结果的隐性能力。
学校和面试训练出来的评价体系，偏向确定性：题目给定、范围给定、答案可判分。现实世界恰好相反。开奶茶店、买股票、找伴侣、做一个项目，确定的知识和技能也许只占 10%，剩下 90% 都是无法提前算清的变量。试图把这些变量全部换成确定答案，往往只会陷入空想。更有效的方向，是提高自己和不确定性共处的能力。
这种能力可以拆成六件事。
第一是定义问题。AI 可以回答问题，但前提是问题本身被定义对了。只关心“会不会”的人默认题目已经给定，希望题目越清楚越好；关心“能不能”的人先问：真正要解的题是什么，想要的结果长什么样。开一家奶茶店，问题可能不是“怎么做奶茶”，而是选址、品牌、运营、资金结构里哪一个最卡结果。问题定义错，后面的努力都会偏。
第二是拆解问题。很多人不是缺能力，而是被一个过大的任务压住了。真正面向结果的人，会把一个模糊的大目标拆成一组可处理的小问题：哪些自己做，哪些请人做，哪些先做到 60 分，哪些必须做到 80 分，哪些先做，哪些后做。资源有限时，拆解能力决定了事情能不能从“我不会”变成“我可以先推进这一块”。
第三是整合资源和借力。拿结果并不要求一个人什么都会。设计、文案、代码、销售都可以请人、学人、借人完成。难点在于很多人的身份认同仍停留在“会不会”：会显得聪明，不会显得丢脸。Elon Musk 收购 Twitter 后，有工程师用“你懂 GraphQL 吗”来质疑他，这正是知识技能视角的典型反应。管理和推进结果不等于掌握每一个技术细节，关键是能组织资源，让事情发生。
第四是决策。很多人卡住，不是因为不努力，而是希望等到完美方案、大概率方案出现才开始行动。现实里，真正有用的信息往往来自行动之后。开奶茶店的人不会坐在家里想出选址的重要性，只有去聊开店的人、看真实店铺、请高手判断，才会知道哪些变量最关键。决策能力还包括区分 two-way door decision（可逆决策）和 one-way door decision（不可逆决策）：可逆的先做起来，不可逆的更慎重。
第五是迭代和纠偏。段永平说过，他不觉得自己比别人多做对多少事，但会少犯很多不该犯、重复犯的错。他管理公司时有一份 don’t-do list（不要做清单），把犯错后的教训写下来，避免再次踩坑。在复利游戏里，一开始犯错不可怕，可怕的是不知道自己错在哪里，或者知道了也不改。持续朝更正确的方向调整，才会形成长期优势。
第六是 ownership（主人翁意识）和上心。上心的人会主动看到 100 个点，不上心的人只看到自己职责范围内的 5 个点。前者的默认反应是“没人管，那我来想；这里卡住，那我来推动”，接近 find a way or make a way（找到路，找不到就开路）。后者只确认“这个知识点我学了，这段任务我做了”。在不确定环境里，两者的结果会差得很远。
“会不会”和“能不能”是两套完全不同的心态。前者唤起考试式评价：我是否掌握了知识和技能，是否能被判定为合格。后者直接面向结果：我能不能把事情做成。AI 时代尤其放大了这个差异，因为知识和技能正在变得更便宜，甚至被 AI 大量替代；更值钱的是定义问题、拆解问题、借力、决策、纠偏和 ownership 这些穿透不确定性的能力。
把结果差异都归结为运气，会让人失去改进入口。运气当然存在，不可控因素也永远比可控因素多，但关注不可控因素不会带来行动。更有用的视角是“在因上努力，在果上随缘”：把可控范围内的隐性能力打磨好，剩下的交给命运，而不是用运气掩饰无能、懒惰或不上心。