刻意练习理论能否成立，取决于课程提供什么条件

刻意练习理论由心理学家安德斯·艾利克森提出，用来区分有效练习与单纯重复。它对练习提出四项要求：第一，目标指向一项具体的子技能，而不是笼统地提高整体水平；第二，任务难度略高于练习者当前的稳定水平，需要额外努力才能完成；第三，练习者完成任务后能得到关于表现与目标差距的具体信息；第四，练习者依据这些信息调整做法，并在调整后重复练习同一类任务。四项要求互相依赖，缺少一项，增加重复次数也不会带来稳定改进。

这套要求最初在音乐演奏、棋类和竞技体育中被总结出来。这些领域已有成熟的训练方法，也有相对客观的表现衡量标准。企业岗位任务不具备同样的现成条件：一次客户沟通或一份方案说明，怎样算处理得当，需要先由组织写清判断标准。常被引用的一万小时说法并非该理论的结论，练习质量而非累计时长才是它关注的变量。

四项条件中，前两项都要求先把岗位任务拆开。学员难以自行判断一项复杂工作由哪些子技能构成，也难以确定哪一层难度略高于当前水平。这项拆解由课程开发者完成：确认某类任务包含哪些环节，各环节分别要求什么判断，再按难度排出练习顺序。当一门课程只提供整体任务的完整演练时，学员在其中同时处理多项要求，练习结果无法归因到某一项能力上。

后两项条件的落点在反馈。要让学员知道差距在哪里，课程需要事先写清每类任务的判断口径：哪些做法符合要求，常见偏差有哪几种，各自的原因是什么。缺少这份口径时，反馈只能停在结果对错或整体评价，学员据此无法定位需要调整的动作。满意度问卷记录的是完成情况与主观感受，不承担这项功能。

AI 能够处理课程开发中的基础整理工作：从产品资料、制度文件和业务案例中提取关键内容，按主题归并，形成任务拆解与练习情境的初稿。这类工作原先占据开发周期的大部分，也是业务骨干最难安排整块时间完成的部分。初稿的作用不是直接交付，而是让讨论从空白文档转到具体条目上。

专业人员的时间随之转向另一类工作：确认任务拆解是否符合实际工作顺序，判断某个练习情境在业务中是否真实存在，校准判断口径中的专业表述，检查练习难度的排列是否合理。这类判断无法由 AI 替代，也仍然需要真实投入，变化的是投入形式——从连续撰写变成分次审核，业务骨干可以在较短的时间段内完成。