知识工作的价值很难准确计量，管理者只能借助进度、报告、会议这些替代指标，人就会围着指标优化自己的升职加薪⁠1。所以规模变大、层级变多、协调变多时，内部评价可以一直运转，却不保证新增工作也在创造外部价值⁠1。有材料讲过一个判断：如果组织奖励出报告，就会出现更多报告；奖励做项目，就会出现更多项目⁠2。这类工作价格很高但价值可能为零，用 AI 把它自动化，只是把缓慢的浪费变成高速的浪费⁠2。所以冲突点不在“一年几十亿”，而在钱和人力是按什么信号被验收的。

fake work 最容易长在责任被重置的地方：每交接一次，原本的结果就被翻译成一个更容易验收的交付物，用户问题变成需求，需求变成功能，功能变成上线，交付物都按时完成，最初的问题却可能原封不动⁠3。对应的办法不是让一个人包办所有专业工作，而是不要让责任在交接时清零：定义问题的人要跟到结果出现，结果不好，责任要一路回到最初的判断⁠3。暂时改不了组织，就先闭合一个小循环——做出改动，让真实用户使用，观察发生了什么，再改一次⁠3。

对非营利组织，一个可试的做法是挑一项正在扩张的周期性工作，先停一轮，停之前写清：如果它有用，少做一轮会在什么时候造成什么后果；到期什么也没发生，就删掉⁠3。这比先让 AI 把它做得更便宜更有用，因为成本越低，一项没用的工作反而越容易永久存在⁠3。观察点是：停掉之后，捐款人、受助者或一线服务的哪个结果真的变了；如果没有任何变化，说明这项工作的验收信号和真实价值脱节了。

内容本身已经过剩，真正稀缺的是让一个人意识到自己哪里需要改变的那一步。立正用过一个例子：以前不知道有A、B两种选项，第一次听课才发现可以不做A改做B，去实践B之后再回来听，才接得住更上一层的C。没有相应经验，信息摆在眼前也接不住。所以教育和创业类非营利若想影响几百万人，卡点往往不在把知识讲出来，而在帮对方认出自己的问题、愿意尝试，再让实践和理解互相推进。向同事推广AI课程时，程序员觉得创建文件夹太基础，策划又觉得命令行太难，讲理念大家注意力就散了——同一个例子，操作难度和思想价值是两件事⁠1。

材料里最接近“从小社区做大”的例子是课程加社区这条路：买回网课大多放着落灰，而社区型课程能给人上课动力，也能从身边人的进步里得到鼓励；先让一群已经动手的人成为种子，社区质量越高，越能吸引更厉害的人来分享。转折点不是课程变深，而是从“一个人看材料”变成“一群人互相看见进度、互相提醒动手”。另一条相关路径来自Indigo的分享：先做媒体积累声誉，再做社群聚人，最后做产品，因为代码边际成本趋近于零，值钱的是注意力，Every.to从Newsletter长成有课程和社区的产品公司。这条是嘉宾观点，不是立正本人的主张⁠2,3。

想让几百万人受益，规模本身不是问题，问题是组织用什么信号验收工作。立正提到，社群广场的英文名是Incubator，本意是帮大家孵化自己的业务，AI Builders里有专门的Share Your Projects板块，很多同学的产品在那里拿到种子用户和反馈。这类设计的共同点是：验收看的是有没有人真的做出东西、拿到真实反馈，而不是看报告、项目数或会议。反过来，一旦用后者替代前者，规模越大越容易生产fake work。这条判断承接你上一轮的问题，也解释了为什么“帮人跨过开始那一步”比“覆盖更多人”更难也更重要⁠4。