如果我用ai将我的工作效率大幅度提高了,那么我的工作会不会变得不值钱,或者直接被我的ai工作流给替代了。
提问
AI 提效本身不会自动让你的工作贬值,真正被重新定价的是那些“交付物”本身——方案、汇报、代码、原型。当这些中间产物变得极便宜,靠生产它们换评价的那部分工作会缩水;能对最终结果负责、把 AI 用在探索真实需求上的人,反而更稀缺。
被压价的是中间交付物,不是你的全部工作
立正把这类工作叫 fake work:知识工作的真实价值难衡量,组织只能看进度、报告、会议这些看得见的动作,人便围绕这些动作优化自己1,2。AI 让写方案、做汇报、整理信息、甚至写代码几分钟就能出高质量结果,过去靠“做得又快又完整”换升职加薪的那部分就突然不再稀缺3。他在 AI native 那期用黄金和铝作比:当交付物被 AI 打到几乎为零的价格,交付物本身就不再重要,人被逼着去想自己到底带来什么结果4。所以“工作不值钱”更准确的说法是:你工作里可被替代的那层壳在贬值。
会不会被自己的 AI 工作流替代,取决于你负责到哪一步
立正提到,全职员工按时间付薪,AI 让三天干完两周的活,薪水不变,多半只是被塞更多活;真正能收获 AI 生产力的是对业务结果负责的人,或拿钱办事、交付明确结果的承包者4。他还说,缩短人与结果的距离,不是一个人包办所有专业工作,而是责任不要在交接时清零: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1。如果你的 AI 工作流只加速了中间交付,而验收标准仍是“交了多少份”,那它替代的是你的动作;如果你用它更快地做出改动、让真实用户使用、观察反馈再改,你练的是从判断负责到结果,这部分 AI 替不了。
同样十倍效率,可以走向两个相反的方向
AI推演AI 降低的是行动成本,但更便宜的行动有两种用法:更快复制已被证明的东西,把同一种价值做得更便宜;或用更低的试验成本,探索过去太贵、没被看见的需求5。组织通常本能地先走第一条,因为旧需求的客户、预算、价格都看得见,新需求连客户自己都说不清5。放到你身上:如果提效后你只是更快地产出同样的方案和汇报,你就在帮组织走第一条路,自己的议价空间随之收窄;如果省下的时间用来验证一个此前没条件试的真实需求,你就在积累第二条路上的判断力。可以试的做法是,挑一件你提效最多的产出,追问它完成后下游会作出什么不同的决定或行动——若答不上来,它大概率只是代理信号。
材料讨论的是知识工作与组织激励的一般结构,没有你所在岗位、行业和考核方式的信息,具体判断需结合你的实际交付链。
回到5份原文
讲清 fake work 为何最不需要效率提升,以及缩短人与结果距离、闭合小循环的具体做法。
可回到原文核对这部分判断
直接说明 AI 先让最能换升职加薪的那部分变得不稀缺,适合核对“贬值”指的是哪一层。
用黄金和铝的比喻和全职员工激励错配,解释交付物归零后谁还能收获生产力。
区分复制旧价值与探索新需求两种用法,帮助判断提效该往哪个方向用。