立正把“被取代”的原因放在停止成长上：一个人被替代，不是因为他分享了方法，而是因为他停在原地，死守已经解决的问题。反过来，真正往前走的人会希望自己解决过的问题尽快被标准化、自动化、交给 AI 或别人复用，因为那一层已经结束了，他要去做新的、更难的、更有价值的事。别人拿着你的 skill，只能替代你过去做的浅层工作，替代不了你今天正在看到的东西。所以“AI 会替代工作”并不等于“你无事可做”，它更像在逼你换一层问题：从亲手执行，换到定义问题、判断结果。这个判断成立的前提是，你确实还有能力往下一层走；如果只是把旧活交出去、自己不再长出新判断，那仍然是在原地⁠1,2。

立正同意杜磊那个说法：以后要么离模型近，要么离付钱的用户近，夹在中间的转述、协调、包装、汇报层会被一层层挤压。原因是 AI 改变的是执行成本，执行成本一降，组织分工和岗位价值都要重写，原来靠“我来做这件事”获得的价值，会变成“这件事本来就不该由人来做”。他因此把最重要的问题从“要不要学 AI”换成“我站在哪一边”。另一面是，很多白领工作的贡献难以准确计量，管理者只能用替代指标，人又围着指标优化升职加薪，这就是 fake work 的结构性来源；AI 让这类证明变便宜、现实检验来得更快，它会先失去价格⁠3,4,5。

立正给出的落点是：把软件之间的信息搬运交给 agent，把问题、判断和责任拿回自己手里，然后做点真东西。“真东西”不限于 AI 产品，做一道菜、写一本书、提供一次有用的服务都算，关键是它满足了谁的什么需要。他也提醒，这类建议通常给的是方向而不是明天的待办，所以听到后容易错过；而且转型要否定一部分过去的自己，惯性很强，明知岗位会被替代，被裁后仍可能赶紧找同样的下一份。一个可以试的做法：挑出你上周最占时间的一件事，追问“然后呢”，看它最后碰到了真实用户或真实结果，还是只停在组织的记分牌上；这个答案能帮你判断该把哪部分交出去、往哪里挪⁠6,7。