我看见企业和职场人在“AI取代人类工作”上的三个谬误 | 写在百场企业培训之后 EP. 51

Hello 大家好 ， 欢迎大家回到 "101 号谈职场 "。 今天我们要讲的是 ， 交付了近百场的企业 AI 培训和陪跑之后， 我们看到了企业和职场人在 "AI 取代人类 " 这件事情上有几个典型的谬误 。

那在正式开始之前 ， 我们想先讲一个故事啊 ： 在上世纪的后期呢 ，有一个职业叫做打字员 。 打字呢 ， 一度是一个非常专项的职业 ，因为人们会按照打字的速度 、 准确率和排版能力来相互竞争 。在这个过程当中， 每一个错误都意味着重打整页 ， 所以呢 ， 任何的修改的成本其实都是非常高昂的 。

所以这也是为什么打字员成为了一个专项的职业 。 那当 Word 文档啊 ， 或者我们说像 DOS 这样的这个界面刚刚出现的时候啊 ， 打字员的普遍认知是文字处理器这类的东西 ，DOS 啊 、Word 啊 ， 这些东西是不会取代我的 ，但是我可能会被会用它的人所取代掉 。

这个逻辑啊 ，在技术层面上其实是成立的 ，但实际的情况却和他们预想的完全不同 。 很多打字员都会觉得说 ， 我只要会用新工具 ， 我就能继续保住饭碗 。

但事实上 ，在 2025 年的今天 ， 我们会发现说 ， 文件修改的这个高成本的核心约束它已经消失了 ，而打字这项技能从一个稀缺的专业 ， 变成了一个人人都会的基本能力 。

所以打字员他并不是被更好的 、 更会用 Word 文档的打字员所取代了 ，他是被一种全新的系统的设计给边缘化了 。在这个新的系统当中， 打字这件事情没有办法撑起一个专门的全职岗位 。

打字这件事情被完整地融入到了每一个职场人的日常的工作当中， 这就是框架转变的一个典型的表现 。 原有的竞争逻辑失效了啊 ， 你可能不是输给了某项技术 ， 你也不是输给了会用这个技术的人 ，而是输在了整个环境不再需要你去做你所擅长的那件事情了 。

这个故事啊 ， 节选于一篇文章 ， 叫做 《AI 不会取代你的工作 ，但会被 AI—— 但会被会用 AI 的人取代 —— 这个说法的种种谬误 》。

以上我说的都是这篇文章的这个标题 。 这篇文章是一个叫做 Sangeet Paul Choudary 的人写的 。 那这篇文章是一篇英文的文章 ， 我也会把对应的链接提供在 show notes 当中 。

那这篇文章当中的这个故事让我有非常非常大的共鸣 ，因为在过去的一年多的这个时间里啊 ， 包括我在麦肯锡的最后一段时间 ，以及我做独立的商业培训 、 商业教练的过程当中， 我们为很多企业去提供了 AI 的培训和业务 AI 转型的一些陪跑的服务 。在这个过程当中， 我渐渐地发现 ， 大家对于 AI 这件事情的态度都渐渐地陷入到了一些谬误当中 。

这些谬误呢 ， 简而言之就是我们刚才说的 ， 大家认为 AI 不会取代人类的工作 ，但是会用 AI 的人会取代不会用 AI 的人。

这件事情在短期内可能是成立的 ，但是随着我和我的团队深入研究之后发现 ， 这句话其实是一句正确而无用的废话 。

就像我们刚才讲的这个打字员的故事一样 ， 学会使用 AI 并不会真正地帮助到企业和职场人去保证自己的社会竞争力 ， 相反 ， 可能会陷入到战术勤奋 、 掩盖战略懒惰这个方向上去 。

那接下来我会讲一讲 ， 这句话背后是哪些非常典型的谬误 ，以及每一个谬误我们应该怎样去破除它们 。

当然 ， 如果你的时间有限 ， 你不想追本溯源 ， 你只想听一个结论和解决方案 ， 那没问题 ， 我可以先把结论写在这里 。

那在这个过程当中， 无论你是企业还是职场人， 我们永远需要持续探索和思考的只有一个问题的答案 。

这个问题叫做 ： 我现有的工作流是怎样的 ，而未来可能被 AI 重塑的工作流又会是怎样的 ？ 这是我们唯一需要被持续思考的问题 。

我现有的工作流是怎样的 ，而未来可能被 AI 重新塑造的工作流又是怎样的 ？ 讲到这里 ， 可能会有伙伴会疑问说 ， 什么是工作流 ？

那可能没有深度地接触过 AI 的伙伴会对这件事情有一些疑惑啊 。 这个答案是有几个层次的 ， 我尝试用一个例子来讲明白 。

比如很多的客户都会跟我提一个需求 ， 叫做我希望 AI 能帮我去解决一个一分钟的企业宣传的短片 ， 或是一个产品宣传的短片 。他们希望知道有什么工具可以做到啊 ， 可以一键地我说一句话 ， 或者我大概地说一说我的构想 ， 像我跟我的 agency 去下了一个视频的 brief 一样 ， 这个工具就能帮我自动地跑出整个的一分钟的短片 。

那这一类的思维的模式呢 ，其实处在我们说的这个解决问题的这个第零层次 ， 叫做幻想层 。 就误认为现阶段世界上存在一个超级智能的 AI 能够一键生成我想要的东西 ，但是事实上现阶段这还是不可能的 。

那我们要回答这个问题 ， 首先会有第一个层次 。 第一个层次叫做拆分现在任务的工作流 。 那举非常简单的例子啊 ， 一个视频短片 ， 一分钟的视频短片的工作流可以被拆为非常多的步骤 。

我举当中的一个例子啊 ， 比如说第一步 ， 你需要有一个基本的 idea， 你到底想拍的是什么片子 ， 想传递的是什么价值和信息 。

第二步 ， 围绕这个基本的 idea， 我有一个基本的脚本啊 ， 我大概每分每秒在做一些什么样的事情 。 第三步 ， 围绕这个脚本 ， 我可能分割到了十几个画面的分镜啊 ， 那到这边为止 ， 我可能已经有了一个初步的剧本和分镜了 。

那第四步是我用 AI 为每个画面和分镜生成了对应的首帧和尾帧的画面 ， 用一些纹身图的这个能力去生成了对应的画面 ，并且我要确保人物的主题啊 ， 主题的这个人物是一致的 。

第五步呢 ，是基于我已经生成的这些分镜 ， 我要给它们生成对应的分镜的首尾帧之间的这个视频 ， 对吧 ？

我不能只是图 ， 我要有让它动起来的这个视频 ， 我要用一些 AI 的生成视频的软件 ， 我为它们去生成每个分镜当中的这些视频 。

第六步是我把每一个分镜互相之间 ， 用像 RunAway 这样的 AI 的工具丝滑地连接起来 ， 等等等等。 这就是一个任务的工作流的拆解 ，也是我们往往现在在和大家培训的过程当中一直和大家去强调的东西 。

但这只是第一层 ， 叫做工作流在任务层面上的拆解 。 那第二层是什么呢 ？ 第二层我们说的其实是业务工作流的拆解 。

拍视频这个任务处在我整个业务工作流当中哪里 ？ 啊 ，是营销吗 ？ 是宣传吗 ？ 是一个素材吗 ？ 那在整个营销和宣传的工作流当中， 随着 AI 的进一步的产生 、 变化和演化 ，是否还依然需要视频这样的载体 ？

是否还依然需要拍摄一个完整的一分钟的短片 ？ 这件事情会产生什么样的变化 ？ 那这是第二层 。 那第三层是什么 ？

第三层是现在我的营销工作和获客工作处在整个行业价值链当中的哪一层 ？ 我们是如何参与到整个行业的价值的分配当中的 ？AI 的产生又会如何改变现在的行业价值链当中的一些分配和格局 ？

我在未来的某一天依然需要去拍这一分钟的短片吗 ？ 啊 ， 当然 ， 第二层和第三层来说 ， 对于大多数人来说还太远了 。

为什么太远 ？ 我将会在我们整个播客的最后啊 ， 用一个专门的一个篇幅来做最专门的这个解释 。 那在这边啊 ， 对于一些特别急的伙伴来说 ， 我们想说真正的解法其实就是这样的三个层次 。

那么为什么是这样的三个层次呢 ？ 我会逐渐地一层一层打开 ， 来让大家看到我们在过去一年当中服务于各个品牌 ， 服务于各个国企 、 央企 、 外企 、 民企 ， 从快消到制造到一些金融机构当中， 我们看到的一些典型的 ， 无论是企业还是个人在与 AI 互动过程当中的这些谬误 ，以及为什么我们要如此来面临和解决这些谬误 。

第一层的谬误叫做我们不能满足于只做学习工具的人， 我们要尝试去做重写工作逻辑的人。 啊 ，在我刚才提到的这篇文章当中也有很多的谬误是类似的 ， 比如说我现在是和会用 AI 的人在竞争啊 ， 这样的竞争谬误 。

比如说我在和我的同事去比谁能更快地掌握 AI， 这也是一个竞争谬误 。 还有一种叫做 AI 只是工具 ， 怎么使用其实取决于人， 这其实都是同类的谬误 ，是把 AI 当做一个完整的工具来说 。

这些谬误都把注意力局限在个人和 AI 的工具层面 ， 关注自己是否能够掌握好 AI 的工具 ，以及别人谁掌握得更好 ，而忽略了工作的体系的一个整体的变革 。

那这种思维假设的是一种什么情况 ？ 假设的是 AI 对于我们现在工作的影响基本只有两种方式 。 啊 ， 这里我也引用一下那篇文章当中的解释 ， 我觉得特别特别的精道 ， 叫做只有两种方式 。

第一种叫做自动化啊 ，AI 能够取代你自动完成这个工作 。 第二种叫做增强 ， 叫做我用好了 AI， 我就不会被取代掉 。

所以为了不被取代掉 ， 我要增强自身的能力 ，以确保不被自动化取代掉 。 但是这个思维其实卡在了一种局部优化的一个错误框架里面 ， 就是我关注的是我如何完成的是当下的一个任务 。

它可能忽略了一个非常关键的问题 ， 叫做整个系统可能由于 AI 的产生已经发生了变化 ， 所以非常多的任务的现有价值随之消失了 。

不是说我完成这个任务完成得不好 ，不是说我用 AI 完成这个任务完成的质量不高 ，而是现在我完成这个任务本身不带来竞争优势了 。

我们举一个非常简单的例子啊 ，在文中给到的这个非常贴切的这个例子 。 比如说集装箱这个东西的产生 ， 集装箱这个东西的产生 ， 它不仅仅是提高了大家装卸的这个效率 ， 它甚至改变了全球贸易的一个经济逻辑 。

那过往像利物浦这样的相对偏小一点的港口 ，在集装箱出现之后， 它开始变得无关紧要了 。 啊 ， 全世界 60% 以上的吞吐量都进入到全球的十大集装箱的港口当中了 。

因为随着随着集装箱的出现 ， 整个港口的运作模式发生了变化 ， 大家都集中性地可以去到一些大的港口 ， 从而去衍生到各个细枝末节的那些整个的运输线路上 。

那在很多港口的码头工人 ，他们一开始担心的是什么 ？ 担心的是随着集装箱的出现 ， 我搬不动货了 ， 我可怎么办呢 ？

啊 ，但其实啊 ，他们甚至进而衍生出的担心是说 ， 我担心我被起重机所取代 。 所以他们有很多人去学我怎么样去做起重机 ，但是他们没有意识到的是 ， 大量的港口本身被淘汰了 。

啊 ， 我其实不需要把很多的货送到一个一个分散的港口 ， 我送到那些集中的港口 ， 然后再次由集装箱和对应的货运的这些线路去完成就可以了 。

所以这个问题不再是某一项任务的自动化 ， 某一项任务的加强 ，而是整个的系统逻辑发生了改变 。

那就像现在很多的组织 ， 它开始部署 AI， 它并不是无效的 。 啊 ，但这件事情会因为他们过于聚焦在我只是在一个现有的工作框架当中去使用 AI 去做了优化 ，而渐渐地随着整个系统被重构 ， 整个系统被新的商业模式所覆写的时候 ，他们会发现 ， 诶 ， 我其实已经开始跑了 ， 我为什么跑不过他们 ？

是因为跑的方向可能没有没有真正地去集中到那个整个商业模式最有价值和最高效的那个方向上， 所以跑的方向可能就会有问题 。在我们和很多企业交付培训和陪跑的过程当中， 我们反复跟大家强调的东西是 ， 呃 ， 我们应该更多地关注的是整个工作流这个概念 ， 怎么样用好 AI， 怎么样在拆解思维链 ， 拆解像吴恩达的提示词第二原则的过程当中

去回溯我现在的工作的工作流是什么样子 。 因为我更好地理解了当下的工作流 ， 才有可能去重塑它 。

啊 ，但同时我们也会收到很多我们从学员的角度 ， 我们从客户角度给到的反馈 。 大家说我希望看到的是直接在当下我就能用的提示词 ， 我到底怎么用提示词能帮我写好这个文章 ？

我怎么用提示词能帮我分析好这个数据 ？ 或者有没有哪一个 AI 的软件能够迅速地帮我去做好调研的工作 ， 做好审核的工作 ？

啊 ， 当我们反而去提到工作流重塑的时候 ， 大家会觉得是离我现在太远了 。 呃 ，但其实我们会认为这是一个比较典型的时间贫困的这个情况 。

啊 ， 大家必须要也不得不要去着眼于当下的任务和痛点 。 啊 ，但其实我们想说未来其实就像过去历史上发生过的 ， 这个文章当中也提到的例子啊 ， 长弓手他不是输给了装备了火药的长弓手 ，他是输给了枪啊 ，他是输给了整个的新的战争模式 ， 大家的整个阵型发生了变化 ， 运输发生了变化 。

啊 ， 这种战争模式取代了原有的长弓手 ，不是说你没有用好装备火药的这个弓箭手而已 。 所以我们也渐渐地发现啊 ， 很多的伙伴逐渐开始意识到这件事情 。

我们很多的学员 ， 很多的客户 ， 尤其是一些比较偏高层的客户 ，他们开始意识到说 ， 哦 ， 我们带着当下的任务去探索未来的任务潜在的这个工作流 ， 业务的工作流 ， 乃至行业的价值链的分配模式 ，是越来越重要的一件事情 。

所以这是我们说的第一层的谬误 ，不能只是满足于去学习这些工具 ，而是看到在这个工具的背后， 啊 ， 怎么样去逐渐地意识到这个工作流被重新塑造的可能性 。

呃 ， 第二个层次的这个谬误呢 ， 我们会想说其实我们不是要守住现在的职位 ， 我们是要尽可能去做整个的角色进化的推动者 。

那举一个很简单的例子啊 ， 现在的很多公司在谈论这个 AI 技术的使用的时候啊 ， 会用典型的叠加式的语言 ，AI 加什么 ，AI 加什么 ， 啊 ， 就会像是一个 AI 当做一个附属功能来整合 ，在某一个地方搞一个集成 ， 另外几个地方搞一些试点 。

但是整个的架构的这个重新战略的布局和结构和工作流程 ，其实还没有去进入到一个重新塑造的这个过程当中 。

这其实是很多企业在数字化转型过程 、 智能化转型过程当中的一些经典的误区 。 大家会觉得说只要把现在的每一个节点变得更加智能 ， 我其他的一切照旧就可以了 。

但这个过程其实是有一个非常重要的假设 ， 这个假设呢 ， 忽略了一个关键性的事实 ， 这个事实叫做 AI 可能带来的是一场结构性的变革 ， 它不是一个热插拔的一个这种升级包 。

啊 ， 如果我们把企业看作是一个容器来说 ，其实这个容器是吸收了更多的变革 。 啊 ， 这其实这个容器不仅仅是吸收了更多的变革 ， 它更多的是随着这个吸收的过程当中改变了自身的形状 。

啊 ， 那很多我们的伙伴会觉得说这个工作岗位在现在的这个状态下其实是固定的 。 啊 ， 我哪怕发生了工作岗位上的这种重塑 ， 啊 ， 呃 ， 这个组织架构上的这些变化 ，AI 也只是把我们当下的做事的方式改变了而已 。

啊 ，但其实我们想举一个例子啊 ， 就比如说在在这篇文章当中， 我举了两个体育方向的例子 ， 我觉得其实还挺生动的啊 。

可能熟悉篮球的伙伴会知道 ， 篮球场上过往会有五个比较固定的这个位置 ， 叫做控球后卫 、 得分后卫 、 小前锋 、 大前锋和中锋 ，有这样的五个位置 。

啊 ，但每一个位置都会有它对应明确的任务 ， 比如说控球后卫就是要管好整个的进攻组织的梳理 ， 得分后卫就是要管投篮 、 管切入 ， 啊 ， 小前锋就是要管对应的这些侧翼的这些进攻 ， 大前锋和中锋也会各司其职 ，他们有固定的这个站位 ， 互相之间形成了一个配合的这个模式 。

啊 ，但是在过去的几年， 随着整个的数据分析的体系引入之后， 大家会发现说 ， 诶 ， 篮球的逻辑发生了变化 ，因为三分球和篮下和罚球要远比中距离投篮的效率高得多得多 。

于是在这个过程当中， 司职中距离的很多角色 ， 这些位置就开始发生了弱化 。 现在的篮球已经开始变成了 ， 啊 ， 我们说这个控球者 、 侧翼和内线这样的几个角色 ，他们互相之间场上的五个人的角色互相之间变得越来越模糊 ， 所以传统的这些角色也不再匹配 。

那映射到我们现实的商业世界当中其实也是一样的 。 那一个岗位的存在其实是为了协调这个组织当中的某一组问题 ，但是当这个组织所服务的商业系统开始变化之后， 岗位的逻辑也可能会完全变化掉 。

虽然那个具体要被完成的任务可能还存在 ，但它的分工模式可能已经产生了变化 。 那我们作为人类来说 ， 包括企业主啊 ， 会倾向于说现有的岗位是固定的 ，因为那样更加容易理解 ，也更加稳定 。

但其实这是一个非常严重的误导 ， 它会让人执着于说我现在的岗位应该怎样去做一些调整 ，而不是去思考说最有效最高效的方法下我的岗位是如何被重构的 。

所以说我的工作会不会被 AI 所取代掉 ，其实是一个错误的问题 ，而是新的系统当中可能会存在哪些岗位 ， 这是一个更加重要的问题 。

就像我们和很多企业在培训和陪跑的过程当中， 很多企业都会问这样的一个问题 ， 叫做 ， 诶 ， 这个东西我们现有的岗位的视角下， 它的结合度高或者结合度不高 ， 啊 ， 所以要怎么怎么怎么样 。

啊 ， 当然这是一个重要的问题 ，因为现有的岗位上的每一个人 ，他们都要做日常的汇报 ，他们都要把现有的岗位上的这些边界以内的这些事情做好 ， 才能去拿到更多的资源 ， 拿到更多的成果 ， 才有后续的去扩大自己的岗位边界的这个可能性 。

啊 ，但是我们想说其实不能仅止于此 ，因为真正在这场变革当中可能会活得比较好的 ，是那些率先提出新的角色分配的部门 ，他们新的角色分配有可能会引领整个企业的变化 ， 乃至整个行业的变化 。

这是在 AI 的这一轮变革当中， 很多个体或是管理者都需要去注意的一件事情 。 那我们在这里也特别想提醒那些打工的伙伴 ， 尤其是一些基层的伙伴啊 ， 如果说我们现在的这个公司啊 ， 啊 ， 处在一个积极探索新的角色的这种状态里啊 ， 啊 ， 比如说它它可能三天两头都要重组组织架构啊 ， 要重新划分一个新的这个角色边界 ， 这在以往呢 ， 我们可能会认为

说这是一个企业不够稳定的一个标志 ， 啊 ， 是一个员工老是被折腾的一个标志 。 啊 ，但在接下来的这一轮 AI 的变革当中， 我们会认为可能这个结论不完全一定了 。

因为在这个过程当中， 如果企业的变革适合 AI 重塑整个的价值工作流程 ， 包括业务工作流程的这个这个趋势是一致的 ， 那就意味着企业在和我们共同探索很多角色进化的成本 ， 这不一定是一件坏事 。

那相反 ， 那些部门架构非常稳定 ， 或者即使不稳定 ，但他们变革没有考虑 AI 融合的这些部门 ， 啊 ， 如果是这样的部门的话 ， 它相反可能会变得非常危险 。

因为很有可能我现在的这个岗位 ， 我发现探索着探索着 ， 我成为了一个新时代的打字员 。 所以这是我们说的第二层的谬误 ， 我们并不是要守住现在的岗位 ， 让它变得更加的高效 ，而是我们要尝试去探索怎么样去成为当下角色的进化的推动者 。

呃 ， 第三层的谬误呢 ，是啊 ， 我们不应该追求的是更快更多地完成我们现在的工作 ，而是要更加聪明和有洞察地去掌握整个的价值流动 。

这句话说得会相对来说有一点复杂啊 。 那在啊 ， 我我引用的这篇文章当中其实也提到了类似的谬误 ， 它提到了两个谬误 ， 一个叫生产力提升的谬误 ， 叫做 AI 让我完成更多的工作 ， 所以我会更有价值 。

啊 ， 还有一个谬误叫做我还有这份工作 ， 所以我就很安全 。 啊 ，但其实啊 ， 我我们会有一个认定叫做你完成了更多的工作 ，并不代表着你提供了更高的价值 ，也并不代表着我能拿到更高的职位和更高的收入 。

那呃 ， 文中提到了一个很典型的例子 ， 服装行业为例啊 ， 就是近年来在快时尚这个领域 ， 工厂的整个的生产力开始大幅地提高 ，但是这一些的生产力的提升的价值没有流向工人或者工厂本身 ， 流向了谁呢 ？

流向了像 Shein 这样的系统协调者 。 那 Shein 这些公司会来应该怎么读 ？Shein，Shein， 反正中文是西英那家公司啊 ， 就是这类的系统协调者的公司角色 ，他们在决定要生产什么 ， 什么时候生产 ， 生产多少 。在这个过程当中， 工人的劳动生产力越高 ，他们的议价权反而不见得越高 ，因为任务被重新分配了 ， 系统重新构架的这个结构当中， 这些工人是非常容易被取代的 。

啊 ， 那接下来 AI 可能会做的事情是什么 ？AI 的工具会变得越来越普遍 ， 越来越可得 ， 所以整个的生产力会变得非常商品化 。在这样的环境当中， 呃 ， 产生的价值它不再简单地归属于劳动者了 ， 它有可能会归属于掌控了整个系统协调逻辑的这些管理层 ， 到底怎样去重塑整个行业的价值分配 ， 这些人才会拥有更高的议价权 。

啊 ， 这些人也会得到更高的回报 。在经济学的理念当中呢 ， 这个叫做李嘉图租金 ， 系统中的价值并不归属于最努力的人 ，而是归属于掌握稀缺资源的人 。在农业时代呢 ，是土地 ，在科技时代呢 ，是协调与分配的能力 ， 比如利用数据决定干什么 ， 匹配供需 。

那很多人在和我们沟通的这个过程当中都说啊 ， 就是现在的这个审批流程太复杂了 ， 我希望有一个什么 AI 的这个这个工具啊 ， 无论是在外采的还是我自己部署的 ， 能够把现在的这个工作简化掉 ， 我就能省下一两个小时了 。

那我们往往就会问这样的客户说 ， 那你省下来的这一个小时， 你准备做什么事情 ？ 他们会说我可能会休息啊 ， 或者我把现在的这个工作再多做一些 ， 这样我的绩效可能就从八分到九分 ， 甚至到十分了 ， 我就能更好地去获得更多的这个这个这怎么说 ， 生产力上的交付 。

啊 ，但是很有可能你更高的生产力的交付并没有带来更高的价值 ，因为你的绩效有可能打得更高了 ，但是你的职位可能被价值链上更有价值的那部分人取代了 ， 甚至你的公司所处的这个位置也被整个价值链上更有议价权的那部分人给取代了 。

你不会因为交付了更多的内容 ， 做了更多的事情 ， 变了更高效 ， 就拿到更好的职位和薪水 ，因为这个职位在新的系统当中可能已经变得不值钱了 。

啊 ， 所以从这个角度来说 ， 我们给到很多企业的一个需要关注的角度是 ， 我们是不是依然在这个牌桌上， 我们是不是依然在参与整个行业的 ， 甚甚至行业都有可能被重构啊 。

当当然 ， 如果行业不被重构的前提下 ，是我们的企业是否依然在这个行业的价值链的重塑的流程当中， 还是有可能行业的价值链重塑已经形成了一个新的状态 ，但我们已经被甩开了 ， 我们没有参与到这个价值分配当中 。

那从个人的角度来说 ， 我们会十分想要告诉大家的是啊 ， 就是在这个时代 ， 忠诚它不一定是一件好的事情 。

当然在任何一个时代 ， 忠诚都是一个资本和和劳动力之间的一个并不存在的一个潜在骗人的这个契约啊 。 我我我们会认为说 ， 从个体 ， 从打工人的角度来说 ， 要好好思考一下， 就是未来随着整个的行业的价值链被重新塑造 ， 就像 Shein 这样的公司重新塑造了很多快时尚的这个角度的这个价值链 。

那 AI 之后可能会改变 ， 会有一些新的领跑者 ， 那我们的公司是在领跑的地位吗 ？ 如果不是在领跑的地位 ， 它会以怎样的方式参与到这个价值链的分配当中 ？

比如有的公司它就是财大气粗 ， 它就是能通过这个 merging acquisition， 这叫叫什么来着 ？ 通过并购的方式啊 ， 它去把那些价值链的分配公司并入到它的体系当中， 慢慢地来变革 。

但是各位伙伴 ， 我们现在所处的公司 ， 它有这样的地位吗 ？ 它是否正在积极地参与到这样的状态当中 ？

而我作为个人， 如果真的发生了这样的变化 ， 我是否有能力去参与到这样的过程当中 ？ 这些可能都是长期来说我们需要需要去思考的这个东西 。

所以这是我们给到大家的这个第三层的 。 我们其实在当下可能不仅仅是在追求更快地去完成现在的工作 ，而是可能要去更聪明地 、 更有洞察地去看整个行业潜在的这个价值链的这个流动会发生怎样的变化 。

当然我们说到这边 ， 很多伙伴可能会意识到说 ， 你说的这些看上去太远了 ， 这和我当下的这个生活 ， 好像当下的这些任务 ， 当下的工作之间的距离特别远 。

这些事情可能未来的某一天会发生 ，但是它们会在未来的哪一天会发生呢 ？ 啊 ， 我我我现在如果不做好我当下的工作 ， 我可能就会被干掉了 。

当那些事情发生的时候 ， 我可能也不会被准备好 。 所以在这里 ，在整个播客的最后， 我们也想跟大家分享一下， 呃 ，是之前我们呃团队在听中欧的一场讲座的时候 ， 得到了一个非常好的灵感 。

中欧的谭英亮教授给到了一个大概的这个参考 ， 我也想分享到给到大家 ， 就是整个 AI 去重塑我们现在的商业体系 ， 可能到底要花多久 ， 要经历一些什么样的流程和过程 。

呃 ， 那在谭教授介绍的这个这个思考的逻辑里面 ，有一个非常重要的前提啊 ， 就是我们现在所处的这个 AIGC 的这个时代 ， 我们会普也也不能说它已经是 AIGC 的时代了啊 ， 就是或者说 AGI 的时代 ， 我们其实还远远没有到 。

那它什么时候会到啊 ？ 其实一定程度上就在回答说 ， 我们刚才所说的这些系统性的工作流的重塑 ， 什么时候会发生 ？

那要理解这件事情 ， 谭教授引入了之前的一个非常重要的一个概念 ， 叫做第二次科技革命啊 ， 电力革命的时候 。

那他把整个的历史重塑了一下 。 我在这边给大家一个非常好的一个这个参考啊 ， 我觉得是那电力革命的时候是一个怎样的过程呢 ？

那首先 1831 年， 电磁感应被发现了 ， 那法拉第发明了 ，不能叫发明啊 ， 应该是发现了电磁感应的这个逻辑 。

那刚刚发现电磁感应这件事情 ， 它其实和我们可能现在的这个 AI 这件事情所处的这个位置啊 ， 可能要更早 ， 可能是我们 AI 的浪潮的第二 、 第三次的这个时代啊 。

那 1831 年一直到 1879 年之间 ，其实电这件事情都没什么进展 ， 一直到 1879 年， 那托马斯· 爱迪生发明了这个钨质的这个电灯泡 ， 可以批量地持续地产生的这个电灯泡啊 。

于是电电真正地被应用到了这些这个夜间的这些场景当中， 大家会发现说都不仅有电磁感应了 ， 还有对应的产品了啊 。

那 1880 年， 尼古拉 · 特斯拉和乔治 · 威斯汀合作 ，他们开发了交流电系统 ， 那克服了直流电传输当中这个距离距离特别短的这个限制 。

那一直到 1881 年，1881 年的时候会发现说 ， 诶 ， 这个纽约和纽约和伦敦其实已经开始建立了一些基本的发电站了 。

那看上去好像整个社会去做电力革命的一些基础已经被打好了 ， 对不对 ？ 到 1881 年的时候 ，但事实上， 事实上整个人类社会的生产革命被电力所影响 ， 发生在什么时候呢 ？

啊 ， 根据史料 ， 它发生在将近 1910 年左右才发生大批量的这些改变 。 那从 1881 年到 1910 年， 这当中的十年到底经历了什么东西 ， 要整整三十年才能批量地影响呢 ？

啊 ， 这个时候谭教授引用了一位叫 Paul A. David 的一位教授 ，他发表了一篇论文 。 那这篇论文当中去讲述了工厂这个生产环境啊 ，因为不像我们现在的商业环境啊 ， 当时的这个生产环境是非常以生产力为导向的啊 。

呃 ， 当时工厂内第一时间其实就大批量地开始去使用电动机了啊 ，并不是说他们不愿意用 。 那工厂内的原有的工作流程是什么样子呢 ？

是把某些机器放置在靠近蒸汽机的位置上 ，因为那是第一次科技革命之后的这个产物 ， 对吧 ？ 但是放置在蒸汽机的周围 ， 这个逻辑和现在的我们看的工厂的流水线其实是完全不一样的啊 。

那它放置在蒸汽机的这个位置的附近 ， 能够更方便地让蒸汽机产生的这些动力 ， 来帮助他们把那些对应的这些机器去做对应的这些工作啊 。

但是当电动机被发明的时候啊 ， 大家做的一个典型的事情是把电动机做了一个非常粗暴的取代啊 ， 就是把那个蒸汽机给拆掉了 ， 然后把那个蒸汽机的那个位置去放成了这个电动机 ， 放成了这个发电机 。

啊 ，但这样的一件事情 ， 大家会发现说 ， 诶 ， 生产力没有没有明显的这个提高啊 。 啊 ， 工厂的这个保留的这个结构还是多层结构 ，因为要放蒸汽机嘛 ， 你一层它它只有那一个空 ， 这个平面结构上的这个空间的那些机器能够被蒸汽机所影响到 。

但是呃 ， 一层放不够的情况下， 它就需要第二层 、 第三层 ， 对不对 ？ 在这个过程当中， 大家就会发现说 ， 诶 ， 好像整个的生产力没有被提高啊 。

那什么时候被提高了呢 ？ 我们刚才其实已经提到了 ，是 1910 年， 是三十年的时间让这件事情真正地提高了 。

那三十年间发生了一些什么样的变化让它提高了呢 ？ 啊 ， 首先第一件事情发生了变化 ，是整个工厂的生产流程被拆解和重构了 。

大家把巨型的蒸汽机改成了无数个分布式的小型的电动机 ，并且随着这个小型的电动机的引入 ， 整个工厂的布局开始变得平面化 ， 流水线化了 ， 这样能最大化地发挥电动机本身的这个效率 ，而不是像原来一样 ， 所有东西围着一个巨型的蒸汽机 。

啊 ， 这是第一个变化 。 第二个变化是整个的配套技术升级了 ， 电力的稳定性开始明显地提升了啊 ， 自动化设备的产生开始实现 24 小时的生产了 ， 对吧 ？

因为当时虽然有电力了 ，但是还没有实现自动化 ， 它真正的这个效率的飞升是从自动化和电力结合在一起才能实现 24 小时生产的 。

同时在这个过程当中， 有一些精细的生产的这些东西 ， 它需要工作的环境能够降噪减震 ， 才能有效地 24 小时生产 。

整个工厂的环境也发生了变化 ， 所以这是我们说的第二点 ， 配套的技术发生了升级 。 然后第三个级别的 ， 这个不不能说级别啊 ， 第三个层面的变化是整个工厂的管理体系也发生了变化 ， 薪酬体系重新设计了 ， 组织架构重新设计了 ， 它去除了原有的中心化的这个逻辑 。

那工人自主操作设备的这些工作流程 ， 工作的这些任务也发生了这些变化 ， 所以整个的管理体系也发生了变化 。

所以基于这样的三个变化 ， 整整地走了三十年左右的时间 。 那美国的生产效率在 1910 年开始啊 ， 实现了飙升 。在电力化实现这个电力商业化的三十多年后， 美国的制造业才在 1910 年代的这个生产效率增长率超过了每年 5%。

但在一开始根本没有达到这样的一个水准 。 那这件事情从第二次科技革命给到我们第四次科技革命的启示是什么 ？

啊 ， 我们会发现说 ， 想要把 AI 的这个这个呃 ， 怎么说 ， 系统性的变革去等到一个合适的时机 ， 我们可能也需要去注意这样几个点 。

第一 ， 我们可能要去避免这样粗暴替代的陷阱 。 那谭教授举了一个非常有意思的例子啊 ， 叫做当蒸汽机发明的时候 ， 你把蒸汽机架到帆船上， 这东西是行不通的啊 。其实你是真正地去重新设计了关于蒸汽的这样的船只 ， 它才真正地去起到了这个作用 。

那就像我们刚才说的 ，AI 它并不是粗暴地取代了现有工作流程当中的某一个环节 ， 它是把整个系统重塑之后才有可能去改变的 。

那在这个过程当中， 第二点非常重要的是技术的沉淀规律很重要 。 那电力革命消耗了三十年啊 ， 去把整个的技术做更好的沉淀 ， 那 AI 也需要更好的沉淀 。

自 GPT-3.5 刚刚发布到现在 ， 大家看到 DeepSeek， 看到 Gemini 2.5 等等等等 ， 这些系统的进一步的发展 ， 它其实也是需要这些时间的 。

那在这个过程当中， 还需要很多算法和算力和成本方向的这些东西的迭代 ，也是我们说的技术沉淀规律当中的这个第二条 。

然后第三条是系统创新的这个要求 ， 各个企业是否准备好了去做组织架构的这些变化 ， 企业文化的变化 ， 去打破现在的盈利模式 ， 去创新新的盈利模式的这些变化 ， 这是第三层的事情 。

啊 ，但是我们想告诉很多我们正在陪跑的这些企业 ， 包括培训的企业的一个非常重要的点是 ， 这三十年不是从天掉下来的 ，不是说我的企业按照以往的方式干了三十年， 然后三十年后别人把那些东西都探索好了 ， 我就参与进去 ， 我就摘果子吃了 。

不是的 ，在这三十年的过程当中， 很多没有一点一点去磨合和尝试的公司被逐渐地淘汰掉了 。 那这个三十年进到 AI 的这个过程当中， 很多人会有不同的预估啊 ， 这个时间可能是十年啊 ，也有预估可能是五年， 也有说可能是十五年 。

但无论它是多少年， 但至少在企业层面上也要做好四个层面的准备 。 那在战略层面上， 大家要持续地去探索简单的替代方案是什么 ？

就是我刚才说的那些相对比较粗暴的替代方案 ，但这些简单的替代方案是为了系统性的解决方案去做好准备的 。

第二个层面是整个企业需要去关注 AI 与业务的第二曲线的结合 ，并且要实时地去关注什么时候可能把它融入到我整个企业的业务战略当中 。

这是从战略层面上大家两个需要去做到的事情 。 第二是组织架构的这个层面上， 那有一些企业已经开始尝试去做这样的事情了 ， 会去设立一些专职或者兼职的 AI 的探索人员 ， 会让他们肩负起去带头推进 AI 和管理的一个探索工作 ， 去看一看未来到底什么样的事情能够实时地被关注到 ，并且引入到企业当中 。

第三个呢 ，是我们说企业文化层面 ， 你会发现在那个电力的三十年当中啊 ， 它一定是有大量的试错的 ， 它一定是有大量的被浪费掉的时间和精力的 。

但是那些真正呃 ， 真正的先驱的公司们啊 ， 往往他们也是更多地吃到了蛋糕的人。 所以在这个过程当中， 企业是否能够鼓励创新和试错 ，是否能够定期地把时间和精力花在和外部的公司去拉通现在的 AI 的一些进度 ， 信息的一些进程 ，并且去组织对应的工作坊 ， 去做一些小范围的这些试点 ， 从而更好地去影响它大面积的那些系统性的革新 ，其实也是非

常重要的一个文化层面的一些改变 。 那最后还有一个层面 ，其实很多呃 ，在上一个阶段有一些掉队的公司啊 ， 我们会建议在这个阶段需要去抓起紧来 ， 就是加速它的整个的基础设施的建设 。

基础设施的建设有指的是我们说业务流程的全链路的数字化 ，因为你会发现下一个阶段 ， 无论 AI 怎样去重塑你的工作流程 ， 你在管理过程当中的大量的这些经验的沉淀 ， 数据的这些沉淀都是非常重要的 。

那如果这些经验和数据的沉淀目前还在所有的员工的脑子里 ，在纸面上 ，在台账上， 它并没有形成结构化的数据 ， 已经被准备好 。

那即使有一天 AI 的工具准备好了 ， 这些工具啊 ， 这些这个工序也没有办法被省去 ， 它依然需要被重跑一遍 。

所以对于企业层面来说 ， 我们会给到这样的一些建议 。 那我们再回到个人的这个层面上来说啊 ， 如果在个人的层面上， 大家能够积极地去投身到我们刚才说的这些角度上， 那至少意味着我们的思维和行动都是时刻准备着去为整个行业的系统性的变革去做准备的啊 ，而不是我只是着眼于当下的这个工作的这个 AI 提效 。

这件事情也重要 ， 当然重要 ，因为这对于我们理解好 AI 到底能做到什么 ，不能做到什么是有极大的帮助的 ，但不能仅止步于此 ，而是更多地需要参与到我们刚才说到的这四个层面上 。

所以啊 ， 一口气已经说了这个三十多分钟的这个时间了 ， 我们再回到今天希望跟大家回述的这样的一个核心的主题 ， 就是我们交付了近百场的培训和很多的陪跑之后， 我们会发现说啊 ，其实很多的职场人， 包括说企业主啊 ，有可能会陷入到我们刚才说到的这些谬误当中， 会过多地去着眼于一些眼下的这个战术上的勤奋 ，而非战略上的这些真正的要

去被改变的东西 。 那如何去破除这些谬误 ？ 我们去尝试思考现有的工作流到底是什么样子的 。

当 AI 出现了之后， 当 AI 的技术能力产品持续地迭代了之后， 我的工作流可能可以怎样被重新塑造 ？ 好吗 ？

这里是 101 号谈职场 ， 我们今天就到这边 ， 感谢大家 。