Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
你有没有过这种感觉
今天开了很多会
写了很多文档
回了很多消息
看似做了很多工作
但是晚上回家的时候问一下自己
然后这个问题是回答不上来的
而且更刺耳的是
如果你把今天做的那些东西
比如说周报、PPT、分析结论、PRD、代码草稿
丢给一个AI的话
他可能几分钟就能交付同款
那既然如此
我们的价值是什么
今天这期视频
我回答的问题
不只是AI取代我们的工作这么简单
我用一个更大的框架
去审视一下我们白领的工作
白领这个工作其实是被发明出来的
它也会在同样的逻辑下被淘汰
而我们的工作中缺乏成就感
有越来越多的Bullshit JOBS
其实本质上是一个系统问题
那我们在剖析白领工作的本质
和这些缺乏意义感
缺乏价值感的狗屁工作的成因之前
我们先看一下白领工作的历史
其实白领工作
或者换句话说
knowledge worker知识工作者
这个工种出现的历史还不到100年
我们生长在这个环境
以为它就是天经地义的
仿佛一直都存在
然后仿佛它就是历史的终结
其实我们往前看的话
人类历史上一万年
基本上所有的人
98%的人都是农民
然后在短短的200年前
我们开启了工业革命
这个时候很多的农民变成了工人
这时候我们农业和工业的产量
一下子提高了很多
越来越多的人从农业转化成了工人
像今天我记得美国的农业人口
只是总人口的3%
那绝大多数的人
直到最近的几十年都是工人
在那个时候
工人阶级是整个中产阶级的柱石
是整个社会先进生产力的代表和方向
然后随着工业越来越复杂
我们就发现阻碍生产力的不光是机器
而是信息
当一个企业从一个工厂
变成好多个工厂
变成跨州跨国的这样一个庞大的组织的时候
企业家资本家们就会发现
我们需要的不光是工人把东西做出来
包括我们现代组织的这种管理方式
其实也是源于铁路的管理
就是当更多的铁路和火车被造出来之后
我们发现
调度这些火车就变得非常重要
不然火车就会堵车会撞车
那这个时候
我们就慢慢的发明了
各种各样的管理层级
去管理信息这件事
包括谁做什么
货在哪账怎么结
谁负责什么风险
各种各样的流程等等
所以大家看到了吗
也就是说
在决策和执行之间
做信息的收集、翻译、整理、分发
然后降低整个系统的摩擦
这个是绝大多数白领工作在做的事情
当然后来我们进入信息时代之后
很多knowledge worker本身就创造生产力
因为我们更多的生产出来的东西
所以说
为什么程序员可以拿到很多的钱
因为他们不光是在降低信息成本
而且他们是切切实实的
正在创造终端的产品
好 讲清楚了我们现在
整个knowledge worker或者白领工作
干的事情是什么
价值来源是什么之后
我们再回到刚才的问题
为什么我们感觉做的很多东西
是没有价值的
这里是我综合了David Graeber的《Bullshit Jobs》
和彼得·德鲁克在Jim Collins(口误)上的播客的内容
它的核心原因是
比如说农业
我们都说一分耕耘一分收获
我们的产出非常容易被衡量
我们的耕耘其实也非常容易被衡量
那在工厂也是这个样子的
我的productivity就是我生产效率
我生产这样一个不管是产品还是部件
它的效率
只要造的多造的快造的好
那就是productivity高
可是我们落到自己的工作上
比如说你作为一个Data Scientist
你怎么样子去衡量你的工作效率呢
整个公司
我们可以说这个公司到底赚了多少钱
但是再往下
你这个组
为你公司的这个最终产品创造的利润
怎么衡量
这个时候很多时候就是storytelling
或者讲故事了
就是我们在公司内部
就有很多画饼的余地
我们会说我做的这个产品非常的重要
他是我们公司非常重要的一个long-term bet
或者说哪怕我们非常清楚的知道
我们这个组做的事情
对我们公司线下的运转都非常重要
但是我们怎么样子去衡量
每一个knowledge worker
他个体的productivity呢
其实是非常难衡量的
那这个时候我们就会出来很多proxy
很多代理指标
代理指标很多时候
measure的都是你的input
而不是你真正产生的价值
你的input就是你写了多少页PPT
你发了多少个邮件
你开了多少会
你发了多少个信息
然后你写了多少行代码
但是我们都知道
这个input和output之间
其实并不一定存在因果
甚至很多时候都没有相关性
你做了很多东西以后
其实都是白忙
而且问题是什么
就是当我们的这个measurement变成input之后
我看你上了几个小时的班
我看你工作勤不勤劳
我看你工作的这种所谓的产出多不多
所谓的这个产出
说的其实也是input
那大家就会装作很忙
就是没事找事
就是这件事明明不需要做
但是我就是要开10个会去做它
我要去写10个PPT
因为我的工作的measurement是在10个会
10个PPT
而不是把这件事真的就去做了
如果这件事我非常简单的就把它做了以后
我可能performance反而会受到影响
我可能会得到一个更不好的rating
所以
我们比较的不是谁的工作成果多
而是谁更像在工作
这个机制
自然而然的
就会长出来很多看似很重要
但是其实
对这个世界一点贡献都没有的工作
这也是 David Graeber
在他的Bullshit JOBS里边猛烈抨击的点
很多人的痛苦不在于累
而是在于
明知道自己做的事情没有意义
却非要假装它有意义
一个YouGov的访谈是说
37%的英国在职成年人
会觉得自己的工作其实是没有意义的
没有对这个世界有贡献的
反而是比如说我打扫厕所
我是知道这件事是100%有意义的
因为我在做一个切实的东西
可是你做一个数据科学家
做一个数据分析师
很多时候你一年写了这个东西
你真的不知道你做的这个东西
价值是什么
在David Graeber他的书里边也说
就是这些Bullshit JOBS
如果一夜之间全都蒸发的话
这个世界不光不会停止运转
而且很有可能还会运转的更好
因为他就没有这么多摩擦了
没有这么多对齐乱七八糟
没有意义的东西了
所以总结一下
缺乏成就感不是你的矫情
而是这个系统设计使然
当产出的本质是不可测的时候
组织就会用表演型劳动
去替代真实价值
这件事听上去蛮扎心的
但更扎心的是
现在我们想做表演型的工作
我们也会发现他的机会是越来越少了
因为AI来了
其实我一开始意识到
白领工作这个工种
它不是一个天经地义的事情
它也不是历史的终结形态
是我跟Indigo的访谈
他说白领工作其实产生了不到100年
然后他觉得整个历史也不会超过100年
然后在那之后
我就去阅读思考了很多相关的东西
那让我用一句话总结
为什么AI可以系统性的取代白领工作
那就是白领工作的根本
是认知的边际成本
而这恰好是AI非常擅长的事情
这句话怎么理解
就是我们在工业时代的时候
机器取代了肌肉
然后一个很有力气的人和一个普通人
他们的productivity是类似的
而且让脑力工作变得更值钱了
然后回到刚才的分析
我们看到
白领工作的核心是
也就是抛开那些Bullshit JOBS
抛开那些狗屁工作不谈
白领工作真正有价值的那部分
我们报告、分析、代码、会议纪要这些东西
它如果产生了价值
价值就在于降低信息的成本
而这其实也是白领工作赚钱的技能和核心
就为什么在一开始
我们招聘的时候是要精通Office
到后来是精通SQL精通Python
其实就是为了获取信息
然后去降低信息的成本
可是这些事情
慢慢的大家发现
都可以被AI用几乎为0的成本去完成
那这就是白领这个工种
作为信息处理器的基础被整个抽空了
自然而然
它对应的 也就瓦解了
其实这件事早在ChatGPT
刚出来的时候就发生了
我当时还在腾讯工作
然后就有腾讯的一个同事问我
孙博我有一个问题
就为什么AI出来了以后
取代的不是蓝领工作
反而开始是取代了白领工作
哪怕在2022年年底2023年年初的时候
我们已经感受到了这件事
然后那个时候我给他的回答就是
AI所取代的这些白领工作
其实就是
那机器取代的
是我们真正用肌肉去搬砖
而AI取代的就是我们用脑子
或者说是用手用键盘去搬砖
绝大多数的白领工作
或者说绝大多数非常容易被AI
取代的白领工作
他做的不是说产生什么新的知识
或者说什么别人取代不了的智力劳动
而其实就是信息的搬砖
降低信息成本
那这些工作
有什么不能被AI取代的道理呢
另外也有一点啊
就是我们的整个组织架构
就是我们的生产关系
是为上一代生产力而准备的
所以下一代生产力来了以后
整个生产关系的改革是滞后的
在我们有这么强大的AI的时候
我们上一代的生产关系
其实已经是落后的
但是落到公司里边
我们是不想被裁的
然后我们老板也是不想裁员的
因为裁员了以后我会升职加薪吗
不会
裁员了以后我只有可能更容易被裁掉
那这里边的HR设计机制的人
绝大多数的人其实都是不想裁员的
因为他们裁了员以后
也不知道手头现在的活
如何用更先进的生产力去做
这点我在之前的
AI native的那期视频里面有讲过
大多数人的mindset和思路
是没有办法适应下一个生产力范式的
可是虽然过程会很曲折
我们要看到历史的必然性
无论他是以一个小的变革
一步一步的裁员的形式
还是整个公司
被一个更适应先进生产力的组织
所取代
他都是历史的必然
只不过这个必然
需要几年十几年的时间走到那里而已
那这期视频我也希望提醒大家
不要对这件事情的必然性还抱有什么么幻想
早做准备是更好的
那这就是我们视频的最后一部分了
首先这个结果是什么样子的
和我们在这里边如何做准备
那终局其实很简单
我们现在是get paid by our skills
我是一个会处理Excel的人
我就能得到一些收入
我是一个会处理Python的人
我们就会得到一个收入
我相信很多同学
如果在描述自己工作的时候
描述的也多是自己的技能
而不是描述自己工作的结果
因为我们心中觉得
那些技能是我们的价值来源
是不可替代的
那个结果是属于公司的
是公司带来的
而不是我个人带来的
可是在未来这些技能变得不重要的时候
我们每个人就要被逼着往前多想一步
就是你的工作是怎么样子
为这个结果负责的
如果你的那些中间交付物
都变得不再重要
因为他们已经变得非常非常便宜了
我在AI native那一期视频里边
也有黄金和铝的例子
就是当你的这些交付物
被AI的价格打到几乎为0的时候
交付物本身真的不再重要的时候
你就被逼着要去想
你到底能带来什么价值
带来什么结果
那这里边引用社区里边陈然的观点
就是有两类人是最适合这个时代的
一个是business partner或者business owner
是你只care这个business结果
业务结果
你需要去最大化这个业务结果
第二呢就是contractor
就是所谓的拿钱办事儿
我有一个结果
我需要别人做
然后contractor去帮我做
在那之前为什么需要有full time employee呢
这两种角色
都可以收获AI提升的生产力
可是那种全职工的员工就非常难收获
为什么
你全职员工的生产力提高了10倍
你能收获10倍的工资吗
最好的情况也就是给你升职加薪
甚至可能你升职加薪都拿不到
因为我们前面说了
那想清楚了这一点
就是我们要提高真正的生产力
而不是提高假的生产力
我们要对结果负责
那其实在这个时代
人的核心素质并不是会不会用AI
而是能不能定义问题
能不能设计系统
能不能为结果负责
我用三类人来概括这里边的角色
第一类就是定义问题的人
是创造者和架构师
AI我们会发现
他会非常善于
在一个给定的框架里做优化
但是这个框架到底是什么
问题怎么被定义
所以说解题这件事变得便宜
但是出题会变得非常的贵
这也是我们在AI builder
和AI architect课程里边
非常强调的能力
我们通过教大家怎么样子把AI用好
其实更重要的是希望在这个过程中
培养大家去真正去定义问题
定义框架的能力
那第二类是制造信任的人
因为未来所有的知识内容
它的生产成本都会非常非常的低
包括信息、包括代码、包括产品
当这个时候内容泛滥真假难辨的时候
信任反而会变得越来越稀缺
而AI正是因为它能去(模拟)共情
它能去创造很多identity
反而它没有办法创造信任
它也没有办法担责
那信任本质是责任的托付
你能创造信任
你就会变得非常稀缺
第三就是指挥协作的人
是一个整合者
他不是写代码
而是把AI数据和人
都整合到业务里边的人
他是要定义输入、约束边界
提供evaluation、治理风险
他是为结果负责的那个人
其实就是田渊栋的那个文章
我回头也会分析啊
就是他提的重要的观点
其实也是一个非常直白的观点
就是我们从来都不是说AI versus 人或者怎样的
从来都是人加上AI会变得多厉害
那在这里边其实也不是人加AI
而是AI加AI、人加AI、人加人
人加人加人加AI对吧
就是这种整合者
他永远是为结果负责的
那在这里边
什么东西是需要什么样的人
什么样的expertise来做
什么东西是需要什么样的AI来做
是一件复杂的事情
而且
他们是能收获整个技术的水涨船高的
就是当技术变得更厉害
他们是可以做之前做不到的事情
那这种人也是最需要unlearn
最需要放下上一个范式不成立的假设
而用新时代的新范式
去做一个新时代才能做的事情的
那好这期视频
也是一个可能会引起大家焦虑的视频
我不想给大家太多焦虑
但是我也想提醒大家
用一个历史的眼光
用一个发展的眼光去看这个问题
看到我们生产力有一个范式变化
然后生产关系还没有跟上的时候
我们要认识到
那我在这里边也给大家
尤其是正在打工的大家
4个我觉得比较重要的行动点
第一就是把你的工作
尽量贴近可验收的结果
就不要说你做了个分析
而是说你要影响决策
不要说我用了一个什么fancy model
最后做了一个决策
而是说我做了什么决策
第二就是建立作品集
这个
我在我的career signaling的那期视频里边
已经非常详细的讲了
和讲了
大家到底去怎么样子做这件事儿
怎么样子优雅的进行career signaling
怎么样子克服自己的精英耻感
去建立你的作品集
在这儿就不赘述了
要多建立个人的作品集
到未来无论你是要做一个business owner
做一个contractor
还是你要在这个新时代
去展示自己能为结果负责的能力
它都是非常重要的
那第三就是让AI去搬砖
让AI吃掉你的那些表演性劳动
把你的时间留给那些可验证的成果上
尽量少的去做那些中间的表演性劳动
少做那些Bullshit JOBS了
那些Bullshit JOBS在过去是可以
我们就做这些东西
然后我们拿钱
然后我们去干别的事就行了
可是它其实本来就没有价值
而且在未来它会越来越没有价值
我们真的想要去应对提高自己
更适应未来的时代的话
就一定要鉴别清楚
什么东西是狗屁工作
然后要真的动手去少做这些工作
最后呢就是尽量去选择
那些能让你为结果负责的位置
就比如说哪怕你是一个分析的同学
你尽量的去有你自己的opinion
尽量去推动一些项目的进展
在这里我其实非常推荐啊
榛子在发光的这位同学
她其实就是一个从分析到Data Scientist
最后她去了公司以后
就会看到大家需要什么
然后去更多的去主动的推动成果
在这个时候你不需要去ask for permissions
比如说你的这个数据你觉得有问题
然后你觉得是logging数据有问题
没有人去解决它
然后它确实不容易被解决
因为这里边还涉及到
各个组之间的扯皮等等
但是你看到了吗
这就是Bullshit
就是明明是数据有问题
然后你不去解决那个数据的问题
然后去开会去说我们谁来own这件事儿
全他妈都是Bullshit
你要做的事情
就是你想方设法的
去把那个数据的问题给解决
那起码你就离成果更近了一步
所以我在这里边也想跟大家说啊
就是所谓的白领工作的消亡
它并不是我们的末日
而是一个操作系统的升级
它会给我们更多的动力
去远离这些Bullshit JOBS
去让AI帮我们搬砖
去让我们远离那些
我们本来就不应该去做的事儿
让我们离价值和离成果更近
在我看来这真的是一件好事
如果说你想去学好怎么样子使用AI
怎么样子更高效的用AI完成你的工作
怎么样子让AI去完成那些Bullshit JOBS
然后让你解放时间去做那些更有价值的工作
欢迎来看我们的AI Builders
和AI Architect的课程
课程的网站就在这
我们AI Builders的第一个大的Demo
就是讲大家用5个stage
就是5种不同层级使用AI的方式
去自动化周报
从一开始简单的自动化
但是会出现很多问题
到后来完整的不出错的
带evaluation的自动化
一直到最后通过AI
帮助你去形成一个更好的
每周的分析
整个系统是非常robust可延展也可进化的
这样的内容在我们课程里边
也只是一个非常小的部分而已
如果感兴趣的同学欢迎来看
我希望看我们视频的大家
都可以顺应历史的发展趋势
而不是去对抗历史
我们也能把我们个人
放到那些更稀缺的位置上
那好这期视频就到这儿
下期再见拜拜