本文来自微信公众号： 橙竹洞见 ，作者：竺大炜
三位同事
身边有三位同事，Alice、Ben，还有Charlie。
Alice很勤奋。
她工作认真负责，交给Alice的事情总做得很好。就是慢点。但Alice说，慢工出细活。
她知道AI有用，也尝试过让AI帮忙写报告。但她总觉得AI写出来的东西还不够好，细节不够准确。于是，她还是习惯自己动手。
她知道应该学习AI。问题是，她每天的工作已经排得满满当当。收集资料、整理数据、撰写报告、修改PPT，忙得不可开交。
她想等到手头工作忙完再说，可手头的工作永远也忙不完。
但话说回来，这样的忙，让Alice觉得心里踏实。毕竟，自己亲手做出来的东西，总比交给AI靠谱。
Ben很聪明。
他对新技术非常敏感，电脑里总是装着最新的AI工具。今天试试ChatGPT，明天试试Claude，后天又换成Manus。
接到一项任务，他的第一反应不是自己应该怎么做，而是应该交给哪个AI。
AI做得好，他就直接拿来用；做得不好，他就换一个工具。如果都做不好，这件事也就这样了。
Ben觉得，与其自己手搓，不如交给AI去完成80%。同样的时间，可以做好多事。至于剩下的20%，也许等一个月，快速进化的AI就能完成90%，甚至100%了。
何必自己费劲呢？
Charlie总是焦虑。
他担心，自己的工作有一天会被AI替代。
但老实说，AI出现之前，Charlie也在焦虑，担心自己会被年轻人取代。
Charlie非常积极地追踪AI行业的发展。各种AI趋势报告、技术分析、工具测评，他都看。
他会跟着网上的攻略搭建各种Agent，做出不少应用。
虽然这些应用和他自己的业务，并没什么关系。
而且，一旦发现这些应用不会真正影响自己的业务，Charlie反而对它们失去了兴趣。
但往往第二天，Charlie又会看到一则AI新闻，开始焦虑起来。
有什么不对？
Alice的勤奋负责，Ben对效率的追求，Charlie的危机感，都是职场中很正常的反应。
三个人看起来是三种态度，其实都是同一件事：在"我"和"工作"之间，插了一个不需要自己判断的替代品。
Alice让过去的经验替自己做决定，Ben让AI工具替自己做决定，Charlie让外部的技术趋势替自己决定应该做什么。
他们的反应都很正常。真正的问题是，他们还没看清AI究竟会改变什么，就已经先把自己交了出去。
这让我想起二十多年前互联网刚刚兴起的时候。
那时候，大家都知道互联网是个新东西，是个好东西，也知道它将改变世界。但究竟会怎么改变，谁也不知道。
早期的互联网，更像是一个独立于现实生活之外的另一个世界。大家发邮件、逛论坛、贴帖子，很难想象有一天，我们会在网上购物、社交、娱乐，甚至通过互联网完成生活中的绝大多数事情。
后来我们才明白，互联网的意义不只是创造了一个新的世界，而是改变了人与人、人与信息、人与商业之间的连接方式。它让原本存在但无法被看见的能力，获得了传播和商业化的机会。
罗永浩原本就是一个有表达能力的人，董宇辉原本就有知识储备和教学经验。只是过去，他们缺少一个能够让这些能力触达大众的渠道。互联网给了他们一个新的舞台。他们不需要自己开发网站，不需要懂服务器，只需要把自己原本擅长的事情，通过互联网放大。
互联网降低了传播门槛，让原本存在的能力变得可传播。
AI时代正在降低把想法变成现实的门槛，让个人的判断、经验和品位，变得可表达、可调用、可放大。
几乎所有传统工作，都将面临不同程度的重构。
AI时代最大的风险，不是你不会使用AI，而是你仍然用过去的方式理解自己的工作。
我们每个人都应该想一想：自己当前的工作中，有哪些部分正在变成某种意义上的电梯管理员？
你是不是一个电梯管理员？
电梯管理员的问题，不是不会按按钮，而是他的工作默认由别人定义。三个人缺的，是同一样东西：把自己的判断变成可表达、可验证、可负责的能力。
Alice的问题不是不会用AI，而是她的经验还停留在"必须亲手按按钮"的形态；
Ben的问题是以为换一部更聪明的电梯，就能解决所有问题；
Charlie的问题是天天研究电梯说明书，却不问自己究竟要去哪一层。
我觉得，他们三个人都需要加强一种新技能：把自己的判断变成可表达、可验证、可负责的东西。
Alice需要蒸馏自己。
Alice最大的问题不是不会使用AI，而是她过去积累的经验没有被有效地表达和沉淀。
她知道一份好报告应该是什么样子，知道哪些数据值得关注，知道领导真正关心什么，也知道哪些结论看起来正确、实际上经不起推敲。
但这些能力都存在她自己的脑子里。她每次写报告，都在重新使用这些经验，却没有把经验转化为可以重复使用的知识。
Alice应该做的不是学习提示词，而是蒸馏她自己。
比如，把过去写得最好的报告交给AI，让它总结报告的结构和分析逻辑；把自己修改报告的过程记录下来，提炼出判断标准；把多年积累的业务知识、数据口径、常见问题和分析方法整理成知识库；让AI先完成初稿，她负责判断、修正和补充那些真正有价值的内容。
慢慢地，她会发现，自己过去的经验不再只能通过亲手写报告来体现，而可以变成一套能够反复调用的工作方法。
随着更高频的调用和尝试，Alice会成为一个更优秀、也更高产的分析师。
Ben需要学会判断。
Ben已经意识到AI能够完成很多工作，也愿意尝试新工具。但他把自己的AI尝鲜能力当成了一个独有优势，这其实非常脆弱。
他需要具备判断工具结果质量的能力。
他需要学会判断AI输出是否准确，识别逻辑漏洞和隐含假设，验证数据和结论。更重要的是，当AI做不到时，他要能自己补足，而不是直接放弃。
如果Ben能够建立自己的质量评价和兜底体系，他就不再只是一个把任务派给AI的人，而是一个能够指挥、审核和整合AI能力的人。
Charlie其实最不需要焦虑。
Charlie懂业务，也有技术敏感性。问题在于，他没有把这两种能力真正连接起来。
他看到一个新工具，就想研究它能做什么；看到一个新Agent，就想自己搭建一个。但他没有反过来思考：我的业务中，究竟有什么问题值得用这些能力解决？
我觉得Charlie应该做的是研究各种AI方案背后的本质。一个Agent究竟解决了什么问题？一个Skill究竟沉淀了什么知识？一个AI应用真正创造的价值是什么？
然后回到自己的业务，找到那些长期存在、反复发生、过去因为成本太高而无法解决的问题，思考能否利用AI重新组织工作流程。
他需要先放下对新工具的焦虑，认真研究自己的业务。
技术是手段，业务问题才是起点。
不要温柔地走入那良夜
Alice的踏实，Ben的轻松，Charlie的焦虑，看起来是三件事，其实都是同一种放弃：让自己不再追问，我的判断在哪里？
AI时代的到来，意味着很多旧的工作方式正在走向黄昏。
我们曾经引以为傲的经验、技能和工作方法，未必还能像过去那样构成竞争优势。
这并不可怕。可怕的是，我们明明看到了变化，却选择躲在过去的经验里，或者把自己的思考交给机器。
旧的工作方式可以消亡，但我们不应该温顺地接受自己判断力的消亡。
不要温柔地走入那良夜。