我终于想清楚了
AI到底是怎么样子影响我们工作的
先上结论
AI不会先抢走你的工作
它会让你工作中最能换到升职加薪的那部分
突然变得不再稀缺
那不再稀缺之后
就会慢慢变得不值钱
更危险的是
这部分可能就是你最擅长的部分
在过去我们把这个叫做向上管理
无论你是不是喜欢向上管理
其实我们一直都在
做向上管理的事情
写方案做汇报整理信息对齐流程
甚至很多时候写代码
它都是向上管理的一部分
这些事情过去很费时间
谁能把它做得又快又完整
谁就能获得很高的评价
但现在AI几分钟就能出
一个质量非常高的方案了
于是一个被藏了很久的问题
突然被摆到了大家面前
这个问题就是
我讨论fake work啊
不是为了去吐槽大厂
这也不是大厂独有的现象
以我亲身的实践经历来说的话
我当时为了躲避fake work
离开了大厂
加入了创业公司
但是我发现它在创业公司仍然存在
然后我就意识到了
fake work其实是一个结构性的
那它这个结构比我们想象中的要深
它在AI时代所经受到的冲击
也比我们想象的要更复杂
那我这期视频就专门写了文章
还做了卡片
去把fake work这个话题讲清楚
如果你想直接跳过视频去看文章的话
我把文章的链接发在这里
你可以直接去看文章
也是一样的
那说一下这期视频讲什么
fake work它是结构性的
不是因为有人在偷懒
也不是因为文化不好
它就是白领工作的必然产物
它是一套结构
那今天我们回答3个问题
那我们就先从第一个问题开始
首先我们要明确一个点
fake work不是形式决定的
无论是你的报告你的PPT
还是你的代码
还是你开会
它有的是fake work
有的不是fake work
就像之前有人在说什么
AI native组织是HTML还是PPT
这就是很明显的
你没有去看到这个事情的内核
你去看这个事情的形式
其实形式什么都决定不了
那最后的答案一定是
非常浅层或者南辕北辙的
那什么才是本质呢
就是这个报告最后决定的是什么
如果它改变了下一步决策
那它就是有用的
如果它只是证明了
我们团队在做事情
我们团队在推进什么东西
它就只是一个工作证据
那fake work在这里就是用
容易衡量的动作去取代难以衡量的价值
所以说真正的判断就这一句话
当这件事情做完了以后
接下来发生的会有什么不一样吗
如果你剩下的是
老板知道了我在推进这件事
就继续问
他会因为知道我这件事
就做什么不同的决策
做什么不同的事吗
如果仍然没有(口误)不同的话
那说明你这个工作就
停在了汇报系统里
其实我在写《真本事》这本书的时候呢
就专门分了
我们的劳动是有input, output和outcome
很多output其实不产生outcome
比如说我产出了多少行代码
如果这个代码最后对业务是没有影响的
那你这个代码也是白产出的
你写了文章
写了报告
如果说它对业务没有影响
这些东西也是白写了的
但是我现在回想啊
就这件事其实我点出来
当时还是点醒了不少人的
但是因为我写出来点醒了不少人
说明衡量价值这件事情
它就不是我们的第一反应
我们经常会把我们的产出
甚至升职加薪
落到了那个output上
就是我产出了多少东西
而不是我创造了多少价值
为什么我一会会讲
白领工作的价值啊
知识工作者的价值
本身就是难以衡量
甚至从根本上就是无法衡量的
可是我们如果说
没有这样的习惯的话
那这个根本上的无法衡量
也就是fake work存在的结构性原因
但是在那之前
我们先说一下fake work为什么不好
因为我为什么要管
这个工作是不是fake的呢
我如果能升职加薪的话
公司给我钱
我何乐而不为呢
它最危险的地方是给你错误的反馈
是假装勤奋
而且这个时候它经常
是潜意识里边发生的
并且塑造你的潜意识
这其实是我很喜欢的Paul Graham
他的一篇文章里边所讲的啊
他那篇文章就是
如何损失时间和金钱
然后在那里边他说了
这样的一个思想实验
就是你如果玩一天啊
其实没什么大不了的
因为你玩一天的话
你天然就会有罪恶感
但是你这一天看上去很忙
处理了邮件
开了会然后做了很多PPT
可能你很累
然后你的大脑也会告诉你
你今天过得非常的productive
非常有效率
非常有成果
但是很有可能啊
你做的这些工作全都是在fake work上
那这个时候危险就出现了
就是它trick你的大脑
它让你的大脑误以为事情在前进
所以来训练你的反馈回路
我相信我在讲上一段的时候
很多同学就问啊那我怎么识别价值
这就是因为我们被训练成了一个
不在乎价值的人
所以说我们对价值就不敏感
我们就没有办法识别价值
最后我们的反馈呢
是我们怎么样去预判上司是什么
我们预判同事会说什么
我们预判这个东西做了以后
它在这个fake work的评价体系下是什么样子
所以说这个危险不是
在于浪费了8个小时
而是在一个错误的反馈路径被训练了8年
如果说没有AI还好
那接下来有了AI
这就变成一个非常危险的事情了
那回过来讲一下我的个人经历
帮助大家进一步的去
理解这个fake work的形状
就是我离开大厂了以后才发现
fake work不是大厂独有的问题
我当时在离开腾讯的时候
已经管理了一个30多个人的团队了
手下应该是有6个leader吧
就是每个都是带一个小团队的
那个时候我就发现我主要的工作呢
其实就是上传下达
互相翻译
就是老板关心什么
我要把它翻译成下面的人去做什么
把老板的strategy翻译成
下面的tactics或者action
然后把大家的成果向上去汇报
我绝大多数的时间精力就做这个
而且我做的还挺好的
所以说老板和下面的人都很喜欢我
然后他们在做事情我就可以过得很舒服
但是我就觉得这是我要做的吗
就是我确实能把这件事干得更好
那我自己有什么进步呢
我产生了什么价值呢
我就陷入了一个自我怀疑
所以说当时回美国的时候
再有大厂来找我
比如说我前团队
几个人都想让我回去
我就说不了
我还是去一个创业公司去试一下
然后就加入了Statsig这样的创业公司
去这个早期的创业公司
我当时想的就是
这样离结果更近
那每一个人都会被hold accountable
就不会有fake work了
但是去了以后
我发现公司整个确实离结果更近了
但不代表每个人的工作离结果更近
比如说我当时虽然说是一个
principal data scientist的这样一个头衔
但是我做的是一个evangelist的活
就是一个偏销售
然后偏市场向的这样一个活
就跟市场团队有很多合作
那我就会发现啊
就是很多我们市场的动作
你是完全没有办法attribute的
你今天写了一个东西
明天办了一个活动
后天打了一个广告
但是我们的这个销售周期是非常长的
你可能半年之后这个东西才有效
然后你也不能去逮着每个客户问
你的这个决策路径是怎么样子啊
你是在哪个地方看过了以后
你才决定购买的
而且它很有可能是一个组合
所以说本质上它就是
没有办法attribute的
但是这里边你做了什么是非常可见的
我如果这个周上了两个campaign
我这个周发了几个帖
我这个周去做了什么样的东西
这个是立时可见的
甚至在一定程度上
就是花了多少钱都是可见的
那就像现在很多token maxing的行为对吧
就是一个公司
他说我们要想方设法的多使用tokens
这个就是一个用input
取代outcome的一个
不良现象
那归根结底的原因就是
所以说啊
你不管是在大公司还是小公司
只要有管理
只要这里边不是每个人
对这个domain都特别懂的时候
你看的就是进度、报告、roadmap、tickets
团队规模这些东西
这些东西决定了你的
升职加薪和你获取的资源
你做的事儿越多嘛
你自然而然要的东西就越多
所以说这些东西本来是个代理信号
但是人就会去优化这个信号本身
我创造价值的证据代替了价值本身
而且大家工作久了
相信都有这种感觉啊
就是你做一个有价值的工作
和证明你做的工作有价值
这往往是两份分开的东西
是两个单独的工作
而且fake work是最容易
出现在交接的地方的
比如说我现在有一个用户问题
然后我有一个solution
然后我要去上线对吧
这个在公司里边
它就必然会被拆成用户需求的理解
然后需求文档对吧
就是我要去到底要做什么东西
我在不同方案里面选一个方案
然后我要把这些功能做出来
然后我要按时上线
那这是一个链条
它每一个链条呢
都会拆成一个交付物
前一段人的工作
或者说他的责任
就在这个交付物停止了
我其实在给抖音做一个咨询的时候
就是他们是一个CEO办公室的人
来问我AI native的组织
然后我就讲end to end
这个时候他们就盘点说
他们对接的这个团队是70%的end to end
那个团队是30%的end to end
然后我就说停停停停停
我们应该有一个误解
end to end就像怀孕一样
你要么就怀孕了
要么就没有怀孕
你没有什么70%的end to end
如果说你是70%的end to end
说明你没有end to end
真正的end to end为什么必须是0和1
是有两个点
第一你是不是有100%的责任
你是不是可以有足够的agency去做决策
并且为这个事情负责
如果说你的责任你可以在
中间的一步就清零的话
那最后你相当于没有人
为这个整个事情负责
那你是没有办法真的把
这个闭环给转起来的
第二就是当你end to end了
才是你去用AI native的方式
改造这个流程的开始
所谓AI native的方式就是
你知道这件事情的first principle
最好的方式是什么
然后看到了AI的新的能力变化
然后不断地用更好的方式
就是你的constraint变了
然后你可以使用这个新的AI的能力
去用更贴近工作本质
的方式完成这个工作
如果这段话你听懂了就听懂了啊
如果你没有听懂且感兴趣的话
我在社区里边还有
专门的一个帖子去讲
我未来也会出一个专门的视频去讲
总之end to end才是这个
组织AI native的开始
那它的原因就是我们
要奔着outcome去优化
而不是奔着input去优化
另外一个fake work会膨胀的原因啊
就是因为激励
一个manager他是可以用5个人去做20个人的活
但是对他来说有任何好处吗
他管的人变少了呀
所以说在这种情况下
在这个组织里边
是组织膨胀的最重要的原因之一
就是每一层的人都想着升职加薪
而升职加薪的最好的方式
就是扩大我管理半径
招更多的人
所以fake work虽然说是只是有可能性
但是工作的交接和激励
就会让它膨胀起来
那好这是fake work的结构性和必然性
我们接下来再讲一下它为什么
在AI时代一定会先膨胀再消失
和我们应该怎么办
首先啊我们要承认fake work
过去可以卖得很贵
为什么可以卖得很贵
它是升职加薪的很好的方式
我甚至也在很多地方讲过向上管理的一些技巧
因为你想要升职加薪
不向上管理
这个是不合理的
就是没有道理不做
但是它的原因是因为什么呢
是因为之前生产工作证据是一个很贵的事
比如说你要出一个方案
那可能需要几个人做一个周或者做几个周的
那这个时候你的方案做得好
做得完整做得长
说明你对这件事情
投入的心力更多吧
说明你可能对这件事情更懂吧
虽然它是一个代理信号
是个proxy
但是这个proxy它的
生产成本是非常昂贵的
你想要生产出来一个很精美的
很棒的这样的一个方案
你真的是要投入时间的
所以它work
但是AI就非常善于生产这种input
而且AI不能帮我们选对目标
它通常只是把现有的
这个目标执行得更便宜
所以组织奖励出报告的话
我们就会看到更多的报告
奖励做项目的话
就会出现更多的项目
奖励写代码的话
大家就会写更多的代码
然后我们就是不断的开会写纪要
然后产生行动项
然后再开下一次会
这就是为什么绝大多数的组织说
我看上去忙了很多
我也花了很多token
但是我没有多赚钱
因为你在这里边不断的把fake work给加速了
这也是大家盲目使用AI
必然会出现的一个情况
注意啊我前面说的那个fake work
它是价格很高
而不是价值很高
就是它可以完全不产生价值
但是它有很高的价格
那现在它因为变得不再稀缺(口误)了
所以说它的价格就会更好地回归它的价值
换句话说
我们自动化这些fake work
就是把缓慢的浪费
变成高速的浪费而已
这也是AI来的第一段
那这个fake work大爆炸之后
就带来了两件事
之前
生产一个漂亮的策略报告
它可能是fake work
但是因为它昂贵
所以说大家就会奖励它
现在它便宜了
它fake的本质就显现了
就藏不住了
那组织自然而然的就会去追问
你做了什么决定
有人真的用了吗
结果到底是什么
我们自然而然的就会去追求结果
那制造工作感本身就会失去
今天它有的价格和溢价能力
这是AI带来的第一个变化
过去我们知道
我们想做任何一个东西
都需要排期很久
因为它做什么东西都很贵
所以说我们产品经理要开会
定完了以后
然后back and forth
好不容易讨论完了
排期去做
所有的东西可能都需要几个周才能做
而现在这些事情都可以几天
甚至几个小时就直接做出来
那大家要注意
这里缩短的是什么
缩短的是你的想法遇到现实的链条
举个我的例子
我最近做了一个swag store
就是shop.lizheng.AI
而且我会让我们社区的
Stay Superlinear会员可以得到9折
那我过去要做这么一件事情啊
是要经过很多个不同的软件的
比如说我去管理这个
inventory是需要用Fourthwall
然后我要去收款要Stripe
我要去搞会员
我要先去circle里边鉴权
然后我要用logto去进行Single Sign-On
然后我还要去部署
我还要去搞域名
现在呢基本上我跟我的agent说
它就直接去操作所有的这些东西
把事给干了
说到这里边我还想起来了
就是Sam Altman其实也承认
他其实是在干很多fake work
也没有用最好的方式去使用Codex
他就讲他明明知道就是
他在Codex这一个窗口里边
去看他的所有邮件
回所有邮件
然后去看他的所有日程
然后去做所有的事情
是最高效的
但是他还是会跑到他的邮件收件箱
跑到他的Todo list里边
跑到他的日历里边
去干各种各样的东西
然后去copy paste
他觉得他明知道这样不好
或者也不是最高效
但是他为什么还干
他觉得肯定是自己
secretly喜欢做这种事情
给他一种工作的满足感
那Sam Altman都在做fake work
那fake work这件事真的是在
我们大脑里边根深蒂固的
很难消除
但是我觉得我有一个好处
就是我真的特别讨厌这种事情
我记得印象很深是我想付这个车的账单啊
这件事对我来说就是
特别折磨的一件事
或者报税
或者填任何表格
对我来说我就physically特别的不适
就是一个汽车罚单
如果说它罚了我30块钱
我愿意再花100块钱让人帮我填了
把这个事搞定
我也不想自己填
它让我太痛苦了
所以说我现在反而使用Codex
是一个比较native的方式
就是我特别希望有什么事想到了不想做
我就跟Codex说一下
比如说我现在付罚单
或者说我去做任何手续
付账单啊等等等等我真的都是跟Codex去说
然后让他去操作我的电脑
去把这些事给干了
这回过来就是过去的很多的fake work
其实不光是组织产生的
也是各种各样的软件产生的
我们花了很多时间去用
人力填补软件中的缝隙
我们不是要把事干完
我们是因为这些软件
之间是有很多缝隙的
我们人在这里边做搬运工
这是我在跟之前
杜磊的那期访谈里边
他提出来的观点啊
这已经是一年半甚至两年以前了吧
是一个非常超前的观点
那现在我们用agent
已经可以让agent去填补这些缝隙
我们离结果很近
我们也不需要把时间花在这上面了
我们降低了很多的信息税和沟通税
而且这个信息税和
沟通税不光是人之间的
也是软件之间的
那我们要负责的就变成了
把问题说清楚
要做出判断
最后对结果负责任
这三个反而都是人非常重要的
不可被取代
但是我们过去under appreciate的东西
所以说这就是一个AI给
fake work带来的两面夹击
一方面是工作证明变得便宜了
一方面是现实检验来得更快了
那在这种fake work一定会消失的未来
我们的有生之年吧
我不能说是什么两年之后会消失
3年以后消失
但是我觉得在一个10年20年的尺度上
我们一定会看到大量的fake work消失的
那我们的应对策略应该是什么呢
首先错的就是我们仍然在旧的积分牌上不断的去加分
我们仍然去学习如何向上管理
我们仍然学习用旧的方式升职加薪
这在我看来就是一个错误的strategy
这也是为什么很多就是高管啊CTO啊
他们会跳去一个AI公司去做一个individual contributor
我当时其实从腾讯
离开我的那个管理职位
去Statsig做一个individual contributor
也是这样的考虑
就是我不想再学旧系统的那一套了
它可能在两三年之外
还能让我升职加薪
但是我迟早要在这上面继续做的话
会变成一个被时代淘汰的人
但大家看啊
就是这个未来不会直接这样发生
就是不会piu一下这样发生
是首先呢
这个岗位本身失去了议价能力
pricing power
然后岗位的变化才会出现
所以在这期视频到最后
我想给大家提醒的就是
当你一路在拿高分的时候
你要注意帮助你拿高分的这个核心能力
还是不是一个稀缺的核心能力了
没有人欠你的啊
就是没有人说你只要不断的考高分
你就未来还是一定会值钱的
我今天就在这提醒你了
你一定要看你最后能赚多少钱
是取决于你这个能力是不是稀缺
取决于你的个人资产是不是稀缺
如果说不稀缺
那到最后就是时代变了以后
就要记得千万不要再怪罪时代
是你现在
从今天开始就应该pay attention to的东西
然后呢具体落到行动建议上的话
并不是说大家马上去裸辞吧
或者说什么事情都赶紧加个AI吧
我觉得要先培养的就是
自己对这个价值的敏感度
我觉得对价值的敏感其实是一个
非常intuitive非常primary
人自带的本能
但是我们是长时间的那个负反馈
长时间的错误反馈
就是8年了
我们学的都是向上管理
所以说我们对这个事就不敏感了
就是我们找不到别人真实的需求是什么了
我们要先回归这个敏锐度
你可以在工作里边就去问嘛
就这件事干了以后到底有用吗
下面会有什么不一样的吗
虽然说工作这个岗位设置是有惯性的
是有动量的
它是一时还会奖励
那些向上管理的行为
但是你
提早一步去增加你发现价值的能力
绝对是有好处的
而且在这里边可以有一个报警器
就是当我把这个
产出增加10倍了以后
我可以离结果更近吗
或者说我的结果会变得更好吗
如果说没有的话
多开10个会
我的结果会更好吗
我从一个小时的会
开成了10个小时的会
结果会更好吗
不会的话
那这件事大概率就是一个fake work
我在我频道的文章里边啊
也专门讲了如何消灭fake work
那个可能更多是跟管理者讲的
就比如说第一个
你要先删
然后再自动化
你千万不要自动化
你自动化了以后
你可能就删不掉了
因为它就变便宜了嘛
然后它也不用你管了
所以说要先删再自动化
然后比如说第四条是不要让
消灭fake work的人吃亏等等
那些是说给管理者听的
如果你是管理者
看到这还感兴趣的话
欢迎去社区里边看我的文章
那最后呢我给大家一个推演
就是当我们把这个
因果链推到尽头的时候
我们的工作会分成哪三种
第一种呢
是真的产生结果
第二种呢
是必要的协调
第三种是fake work
那第一种这种真的改变结果的东西
就是我们应该继续做的东西
然后我们尽量缩短它和现实碰撞的时间
让它尽快地走向现实
go to market
然后去不断的迭代和提高它
我们的专业是可以交接的
但是我们必须要
掌握这里边的责任
人在这里边是要有责任的
那第二个呢
是协调啊
调配合理资源呀
然后向上去得到大家的alignment啊
这些东西啊
是必要的
但是要想方设法的去压缩它
尽量让agent去做这件事
而不是让人去做这件事
当然了
最后提问和判断的责任还是要人的
第三种就是那种只生产工作证据的东西呢
你就先停下来先删
删了以后看看有没有问题
如果有问题加回来
但是默认就应该是
把这些东西给删掉
最后呢我们还要让这种
内部的管理指标要到
用户面前和现实面前去对对账
那在这里边
我们每一个个体可以干的仍然是三件事
就是问题判断和责任
我们不应该期待的是AI让每个人把工作做10倍
因为这样子的话
如果大家绝大多数时候
做的工作是fake work的话
它只会把fake work给增加10遍
反而不会把真的东西增加10遍
因为你那个fake work是容易被放大的
AI要判断10遍嘛
你判断对了就判断对了对吧
你不需要去判断10遍
而且你的10倍fake work会产生10倍噪音
反而更让你难以判断
但是不会变的就是定义问题
进行判断和承担责任
这其实本身就是
我们人不可被替代的
或者说在组织里边最值钱的部分
但是在那之前
被昂贵的工作证据
给掩盖掉的东西
这也是为什么我会觉得AI
是第二次的文艺复兴
就是它让我们本身就该更值钱的东西变得更值钱了
我对AI的发展是非常乐观的
我甚至对我们工作的整个
整体感觉也会是非常乐观的
但是前提是你真的把
这些东西想清楚了
你不能觉得fake work
是我的identity成立的原因
比如说我可以写超多代码
然后你觉得这是你的存在意义
那你如果把存在意义
定义在了fake work上
你一定会觉得这个
transition是非常难的
如果你特别讨厌fake work
你真的愿意去做
问题判断和责任的话
那你会在这个AI的变革里边
不断地感受到自由
也不断地感受到你真正在意的那些东西
慢慢的被其他人也在意起来了
这么多内容汇成一句话的话
那就是我们社区的slogan
只有在不断地做真东西的过程中
你才能更好地判断
什么东西是fake work
什么东西是有价值的
什么东西价值是更高的
那好
今天我也是尝试了一个新方法啊
就是我觉得这是一个
非常重要的video essay
但是我又不喜欢看逐字稿
所以说我写了逐字稿
再把它压缩成了15张卡片
对着这个卡片就知道每个
我到底要讲的要点是什么了
也不耽误我的自我发挥
如果大家觉得这个形式不错的话
我的社区里边也把这些所有
的卡片和文章全都发上去了
直接去那里边看就可以
那希望这期视频大家喜欢
我们一起来社区做点真东西
下期再见拜拜
