Deep Dive
Shownotes Transcript
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
在上世纪的后期有一个职业叫做打字员打字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 文档或者我们说像 DOS 这样的这个界面刚刚出现的时候打字源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它并不是被更好的更会用 word 文档的打字员所取代了它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
这个故事节选于一篇文章叫做 AI 不会取代你的工作但会被会用 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标题这篇文章是一个叫做 Sanjit Paul Choudhury 的人写的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 当中这篇文章当中的这个故事让我有非常非常大的共鸣因为
因为在过去的一年多的这个时间里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 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资源的故事一样学会使用 AI 并不会真正的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,你只想添一个结论和解决方案,没问题,我可以先把结论写在这里。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的接触过 AI 的伙伴会对这件事情有一些疑惑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可以一键的我说一句话或者我大概的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的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
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主题的人物是一致的
第五步呢是基于我已经生成的这些分镜我要给他们生成对应的分镜的首尾针之间的这个视频对吧我不能只是图我要有让他动起来的这个视频我要用一些 AI 的生成视频的软件我为他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 的工具丝滑的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章的哪里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货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
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用一个专门的一个篇幅来做专门的解释那在这边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的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 民企从快销到制造到一些金融机构当中我们看到了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
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 当作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
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这里我也引用一下那篇文章当中的解释我觉得特别的惊到只有两种方式第一种叫做自动化 AI 能够取代你自动完成这个工作第二种叫做增强我用好了 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的不好不是说我用 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,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。
因为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的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但其实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
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
就像现在很多的组织它开始部署 AI 它并不是无效的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新
如果整个系统被新的商业模式所附写的时候他们会发现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真正的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我们应该更多的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文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
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大家必须要也不得不要去着眼于当下的任务和痛点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长弓手他不是输给了装备了火药的长弓手他是输给了枪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
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弓箭手而已
所以我们也渐渐的发现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我们带着当下的任务去探索未来的任务潜在的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
怎么样去逐渐的意识到这个工作流被重新塑造的可能性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 当作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
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我哪怕发生了工作岗位上的这种重塑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
但其实我们想举一个例子就比如说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
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哎
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私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
所以要怎么怎么样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可能性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
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对
如果说我们现在的这个公司处在一个积极探索新的角色的这种状态里比如说他可能三天两头都要重组组织架构要重新划分一个新的这个角色边界这在以往我们可能会认为说这是一个企业不够稳定的一个标志是一个员工老是被折腾的一个标志
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 融合的这些部门如果是这样的部门的话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大资源
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
而第三层的谬误呢是我们不应该追求的是更快更多的完成我们现在的工作而是要更加聪明和有洞察的去掌握整个的价值流动这句话说的会相对来说有一点复杂那在我引用的这篇文章当中其实也提到了类似的谬误他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还有一个谬误叫做我还有这份工作所以我就很安全
但其实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文中提到了一个很典型的例子服装行业为例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的提高
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 SHEIN 这些公司会来应该怎么读 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
溢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
在这样的环境当中产生的价值它不再简单的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溢价权
这些人也会得到更高的回报在经济学的理念当中这个叫做理加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是土地在科技时代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一个小时你准备做什么事情他说
他们会说我可能会休息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的去获得更多的这个
这个怎么说生产力上的交付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溢价权的那部分人取代
你不会因为交付了更多的内容做了更多的事情变得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
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甚至行业都有可能被重构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劳动力之间的一个并不存在的一个潜在骗人的这个契约我们会认为说
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 这叫什么来着通过并购的方式他去把那些价值链的分配公司并入到他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去思考的这个东西
所以这是我们给到大家的这个第三层我们其实在当下可能不仅仅是在追求更快的去完成现在的工作而是可能要去更聪明的更有洞察的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他们在未来的哪一天会发生呢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是之前我们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
那在谭教授介绍的这个思考的逻辑里面有一个非常重要的前提就是我们现在所处的这个 AIGC 的这个时代我们会也不能说它已经是 AIGC 的时代了或者说 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
刚刚发现电磁感应这件事情其实和我们可能现在的 AI 这件事情所处的位置可能要更早可能是我们 AI 的浪潮的第二第三次的时代 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 年托马斯·艾迪生发明了物质的电灯泡可以批量的持续的产生的电灯泡
于是电真正的被应用到了这些夜间的这些场景当中大家会发现说不仅有电子感应了还有对应的产品了
那 1880 年米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特别短的这个限制那一直到 1881 年 1881 年的时候会发现说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?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的影响呢?
这个时候谭教授引用了一位叫 Paul A. David 的一位教授他发表的一篇论文那这篇论文当中去讲述了工厂这个生产环境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
当时工厂内第一时间其实就大批量的开始去使用电动机了并不是说他们不愿意用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到工厂的流水线其实是完全不一样的啊
它放置在蒸汽机的这个位置的附近能够更方便的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但是当电动机被发明的时候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
但这样的一件事情大家会发现说生产力没有没有明显的这个提高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只有那一个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
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好像整个的生产力没有被提高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 30 年的时间让这件事情真正的提高了那 30 年间发生了一些什么样的变化让它提高了呢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的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
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的提升了自动化设备的产生开始实现 24 小时的生产了因为当时虽然有电力了但是还没有实现自动化它真正的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的 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,不能说级别,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的走了 30 年左右的时间那美国的生产效率在 1910 年开始实现了飙升在电力化实现这个电力商业化的 30 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
我们会发现说想要把 AI 的这个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的去重新设计了关于蒸汽的这样的船只它才真正的去起到了这个作用那就像我们刚才说的 AI 它并不是粗暴的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电力革命消耗了 30 年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 等等这些系统的进一步的发展它其实也是需要这些时间的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
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 30 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 30 年,然后 30 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 30 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的淘汰掉了。
那这个 30 年进到 AI 的这个过程当中很多人会有不同的预估这个时间可能是 10 年也有预估可能是 5 年也有说可能是 15 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的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的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 30 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真正的先驱的公司们啊往往他们也是更多的吃到了蛋糕的人
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的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的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
最后还有一个层面其实很多在上一个阶段有一些掉队的公司我们会建议在这个阶段需要去抓起劲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面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帐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
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的需要参与到我们刚才说到的这四个层面上
所以一口气已经说了这个 30 多分钟的这个时间了我们再回到今天希望跟大家回溯的这样的一个核心的主题就是我们交付了进百场的培训和很多的陪跑之后我们会发现说
其实很多的职场人包括说企业主有可能会陷入到我们刚才说到的一些谬误当中会过多的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 号弹支场我们今天就到这边感谢大家