立正把职业选择看成先看外部大势再看具体位置的事:行业和宏观在涨,留在里面积累更划算;行业到顶或下行,就该拿它当跳板换赛道。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
先看行业在涨还是在顶,再谈留还是换
材料里的观点立正讲选择时把“天”放在“地”前面:宏观和行业趋势向上,个人在里面发展会顺很多,选对赛道往往比在差赛道里挑公司岗位更重要;而“天”能决定“地”,“地”很难反过来决定“天”1。他给过一条更具体的时机判断:行业还在上坡时,留在里面积累财富和资产是很好的路径;行业到顶、开始下行时,就该利用这个行业顶峰时的技能杠杆,把它当跳板去下一个行业,晚了就来不及2。所以“继续留在大厂还是换”不是先问哪个更体面,而是先判断你所在的这条赛道处在哪个阶段。
换赛道前,先分清你换的是位置还是行业
立正自己从数据科学家转成 data evangelist,岗位是公司为他设的,做的是市场和销售结合的事,过程中很多东西要从零开始,之前积累的管理经验用不上3,4。这说明 DS 转 MLE、转 PM、进 startup,本质上是不同的动作:转 MLE 更像在同一条技术赛道里换位置,转 PM 或布道师是换到另一套能力评价体系,进 startup 则同时换了公司、业务和老板。他提到在一家公司发展,八成职业体验取决于直属老板及更上层的人,他们决定业务走向和给你的机会1。所以换之前值得先问:新位置里谁是你的老板,他手上有没有你要的机会。
现有片段只给出判断框架和立正自己的转型经历,没有针对 DS 转 MLE/PM、进 startup、创业、投资这些具体路径的逐一比较。
出处
- 1第11课(下)|强者成事先做选择:道天地将法·实践篇
立正用“天、地、将”讲选择顺序,适合先建立判断框架。
- 2毕业放弃百万offer的原因|应对AI职业冲击的三条建议
讲行业上坡与见顶时分别该积累还是该跳,是留与换的时机依据。
- 3从技术到销售,转型带来的阵痛、挑战、思考
立正自述从数据科学家转布道师的动机与挑战,可对照换赛道的真实代价。
- 4决心离开大厂的瞬间|主动选择“下坡”|social status的束缚
讲离开大厂、主动选择“下坡”时的取舍,适合核对换赛道要放弃什么。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 有个投资人讲 alexzandra wang
最直接的是周楠那期访谈,标题就点明他讲 Alexandr Wang 为什么是顶级创始人;片段里还提到 Scale AI 在 2021 到 2022 年因自动驾驶降温而客户变少的转折。
- 找到10%高价值的工作,但是在AI时代,对于data scientist来说,高价值的工作是什么呢?我觉得我之前很多的高价值的工作现在都没有价值了,而且留不下来,而且别人不会觉得是我做的。
AI 让“处理信息”这件事变便宜,所以数据科学里原来值钱的分析、建模、报表正在贬值;新的高价值位置是判断该做什么、把模糊问题变成可执行系统,并对结果负责。
- 为什么个体AI用的很好但是整个公司团队没有上来?
个人用得好,是因为他一个人就能把背景、判断和反馈闭环起来;团队上不来,是因为这些能力散在每个人脑子里,组织结构和激励又没跟着改。
- 职业院校实训科教师(体制内)+ 个人开发者/IP 运营者。想请您诊断我这套工作流架构:① 最脆弱、迟早出事的一环是什么?② 最过度建设(投入产出最差)的一环是什么?③ 如果只能再做一件事,您建议做什么?
最脆弱的是学生数据与云服务混用的那条链路;最过度建设的是多设备、多模型、多平台的全互联架构;如果只做一件事,先给「学生数据不可上云」划出一条可验证的物理边界。
- 我每天很忙,但不知道工作有没有价值,怎么识别 fake work?
识别 fake work 的关键不是看你有多忙,而是追问:这份产出完成后,下游会做出什么不同的决定或行动?如果多生产十份,真实结果也不会更近,那它很可能只是让你感觉在前进。
- 如何看待国内办公场景workbuddy爆火和AICG盛行的短剧,对我们这些使用原生agent的开发者有什么建议。
办公场景的AI工具和短剧爆火,说明AI正在把“生产内容/代码”的单价压到很低;对原生agent开发者来说,越靠近“为结果负责”就越难被替代,光会调工具本身不构成壁垒。