两条路在AI时代的分野不在职衔,而在你离「业务结果」有多近:业务岗直接对成交负责,产品岗若只交付中间物,价值会被AI压薄。你已在业务岗且在意客户成功,可先在同公司内验证一件事。
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。
AI压薄的是中间交付物,不是职能名称
立正提到,当AI把中间交付物变得极便宜时,人就被逼着去想自己到底为哪个结果负责;他引用社区里陈然的观点,说最适合这个时代的是对业务结果负责的人,以及拿钱办事、直接交付结果的承包者,而全职员工生产力提高十倍,工资未必跟着涨1。放到你的处境:业务岗天然贴近成交与客户结果,产品岗如果主要产出文档、需求、协调这类中间物,AI替代压力更直接。但产品岗若真的对客户使用成功负责,也同样站在结果一侧。所以关键不是选PM还是业务,而是你选的这个岗位,考核的是结果还是交付物。
在意客户成功,本身就是可迁移的判断力
AI推演立正讲他接触新业务时会尽快做两件事:找一线执行者的体感来校准自己的模型,再把业务上下游和系统逻辑厘清,这样才能找到关键点、看到别人看不见的机会2。你说自己偏亚斯、更在意客户使用成功而非成交数字——这恰好是构建「客户世界模型」需要的那种耐心,而不是弱点。可以试的做法:在现有AM岗位上,挑一个客户,把「他为什么用起来/用不起来」的因果链条写清楚,而不是只记录续约与否。观察这个分析能否被同事或上级当作决策依据——如果能,说明你已在积累结果侧的能力,换职能或换公司都带得走。
七年不换公司,不等于必须留下
立正说,他加入每家公司时都想着待十年,但环境和想法变了,就要诚实面对,不要被过去的选择限制住3。七年是资产也是惯性:如果同公司内已有客户成功或产品侧的岗位可以内部转,成本最低、验证最快;如果内部没有这样的位置,换公司才值得考虑。判断依据不是「待了多久」,而是你现在这个岗位还能不能让你积累对结果负责的能力。
材料没有直接比较PM与业务岗在AI时代的具体前景,以上是从「对结果负责」这一判断推演出的选择依据,不是立正对这两个职能的直接建议。
出处
- 1AI取代的是所有白领工作
直接说明AI时代哪类角色能收获生产力、哪类难收获,是判断职能选择的核心依据。
- 2数据科学到底在做什么? - 2022总结版
讲如何快速建立业务与客户的模型,适合核对「在意客户成功」如何转化为可迁移能力。
- 3从技术到销售,转型带来的阵痛、挑战、思考
讲面对环境和想法变化时如何不被过去的选择限制,适合核对「七年要不要换公司」的判断。
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。