不必然冲突。规模本身不是问题,问题是组织用什么信号验收工作;一旦用报告、项目数、会议替代真实结果,规模越大越容易生产 fake work。
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。
fake work 来自验收信号,不来自规模
知识工作的价值很难准确计量,管理者只能借助进度、报告、会议这些替代指标,人就会围着指标优化自己的升职加薪1。所以规模变大、层级变多、协调变多时,内部评价可以一直运转,却不保证新增工作也在创造外部价值1。有材料讲过一个判断:如果组织奖励出报告,就会出现更多报告;奖励做项目,就会出现更多项目2。这类工作价格很高但价值可能为零,用 AI 把它自动化,只是把缓慢的浪费变成高速的浪费2。所以冲突点不在“一年几十亿”,而在钱和人力是按什么信号被验收的。
缩短责任与结果之间的距离
材料里的观点fake work 最容易长在责任被重置的地方:每交接一次,原本的结果就被翻译成一个更容易验收的交付物,用户问题变成需求,需求变成功能,功能变成上线,交付物都按时完成,最初的问题却可能原封不动3。对应的办法不是让一个人包办所有专业工作,而是不要让责任在交接时清零:定义问题的人要跟到结果出现,结果不好,责任要一路回到最初的判断3。暂时改不了组织,就先闭合一个小循环——做出改动,让真实用户使用,观察发生了什么,再改一次3。
规模化时可以先核对的一件事
AI推演对非营利组织,一个可试的做法是挑一项正在扩张的周期性工作,先停一轮,停之前写清:如果它有用,少做一轮会在什么时候造成什么后果;到期什么也没发生,就删掉3。这比先让 AI 把它做得更便宜更有用,因为成本越低,一项没用的工作反而越容易永久存在3。观察点是:停掉之后,捐款人、受助者或一线服务的哪个结果真的变了;如果没有任何变化,说明这项工作的验收信号和真实价值脱节了。
资料里没有 Salvation Army、Girls Who Code 或任何非营利组织规模化的具体案例,上述只能作为机制推演,不能当作对这两个机构的分析。
出处
- 1从大厂高薪到自己赚钱,中间差的是什么?
解释高薪工作为何包含大量 fake work,以及“做点真东西”指满足谁的什么需要。
- 2职场不再奖励表演式工作,晋升要对结果负责
说明组织奖励什么就生产什么,以及自动化 fake work 只是把浪费加速。
- 3如何识别与消灭 fake work
讲 fake work 的结构性来源、责任交接与停做测试,是回答“怎么不变成 fake work”的核心。
追问2026年10月17日
AI 时代,如果一个教育和创业类的非营利想影响几百万人,这个世界现在最缺的供给是什么?立正讲过哪些从小社区做大的例子,关键转折是什么?
最缺的不是内容,而是帮人认出自己该改变什么、并愿意动手的中间环节;从小做大的例子在材料里只有社区型路径,转折点是把课程变成有人同行、能看见别人进步的场。
缺的是让人看见自己问题的供给
材料里的观点内容本身已经过剩,真正稀缺的是让一个人意识到自己哪里需要改变的那一步。立正用过一个例子:以前不知道有A、B两种选项,第一次听课才发现可以不做A改做B,去实践B之后再回来听,才接得住更上一层的C。没有相应经验,信息摆在眼前也接不住。所以教育和创业类非营利若想影响几百万人,卡点往往不在把知识讲出来,而在帮对方认出自己的问题、愿意尝试,再让实践和理解互相推进。向同事推广AI课程时,程序员觉得创建文件夹太基础,策划又觉得命令行太难,讲理念大家注意力就散了——同一个例子,操作难度和思想价值是两件事1。
从小做大的转折是形成同行场
材料里最接近“从小社区做大”的例子是课程加社区这条路:买回网课大多放着落灰,而社区型课程能给人上课动力,也能从身边人的进步里得到鼓励;先让一群已经动手的人成为种子,社区质量越高,越能吸引更厉害的人来分享。转折点不是课程变深,而是从“一个人看材料”变成“一群人互相看见进度、互相提醒动手”。另一条相关路径来自Indigo的分享:先做媒体积累声誉,再做社群聚人,最后做产品,因为代码边际成本趋近于零,值钱的是注意力,Every.to从Newsletter长成有课程和社区的产品公司。这条是嘉宾观点,不是立正本人的主张2,3。
规模化的验收标准决定它会不会变味
AI推演想让几百万人受益,规模本身不是问题,问题是组织用什么信号验收工作。立正提到,社群广场的英文名是Incubator,本意是帮大家孵化自己的业务,AI Builders里有专门的Share Your Projects板块,很多同学的产品在那里拿到种子用户和反馈。这类设计的共同点是:验收看的是有没有人真的做出东西、拿到真实反馈,而不是看报告、项目数或会议。反过来,一旦用后者替代前者,规模越大越容易生产fake work。这条判断承接你上一轮的问题,也解释了为什么“帮人跨过开始那一步”比“覆盖更多人”更难也更重要4。
材料里没有立正直接谈“教育和创业类非营利影响几百万人”的片段,最缺供给的判断是从他讲学习卡点和社区设计的段落推出来的;从小做大的例子只有社区型路径,没有其他类型组织的案例。
出处
- 1你赚哪份钱,决定了产品该怎么做|切问·立正02
讲学习者接不住信息、需要先认出自己问题,是“最缺什么供给”的核心依据。
- 2对AI课程和GenAI Builders社群的规划
讲课程与社区的区别、种子用户和社区质量的正循环,是社区型从小做大的直接材料。
- 3Agent 时代的投资与生存法则|Indigo 西雅图线下分享 Notes & Insights
嘉宾Indigo讲先媒体、再社群、后产品的顺序和Every.to案例,可对照另一条做大路径。
- 42026,打工人如何布局,才能有效反脆弱?
讲社群广场和Share Your Projects如何帮人拿到种子用户与反馈,说明验收标准怎么落地。
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
- 怎样得获海外华人用户
先想清楚你要的是哪一类海外华人、他们凭什么愿意来;再用具体内容或真实作品把人吸引过来,同时把来之后的承接做好,否则每次曝光都要重新解释一遍。
- 做ai engineer有什么学历要求呢?自己工作上没有办法做靠ai engineer或者data sceince东西 以后找工作我怎么可以找到ai engineer的工作
资料没有给出 AI engineer 的硬性学历门槛,重点落在能否用真实项目证明判断力和交付能力;工作里没有机会,就自己造一个能讲完整过程的项目。
- 目前在企业做管理, 个人时间做些pet project, 一直在探索创业项目, 个人网页里应该怎么展现
先想清楚这个网页要让谁看完后做什么,再决定放什么;对还在探索创业的人,最有说服力的不是头衔,而是能验证的项目过程和判断记录。
- 我有个问题哦,就是我听了立正你很多的一些观点,也很受启发。然后呢,现在我看到网上,特别是比如说生财有道这样子的平台,或者好多不同的平台吧,用AI带货,视频号带货。简单的说就是制作一些内容,那比如说AI制作视频号去带货图书这个板块,或者说做一些流量的一些事情,比如说贴图号,或者说小红书的一些账号,做一些账号,然后带货橱窗。首先我觉得它里面有一些可能性,但我其实有一种没有那么的确信和笃定。你是怎么看这件事的呢?首先我其实也挺想做做这种事情的,因为也想赚一些钱嘛。但我不清楚的是,这是一种幸存者的一些偏差,还是一个稳定能干的事情。其实又会延伸出很多赛道嘛,比如说AI图书带货,或者小红书的虚拟教材带货等等。
立正没有直接评价AI带货这类赛道,但他反复强调:光看别人讲、追热词,形不成有效认知;动手做出东西才是拿到结果的必要条件,而且这条件本身并不保证成功。
- 现在ai流行的年代和ai不断在进步,对于data analyst怎么转行?是应该加强dormain knowledge还是技术?已经有了一个普通学校的研究生还应该学一个名校研究生cs?为了好找工作吗
立正对数据人的建议是先确认自己是否在创造价值,再把AI真正用进工作流;domain 与技术不是二选一,名校CS硕士也不是默认答案,要看它能否帮你拿到具体岗位的面试。
- 不想上班了,但找不到自己熱愛想試的方法
「热爱」往往不是先找到再去做,而是在低成本尝试里被验证出来的;先分清不想上班是「自」的感受还是「我」的默认剧本,再用小实验代替空想。