不一定。写文档、配表结构本身是产出,是否算 fake work 要看它有没有推动真实结果;重复性只是线索,不是判据。
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。
判据是结果,不是重复程度
立正把劳动分成 input、output 和 outcome,并说很多 output 不产生 outcome:写了多少行代码、多少报告,如果对业务没有影响,就是白产出1。按这个区分,你写文档、配表结构属于 output;它们算不算 fake work,取决于有没有人因此做出不同的事、问题有没有被解决。重复性高不高只是提示,不能单独定案。
他也解释了为什么这类工作容易长出来:知识工作的价值难以衡量,组织只好看进度、报告、会议这些看得见的动作,人就开始生产动作2。所以“看起来在忙”本身不是罪证,问题在于动作和结果脱了钩。
表演型劳动是系统产物,但个人仍可自查
AI推演立正说,当产出的本质不可测时,组织就会用表演型劳动替代真实价值;他还引 David Graeber 的观点,说很多人的痛苦不是累,而是明知没意义却要假装有意义3。这是他对结构性原因的判断,不等于给每一份文档定性。
一个可操作的自查:这份文档如果没人读,会有什么后果?配的表结构如果错了,谁会受影响、什么时候发现?答不上来,它更接近 fake work;答得上来,它就是必要的组织工作。
先删一轮,再谈自动化
立正给的办法是先删除、再自动化:对低风险、可恢复的周期性工作,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”,到期什么都没发生就删掉。他还提醒,不要先让 agent 把它做得更便宜,成本越低,没用的工作越容易永久存在4。
另一个信号是交接:每交接一次,原本的结果就被翻译成更容易验收的交付物,交付物都按时完成,最初的问题却可能原封不动4。如果你的文档和表结构只是把问题往下传一层,就要警惕;如果它们让定义问题的人一路跟到结果,就不算。
现有片段没有专门讨论“写文档、配表结构”这类具体工作,以上是按 output/outcome 区分和“先删一轮”的方法推演,不是立正对这些工作的直接评价。
出处
- 1职场不再奖励表演式工作,晋升要对结果负责
给出 input、output、outcome 的区分,是判断这类工作的核心依据。
- 2假学习的终结
解释 fake work 的结构性来源:价值难衡量,组织改看可见动作。
- 3AI取代的是所有白领工作
说明表演型劳动为何是系统产物,并区分“累”和“没意义”。
- 4如何识别与消灭 fake work
提供“先删除再自动化”和交接导致责任清零的具体方法。
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
- 全面总结“杨天楠:看似体面的工作,实则都是在表演?”这次访谈
这期访谈把“fake work”定义为表演型工作:不为赚钱或真正影响人,而主要服务于向上管理和汇报。嘉宾立正认为它在大厂几乎无处不在,并给出“看清环境、选择环境、挤掉低价值工作”的应对思路。
- 工作越来越忙,怎样判断哪些是fake work?
判断标准是做完之后现实有没有变化:如果只是让老板或组织记分牌知道你做了事,就是fake work;如果改变了下一步决策或用户结果,就是真工作。
- fake work的定义
fake work 是用容易衡量的动作取代难以衡量的价值:做完之后,下游的决定或真实结果没有改变,只是留下了“我在做事”的证据。
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。