AI 让“生成”变便宜后,更值钱的是能定义问题、设定约束、评估验收并对结果负责的人,而不是只会把执行做得更快的人。
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。
值钱的是判断和边界,不是生成速度
立正把稀缺性的转移讲得很直接:AI 让生成变便宜,稀缺就转向定义问题(要做什么、要决定什么)、设定约束(合规、风控、架构、数据治理)和评估验收(判断正确性与风险)1。在大公司里,这可能表现为减少初级执行、保留或强化资深判断1。另一篇里,他把真正稀缺的方向列成问题选择、长期上下文、判断、交付、关系,以及对结果负责的能力2。
哥大课程那篇用“修引擎的”和“领航的”作比喻:蒸汽机来了,靠划桨快不值钱;船上还需要的是修引擎和领航。对应到工作,就是分辨 agent 做得对不对、在几个目标打架时做取舍3。这是 AI 对原文比喻的归纳,不是原文逐字结论。
只把旧活干快,不改变价值链位置
立正提醒,学一点 prompt、装几个插件、把原来的分析汇报做得更快,只是给旧岗位打补丁。它没有改变你在价值链里的位置,你还是被分配任务的人;执行进一步压缩后,公司会问为什么还需要这么多人4。他把这条路叫“缓刑”,并说最先贬值的不是技能本身,而是孤立的、没有商业归属、没有系统杠杆、没有用户连接的技能4。
这和《在大公司,AI 到底会不会“真正改变组织”?》1的“信息搬运型、叙事包装型”容易被挤压是同一逻辑:周报汇总、会议纪要链条、不拥有真实交付物的对齐型项目管理、只做 slide/doc/status 的分析岗,会先被挤压1。原文也说它们不一定消失,可能先变成“产出更多垃圾更快”1。
对个人意味着什么
AI推演如果你现在做的是执行型岗位,可以先问自己:我交付的东西有没有明确的商业归属、用户连接或系统杠杆4?如果没有,单靠提高速度不构成保护4。
更值得练的是三类判断:这件事能不能做(可行性)、要做半天还是半年(难度)、几个目标打架时选哪个(取舍)3。一个可观察的小尝试:下次 agent 给出结果时,先对照你真正要的东西检查一遍,而不是被漂亮的结果带走;你判断不了活干得好不好,就管不了干活的人3。这是 AI 基于原文的应用建议,不是原文对读者的处方。
这些材料主要谈大公司和知识工作者,没有覆盖制造业、医疗、蓝领等岗位;《自媒体比多数人想象中更赚钱,但也很容易走偏》5是视频转述,多处说话人未确认,本回答未用它支撑判断。
出处
- 1在大公司,AI 到底会不会“真正改变组织”?
直接列出被挤压岗位和稀缺能力:定义问题、设定约束、评估验收。
- 2年薪20万到300万,却越来越不敢停下来:高收入打工人的高配困局
补充稀缺方向:问题选择、长期上下文、判断、交付、关系与结果负责。
- 3AI替你做出来以后,你还会什么?|哥大客座课程回放
用修引擎/领航比喻和三种判断说明公司为什么为判断付费。
- 4AI时代,大厂打工人的五条路
解释为什么只把旧活干快不改变价值链位置。
- 5自媒体比多数人想象中更赚钱,但也很容易走偏|我被采访的一期
可回到原文核对这部分判断
追问2026年11月5日
我现在刚刚在985数学系本科毕业,我想3年内年薪百万,我应该去做技术岗还是销售岗?
现有材料不足以证明“技术岗或销售岗哪个三年百万”,但立正的经历提示:别按专业选岗,先看哪个岗位能直接创造可衡量的价值。
先别把问题设成二选一
你问的是技术岗还是销售岗,但材料里立正反复讲的是另一层:从“我会什么”出发去找岗位,容易把自己限制住;更该先看市场上谁需要什么、什么能创造价值1,2。他本人从数据科学家转去做偏市场销售的布道师,理由是觉得原专业工作迟早被取代,而销售、讲故事这类能力更可迁移1。这是他的个人选择和判断,不是对所有数学系毕业生的通用结论。
数学背景在两类岗位里怎么用
立正提到,他做销售岗时仍保留数据科学家的身份,因为这个身份有助于卖 A/B 实验产品1。这说明技术和销售不是互斥的:你的数学训练可以成为销售里的可信度,也可以成为技术岗里理解业务需求的基础。反过来,他也说很多做技术的人出发点是“我有什么技术”,而他的兴趣在“市场需要什么”3。哪条路更接近百万,取决于你能否找到一个愿意为你的产出付高价的场景,而不是岗位名称本身。
可以先用一个小检验来选方向
AI推演如果你现在还没定,可以先各做一件能产生外部反馈的小事:比如用数学能力帮一个小商家算清一项成本或增长,或向一个非技术客户讲清一个数据产品值多少钱。观察哪件事你做得更顺、对方更愿意付费或继续找你。这是 AI 根据材料提出的应用建议,不是立正的原话。立正强调过,努力本身不自动等于价值,选在有价值的机会上努力,收获会高很多2。
材料没有给出任何岗位的薪资数据,也没有讨论“三年百万”这个具体目标是否现实;立正的经历是个案,不能直接当作你的收入预测。
出处
- 1课代表立正:AI 课卖 2000 刀,偏偏坚持古法手搓
立正自述从数据科学转销售岗的理由,以及保留技术身份帮助销售的具体做法。
- 2118. 从「象牙塔」到「真本事」,AI时代如何打造个人价值|课代表立正
讲“从价值出发而非从会什么出发”,以及努力与价值不成正比。
- 3技术人创业最大的短板,不是销售|内容的“超线性回报”规律|老冒_下
对比技术出发点和市场需求出发点的差异,并提到抓需求的能力。
追问2026年11月5日
我销售要去做港险,你觉得如何
现有材料不能判断港险销售能否三年做到百万,但能给出一个检验标准:这份工作是否让你积累可被验证的客户结果和个人口碑,而不是只靠短期话术冲单。
先看这份工作能否积累可验证的结果
AI推演立正讲自己卖课时说,销售不是靠多少销售动作,而是靠让学员的真实成长被看见,以及持续分享免费内容让人愿意给一次机会;他还说靠唤起焦虑、盯着下单短期有用,长期损害个人品牌1。这是他对卖课的经验,不是对港险的判断,但可以迁移成一个检验问题:你签下的客户,三年后能否拿出可核对的保障或收益结果,并愿意转介绍?如果主要靠一次性人情单和高压成交,百万目标即使短期达到,也难持续。
销售受AI冲击慢,但不等于不用变
硅谷徐老师在对话中说,他所在公司受AI影响最慢的可能是销售部门,因为大单小单能否在季度末close,很多仍是人与人打交道;但他同时认为销售也该把AI当成团队成员来用2。这支持一个判断:港险销售的核心信任环节短期难被替代,但准备客户资料、梳理需求、跟进节奏这些环节会被工具拉开差距。立正在同一场对话里强调,没有东西可以取代动手,要尽量用agent方式让AI多干活2。
三年百万需要拆成可观察的中间指标
AI推演立正谈职业探索时建议,先区分擅长与喜欢,再通过prototype真实探测别人是嘴上说感兴趣还是愿意付费,并说把这些事做完两年已经很快3。对你而言,与其问“港险行不行”,不如先设一个低成本试探:用几周接触真实客户,记录有效沟通数、转介绍数和成交周期。如果三个月内连稳定的准客户来源都建立不起来,百万目标就缺少基础;如果转介绍开始出现,才说明口碑在积累。这是AI基于材料给出的应用建议,不是对港险行业的预测。
材料没有港险行业的佣金结构、监管要求或市场数据,也没有立正对港险的直接评价;上述判断是把他的销售与职业探索经验迁移过来,不能当作行业结论。
出处
- 1AI时代的超级个体,最重要的不是生产力:不要用更快的速度原地打转
立正讲卖课靠真实学员结果和长期内容建立信任,可用于检验销售口碑能否积累。
- 2人人都有50个博士为自己打工,为什么多数人的工作没什么变化?|硅谷徐老师年度对话
硅谷徐老师谈销售受AI影响较慢但仍需把AI当团队成员,立正强调动手使用。
- 3为什么年薪百万的你,却觉得工作毫无价值?
立正建议用prototype探测真实付费意愿,并给出两年探索的时间预期。
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
- 如果工作一定会被ai替代那人到底应该做什么呢
被替代的往往不是人,而是你已经解决过的那层工作;该做的是把旧活尽快交出去,往更难的问题、更靠近真实需求和判断的位置走。
- ai时代engineer应该怎么转型,career path怎么计划
转型方向不是再补一门技术,而是从“为某项技能负责”转向“为业务结果负责”:能定义问题、编排 AI、做判断并对结果担责的人更难被替代。
- 在AI时代,我应该去做啥
立正的主张是:AI 时代不必急着换赛道,先把自己从“会用工具”推进到“能为结果收口”,同时用 AI 少做表演性劳动、多做可验证的成果。
- 职场普通打工人,在AI时代需要做什么?做个产品?自动化工作流?
先别急着做产品,普通打工人更该做的是把AI用进自己现有的工作流,并让自己靠近模型或付钱的用户,远离纯转述协调的中间层。
- 我想了解工作那个比较有未来
没有哪个工作天然更有未来;更可靠的做法是趁现在还有选择,把工资和AI带来的效率换成职位之外的选择权。
- 数据分析、产品和管理岗, 在 AI 时代该如何适应和转型以保持更持久的职业上升
三个岗位的共同方向是从“执行一段任务”转向“对结果负责”:定义问题、设计系统、判断和收口,而不是只做分析、文档或流程。