不矛盾:全职雇佣制难以把AI提效变成个人回报,这是制度问题;做企业AI培训恰恰是绕开这个制度、按结果收费的生意。
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。
冲突在雇佣制,不在AI本身
全职员工用AI提效十倍,工资通常不涨,最多间接反映在绩效评估里,因此缺乏动力;而按小时或按结果付费的合作方、业务所有者能直接capture这部分生产力提升。这说明矛盾出在“固定工资买断时间”这种结算方式,而不是AI提效本身。企业AI培训正好是后一种:客户为结果付费,提效越明显,培训的价值越容易被定价。所以“AI与8小时工作制冲突”和“做企业AI培训”是同一判断的两面——前者是问题,后者是解法1,2。
培训是产品,不是对雇佣制的背书
企业培训属于go-to-market层面的选择,核心的technical insight——教人真正学会用AI、把点连成线和面——可以长期不变,而具体卖课、做讲座、进企业做bootcamp都是可变的销售形式。选培训而非ToC或ToB产品,一部分原因是它毛利更高、token成本不吞掉大半收入,也不用在VC倒计时里做runway压力。也就是说,做培训不等于认为8小时工作制没问题,而是选择了一种更适合自己、也更能把提效价值变现的商业模式2。
培训本身也受组织制度限制
全员赋能大概率失败,不只是老师教得不好,还因为光提高个人能力不够,组织结构、角色分工和协作方式不变,提效会被会议和流程稀释。一个程序员写代码快十倍,但80%时间花在对齐沟通上,整体产出并不会同步提高。所以企业AI培训如果只教工具、不动组织,效果也会打折;真正有效的路径往往要同时触及mindset、skillset和协作方式。这也解释了为什么培训是门难做的生意,而不是和雇佣制矛盾3。
关于“增效无法带来创业一样超额回报”的具体表述,本轮材料里只有全职员工提效与工资不涨的片段,没有找到立正本人完整的原话,因此上述解释是基于相关材料的推断,不是对他原话的逐句还原。
出处
- 1AI浏览器,才能让AI真正走入大众?|把AI写进pitch deck,是十年前就在发生的事情|只有2%的人真的有第一性原理?|硅谷徐老师_上
直接讨论全职员工用AI提效后工资不涨、缺乏动力,是理解“冲突在雇佣制”这一判断的核心片段。
- 2AI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
解释为什么把企业培训当作go-to-market选择、以及高毛利业务模式与个人生活方式的取舍。
- 32026,更多企业会用“裁掉一半人”的方式进行AI转型,但有更好的方法
说明全员赋能为何失败、组织制度不变会稀释个人提效,帮助判断培训效果的边界。
你也有想问的?
卡住的时候,问问立正:回答只从立正讲过、写过的东西里来,每一段都能点回原文。
问类似的问题也可以接着问:
别人还问了
- 怎样形成系统认知
系统认知不是知道更多事实,而是先在脑中建一个能解释现实的抽象框架,再用现实反馈不断修正它。
- FDE面临的问题
FDE 的核心难题是:它靠人肉定制起步,却必须把重复问题沉淀回产品,否则公司会退化成咨询公司;同时它对市场环境高度敏感,北美比国内更容易跑通。
- 学习ai的正确技术路线
学 AI 的路线不是先学概念再动手,而是从真实任务出发、在交付中练判断:先高质量用模型,再用 AI 做原型,再学工作流与评估,最后才是系统。
- hermes,codex,claude code,deepseek harness,这些不同的agent有什么区别,我该怎么选择适合我的
这些名字混着两类东西:Codex、Claude Code 是能直接干活的 agent 工具,DeepSeek 是模型,harness 是包在模型外面那层调度外壳。选择先看你换不换模型,再看你要不要同时跑很多任务。
- 創業最需要注意的要點是?
创业最该先想清楚的是市场真实需求在哪里,而不是先做产品、先招人、先租办公室;需求找对了,赚钱是水到渠成的。
- 我现在遇到一个问题,就是国内使用 Claude 的限制(之前我一直在用 Claude,但是10/1的时候被封禁了)。
现在我主要用 codex,但是发现同样的 Harness 架构,codex 的效果其实没有那么好。我该怎么解决呢?
我也很针对性地找了很多解决方案,但中转站有点太贵了,没办法提供这么高的消耗量
把积累放在模型和 harness 之上,用同一套上下文与验收标准去跑 Codex,效果差距往往来自工作流而非工具本身。