AI会让假工作先爆炸，再贬值

它会先让你工作里最能换来高薪和晋升的那部分，突然不再稀缺。

不再稀缺以后，也就没那么值钱了。

更危险的是，那可能正是你最擅长的部分。

下一句 写方案，做汇报，整理信息，开会对齐，推动流程。

这些事情过去很费时间。谁能把它们做得又快又完整，谁就更容易拿到高评价。

现在，AI几分钟就能做出一份很像样的方案。

下一句 于是一个被藏了很久的问题，突然摆到了所有人面前：

我们过去付钱买到的，到底是结果，还是一套“看起来做了很多事”的证明？

后面这种东西，我叫它fake work。

我讨论fake work，不是为了吐槽大公司。

我离开大厂，进入一家很早期的创业公司以后，发现它照样会长回来。

下一句 那时我才意识到：这不是某些人偷懒，也不只是某种公司文化不好。

它是一套结构。

今天我想回答三个问题。

第一，什么样的工作才是fake work？它为什么比偷懒更危险？

第二，既然它没有创造相称的价值，为什么聪明的公司还会大量生产它？为什么它还能换来高薪和晋升？

第三，AI为什么会先把fake work放大，再让它贬值？面对这种变化，我们应该把什么拿回自己手里？

先从第一个问题开始。

下一句 一份报告，可能是真工作，也可能是假工作。

这份报告改变了下一步决策——它有用。

它只证明团队正在推进——它生产的是工作证据。

Fake work，就是用可见的动作，代替难以衡量的价值。

真正有用的判断只有一句：这件事做完以后，接下来会发生什么不同？

如果只剩“老板知道我在推进”，继续问：他会因此做出什么不同的决定？如果依然没有不同，因果链就停在汇报系统里。

• 形式不决定真假解决分歧的会议是真的；没人需要、却按时上线的代码也可能是假的。

但fake work真正危险的地方，还不只是浪费时间。

玩不会假装自己是进步。看一天电视，你知道今天没工作。

处理一天邮件、开6场会、改40页PPT——累得要命，大脑却告诉你：今天非常努力。

它先拿走时间，再让你误以为事情正在前进，最后开始训练你。

老板、绩效和模板成为反馈回路——你越来越会预判上司。

最严重的不是在fake work里浪费8小时，而是在错误的反馈回路里训练8年。

• 没有自动增长的能力看懂用户／判断什么值得解决／独立把一件事做成
• 钉子句前停一下；说完再停一下。

我也是离开大厂以后，才发现这不是大公司才有的问题。

离开腾讯时，我已经在带一个30人的数据和AI团队。

一件事要先让老板听懂，narrative要先成立；用户到底需不需要，反而可能排在后面。

所以我去了很早期的创业公司，希望离真实结果更近。

可真实增长几个月后才看清；一个campaign本周就能上线，立刻写进周报。

公司离结果更近，不等于每个人离结果更近。

• 这页只完成一件事排除“大公司文化不好”这个简单解释。
• 动作比结果更快得到奖励。

创业公司里它也会长回来，问题到底在哪？

知识工作的结果很难测量，也很难归因。

所以公司先看进度、报告、roadmap、ticket、预算和团队规模。

这些代理信号开始决定工资、晋升和资源。

于是人开始优化信号本身：“我正在创造价值”的证据，替代了价值。

汇报如果真的改变了资源分配，它就是真工作。可见性本身是必要的。

大公司里，做真事和证明你在做真事，往往是两份工作。

• 代理信号原本有用它帮助组织看见暂时看不见的价值。
• 这一页先解释“为什么出现”；下一页才解释“为什么膨胀”。

可见性是必要的。它为什么还会越长越大？

用户问题 → 需求 → 功能 → “是否按时上线”。

每一层都可以按时交付，最初的用户问题却可能一点没变。

每次交接都把结果翻成更容易验收的交付物；交付物完成，责任也结束。

另一股力量是激励：一个管理者用5个人做出原来20个人的结果，却可能失去预算、团队和晋升机会。

在这样的系统里，不消灭工作，经常是理性的选择。

可见性让fake work出现；交接和激励让它膨胀。

• 不是品德判断人只是在回应现有的交接方式和奖励。
• 大公司逃不过协调成本；fake work是这笔成本失去约束后的膨胀。

它为什么还能在组织里稳定存在，甚至卖得很贵？

一份完整方案，可能要几个人做一个星期。

能持续生产这些证据，本身就是一种稀缺能力：它证明投入、信息和组织能力。

AI不会自动帮我们选对目标；它通常先把现有目标执行得更便宜。

奖励报告 → 更多报告；奖励项目 → 更多项目；一场会议 → 纪要、行动项和下一次议程。

工作证据从“受人力限制”，变成几乎可以无限生产。

自动化fake work，只是把缓慢的浪费变成高速的浪费。

• 这里说的是价格不是说fake work过去创造了相称的现实价值。
• 第一阶段：fake work大爆炸。

当这种证明近乎无限以后，它还值钱吗？

Fake work从来没有创造相称的现实价值；但它过去确实有价格。

过去，一份报告做3天，至少证明一个人投入了时间，也掌握了一些信息。

现在，同样的报告3分钟就能做出来。表面没变，作为能力证明的价值已经变了。

当每个人都能生成漂亮策略，“能写漂亮策略”就不再稀缺。

组织最终只能继续追问：你做了什么决定？有人真的用了吗？结果变了吗？

“制造工作感”本身，会失去今天的价格、地位和议价能力。

• 不是公司突然清醒是这个信号已经失去区分度。
• 岗位不会同一天消失；一种工作方式会先失去议价能力。

AI只是拆掉旧记分牌，还是也让真工作变容易？

过去：想法 → 方案 → 排资源 → 找工程师 → 协调系统 → 几个月后碰到第一个用户。

现在：先做出第一版 → 给人用 → 看哪里不对 → 再决定值不值得扩大。

比如Stay会员登录商品店后自动得到会员价格：我先说清资格、容错和上线验证。

Agent穿过登录、会员、商店、部署和域名，把连接与测试做完。

我不再替5个数据库搬东西。我要负责的，是把问题说清楚、作出判断，最后对结果负责。

这就是两面夹击：工作证据更便宜，现实反馈也更便宜。

• 案例只说明角色变化Agent搬运信息；人负责问题、判断和结果。
• 不展开技术实现。

旧记分牌还会运行很久。那现在最危险的状态是什么？

一种工作方式会先失去议价能力，岗位变化随后才会出现。

你还在不断拿高分，却没有发现自己最核心的能力已经不再稀缺。

所以不是立刻辞职，也不是给每项工作都加一个AI。

先拿出过去一周最占时间的3件事，一件件问：做完以后，接下来会发生什么不同？

一直问“然后呢”，直到碰到真实变化：用户选择、产品改变、决策改写、风险下降，或能力留下。

再用一个报警器：把这项产出增加10倍，真实结果会更近吗？

• 这页只有一条主路径沿着因果链，一直追到真实结果。
• 10倍测试只是报警器，不是另一套方法。

追到因果链尽头以后，把这些工作怎么分？

第一种，真的改变结果。继续做，尽量缩短它碰到现实的时间；专业可以交接，责任不能清零。

第二种，为协调、合规和资源而存在。这是必要的税；压到最低，把查找、复制、同步、格式和检查交给agent。

问题、判断和最终责任，仍然留给人。

第三种，只生产工作证据。先停一轮，写下“少做一次会造成什么后果”；什么也没发生，就删掉。

如果你管理团队，让真正减少项目、流程和人力的人，从这种改进里获益。

让每个内部指标，定期回到用户和结果面前对账。

• 三类只各讲一个动作继续／压缩并交给agent／停掉
• 管理者激励是分支，不再发展新框架。

当标准执行越来越便宜，人还应该把什么拿在手里？

我对AI最大的期待，不是把每个人今天的工作再做快10倍。

如果今天做的本来就是fake work，快10倍只会制造10倍噪音。

报告、格式、信息搬运和标准执行会越来越便宜。

一个人应该拿在自己手里的，是问题、判断和责任。

这也是为什么我说，AI可能是第二次文艺复兴：机器接走可复制、可表演的劳动，人重新发现自己的判断。

把软件之间的信息搬运交给agent。把问题、判断和责任拿回自己手里。然后，做点真东西。

• 下一期只留一个问题为什么同一种AI，既可能让人拿回判断，也可能把人变成更高效的螺丝钉？
• 最后3句照说；看镜头，停2秒。

结束 收住。