AI时代的置身X内

一、🚏 引子:我们已经在置身X内了

从置身钉内,到置身钉外,再到置身团内------X不是某个具体的公司,X是一种处境。

这个事件之所以触动了这么多人,不是因为钉钉特殊,而是因为太多人在其中看到了自己。而当舆论的热潮退去,一个更深层的趋势正在浮现:置身X内不是个案,而是即将规模化上演的现实。

两个力量正在同时挤压:

📈 AI在急剧拉高生产力。 一个人能干三个人的活,一个需求从提出到落地的时间被压缩到以前难以想象的程度。以前一个原型要磨两周,现在AI辅助下半小时出三版。
📉 业务需求在萎缩。 增量时代结束了。蛋糕不再变大,分蛋糕的人却更多。公司不会因为AI让你效率翻倍就让你少干一半,而是会给你塞两倍的活。

生产力提升没有换来自由,反而换了更密集的压榨。期望被拉满,节奏被催紧,"改元""望舒行动""金色飞贼"这些意象,不会只属于钉钉的ONE项目。

或许你现在就已经在置身X内了。此文就是针对置身X内的一些思考。


二、⚡ 生产力悖论:AI让你更快,却没让你更好

当工具的能力突然跃升了一个量级,第一个被改变的不是产出物,而是期望值

以前觉得两周出一个可交互Demo已经很快了,现在领导觉得"给你一天够了吧,AI不是能写吗"。你没法解释------你说AI写的代码要审查、要适配现有架构、要考虑边界情况。但对方看到的只是:隔壁团队用AI三天上线了一个新功能,为什么你不行?

陷阱一:你能做得越快,他们就要你做得越多,没有终点。 AI把生产力拉满的时候,不是让你变从容了,是让需求排队的队列变长了。

陷阱二:"看起来在做事"的门槛被拉到了零。 以前做一个像样的东西需要门槛,需要写代码、画原型、调接口。现在AI半小时就能生成一套看起来完整的方案、一份像模像样的PRD、一个可以跑起来的Demo。这些东西泛滥了,但有用的和没用的长得一模一样。领导分不清,甚至做的人自己也分不清。结果是满屋子的人在产出,满屋子的产出在积累,但真正能转化为价值的东西被淹没在噪音里。

陷阱三:AI总是能给出一个看似合理的答案。 不管你问什么------做一个DAU翻倍的增长方案、设计一个AI原生的全新架构、写一份融资BP------AI都能给你一套逻辑自洽、排版精美、引经据典的回复。这些回复看起来都很有道理。于是每个人都活在自己自洽的逻辑里:领导觉得自己的想法被AI验证了,下属觉得领导的需求有AI兜底了。没有人去追问那个根本问题:这个方向对吗?

生产力的提升让人产生了一种错觉:只要跑得够快,方向就不重要。但真实世界不是这样的。


三、💥 决策加速器:当AI遇上无脑领导

如果说上一章讲的是系统性问题,这一章讲的是人因问题

一个无脑领导和一个有脑领导在传统时代的差别是什么?传统时代,无脑领导拍一个错误决策,执行团队要花很长时间落地,中间有足够多的节点让问题暴露、让反对声音浮现、让现实打脸。

AI把这个缓冲带抹掉了。

致命变化一:AI给了无脑领导"数据支撑"。 以前拍脑袋至少还会心虚,现在问AI,AI说这个方向没问题,甚至给你列出五点理由加三个案例。领导就更自信了。领导不是不信你,领导信AI。而AI从来不说"这项目会死",AI只给你看起来合理的答案。

致命变化二:错误决策的传导速度被拉到了极限。 AI辅助下,一个错误决策从拍板到"看起来落地"可能只需要几天。你会看到一堆人在疯狂加班,产出一堆看起来很炫的东西,DAU甚至短期猛涨。但所有人都心知肚明这不是真实的需求、不是可持续的模型。然后就像ONE项目的剧本------冲上去,然后断崖。

致命变化三:你反驳不动。 你反驳的不是领导一个人,你反驳的是领导 + AI构成的闭环。领导说"做这个方向",你说"方向有问题",领导把AI的输出甩给你说"你看AI也觉得可行"。你怎么反驳?你跟AI辩论吗?论据充分、逻辑清晰、语气自信,AI每一条都比你说得好。但AI不为结果负责,你要。你犯不着用一个不要负责的工具,去反驳一个不想听真话的领导。

这就是为什么"改元""望舒行动"这类决策能在真实组织中诞生。不是没人看出问题,是看出了问题的人知道自己的声音在这个加速的机器里只是噪音。于是沉默。

于是高生产力 × 错误决策 = 极速蔓延的高混乱度。所有人都忙,但没人知道在忙什么。数据在涨,但产品在烂。看起来在冲刺,其实在掘墓。


四、🛡️ 草台班子的生存逻辑

看到这里你可能会问:那怎么办?辞职吗?骂领导吗?

都不是。草台班子有一套自己的生存法则。这不是摆烂,不是消极,这是看清规则后的理性自保。在一个错误方向加速的体系里,最大的不职业就是假装方向正确,然后把自己卷进去撞得头破血流。

法则一:不提建议、不否定、不反驳。 这不是怂,这是计算。在一个每个人------包括AI------都活在自己自洽逻辑的环境里,你的反对不会改变任何决策,只会改变你在决策者眼中的标签。你从一个"能干的人"变成一个"难搞的人",从一个"执行力强的开发"变成一个"总是唱反调的技术"。决策该烂还是会烂,但背锅的人可能从他们变成了你。不反驳不是你没观点,是你不跟一个不需要负责任的系统较劲。

法则二:去掉责任心。 这句话说出来可能会被骂,但我坚持说:在一个错误的系统里,责任心不是美德,是软肋。你越负责,你越焦虑。你越焦虑,你越想把事情拉回正轨。你越想把事情拉回正轨,你越容易成为混乱的承接者和错误结果的背锅侠。你熬夜修的Bug,是你当时说"这个方案有问题"但没人听的Bug。你把系统架构梳理好了,下个迭代领导拍一个新方向,你的全部工程推倒重来。你的责任心应该留给值得负责的事,而不是用来修补错误决策的裂缝。 裂缝只会越补越多。你不是救火队员,你没必要替一个在放火的体系擦屁股。

法则三:扮演一个合格的职场人士。 合格的职场人士的定义是什么?完成本职该做的事,不越界,不内耗,不背不该背的锅。不主动制造混乱,也不被动吸收混乱。在一个所有人都不知道自己在干什么的环境里,能做到"知道自己不该干什么",就已经超过了90%的人。你可以把本职工作做好,可以在代码质量上守住底线,可以在技术评审里把该说的话说了------但到此为止。剩下的精力,留给自己的事。


五、🧭 认清自己与认清目的

生存法则能让你活下来,但不能让你活得明白。你还得搞清楚两件事:自己到底站在哪里,以及到底要去哪里。

先说站在哪里。

我是19年毕业的,到现在换过三四家公司,每一家都有相对不错的涨幅。有一段时间我沾沾自喜,觉得是自己的能力、态度、经验在起作用。但冷静下来审视,我发现不是。

不是因为我行,而是因为那些年的行情就是那样。风口在吹,猪都能飞,我可能只是其中一只。经验、沟通、执行力------这些大家都有,算不上核心壁垒。什么是自己能做别人不能的?什么是自己不能做别人能做的?说实话,至今也没想得很清楚。

但没关系,想不清楚能力边界,至少可以想清楚形势边界:AI时代的风口会更短、更剧烈。 以前一波风口能吃三五年,以后可能就三五个月。上去得快,下来也快。如果不把风口和实力分开看,上去的时候骄傲,下来的时候崩溃,最受伤的是自己。

再说要去哪里。

有句话很好:上班是为了不上班。

这不是消极。这是我整个职业规划的核心前提:工作是手段,不是目的。 你做的一切,终极目标不是升职加薪,不是感动领导,是缩短你"需要出卖时间"的窗口。

AI时代,这个目标不是更远了,而是更紧迫了。因为AI不仅拉高了生产力,也在加速某些岗位的结构性消亡。与其被动等着被替代,不如主动缩短自己需要替代的时间长度。


六、🔧 技术开发者应该怎么做

具体的行动,四件事。

1. 锻炼身体

💪 把这条放第一条不是开玩笑。AI能写代码,AI能做方案,AI能画原型。AI不能替你活着。混乱时代,身体是你最后的本钱。你可能是团队里最清醒的人,你可能是唯一看出方向有问题的人,但如果你身体垮了,这一切都没意义。不需要跑马拉松,不需要举铁。每天运动半小时,睡眠保持七小时,体检别拖。这是最朴素但最有效的护城河。

2. 打磨内功

🧱 AI给你一种幻觉:啥都会。但问题不会因为AI替你写了代码就不追究你。线上故障你要排查,安全漏洞你要补,架构设计你要背锅。AI能给的是"看起来对"的答案,但只有你能判断它在你的业务场景下是不是真的对。这个判断力,靠的是内功------操作系统、网络协议、数据结构、系统设计、业务理解。这些东西不性感,但它们是区分一个"会用AI的开发"和一个"能扛事的开发"的本质区别。AI替代的是"手",不是"脑子",更不是"责任"。 把手交给AI,脑子留给自己。把基础打牢,你就不会在AI说错话的时候跟着跳坑。

3. 时不时看看外面有没有下雨

🌧️ 定期面试,定期投递,定期了解市场行情。不是为了跳槽,是为了保持感知。你在当前的X里待久了,你会对混乱脱敏。你会觉得"可能哪家公司都一样"。你会在温水里慢慢失去议价能力。定期出去看看的好处是:第一,知道自己的市场价;第二,知道行业在往哪走;第三,如果真的需要走,你的面试手感是热的。这不是忠诚问题。你的忠诚应该留给自己,不是留给X。

4. 降低物欲

🎒 在AI时代,不确定性最高的就是你多久会被优化、多久会被替代、下一个风口在哪里。你唯一能确定的变量,是你的支出。少买不需要的东西,少花不必要的钱。每一笔消费你都可以问自己:这个东西延后的是我的自由时间还是加速了它?当你的物欲降低,你会发现很多焦虑的来源不是"赚不到钱",是"花得太多"。而降低物欲这件事,不需要AI,不需要风口,不需要领导批准。它完全在你自己的掌控范围内。


七、🚌 结语:这趟公交上,找到你的位置

有这样一个比喻:

进入任何一家公司,都像上了一班公交。这辆车可能很拥挤、很晃动,司机的方向感可能很差,路况可能颠簸。你身边站着的同事,有的在抱怨,有的在睡觉,有的死死抓着扶手不敢动。
你的本能反应可能是:我得告诉司机怎么开。或者:这车要翻了,我得跳车。
但更好的策略是------不断调整自己的位置,确保自己在一个相对舒适的地方。 扶手够得着,颠簸时有缓冲,不会在急刹车时被甩出去。
因为你的目标从来不是决定这辆车的命运。你的目标是尽可能舒适地到达目的地------或者至少,在合适的站点从容下车。

X就是这辆车。AI时代,这辆车装了一个更大的引擎,但也换了一个更情绪化的司机。车的加速和转向都会比以前更猛、更频繁、更没有预警。

这不是你的错。但在车里站成什么姿势,是你的事。

保持清醒,别把自己当风口上的猪。 保持能力,别让AI替掉你的脑子。 保持身体,这是你最后的缓冲垫。 保持退路,别等到急刹车了才想起没找扶手下车的站。

我们不选开往哪里,但我们永远可以选择:在这趟公交上,做一个知道自己要去哪的乘客,而不是一件被晃来晃去的行李。

相关推荐
Lkstar1 小时前
A2A协议深度解析|Agent2Agent通信标准,智能体互联网的"HTTP"
人工智能·llm
百度Geek说1 小时前
当代码越来越便宜,什么在变贵?
人工智能
橘子星1 小时前
LLM 无状态架构实践:从原理到代码落地
前端·javascript·人工智能
LiuMingXin1 小时前
意图与代码之间:AI编程范式全景解读
前端·后端·面试
召钱熏2 小时前
裸聊可用 ≠ 工作流可用:Gemma4 12B 接入 Claude Code 的真实踩坑复盘
人工智能
黄敬峰2 小时前
从 Token 到向量:手把手带你通过代码读懂大模型(LLM)的“黑盒”原理
人工智能
壹方秘境2 小时前
ApiCatcher支持抓包HTTP传输大文件的实现原理分享
前端·后端·客户端
魏祖潇2 小时前
别问哪个 AI 工具最好——我换了一圈才想明白的几件事
人工智能
一份执念2 小时前
uni-app项目 (vue+vite + uni-UI)中引入umd格式JS文件,微信小程序中导入报错处理方案
前端·uni-app·echarts