如果拿掉公司和职位,你会怎么介绍自己?
我是程序员,我是产品经理,我做运营。这些说法当然没有问题,它们能让别人迅速知道你在做什么。但有时候,我们也会慢慢把岗位当成自己的全部:哪些事归我做,哪些能力值得学,未来只能往哪个方向走。
我越来越觉得,这种边界需要重新想一想了。
曾鸣在与张小珺的对谈中,提出了一个很大胆的判断:工业时代的科层制公司会走向衰亡,未来的组织会更多地围绕任务展开。
公司到底会不会消失,我不急着下结论。我更关心一个离自己近一点的问题:
如果工作越来越围绕具体任务重新组合,我们还要不要把自己牢牢地装在一个岗位里?
岗位,其实是一组工作的打包
一个岗位,通常不是一件事,而是一组工作的集合。
做内容的人,要找选题、查资料、写稿、核对事实、排版、发布,还要看反馈。做开发的人,也不只是写代码,理解需求、选择方案、测试、维护,都在工作范围内。
为了方便协作,组织把这些事情打包,交给一个相对固定的角色,再围绕这些角色建立流程。
这种安排有它的价值。稳定的团队能积累经验,长期合作能减少磨合,不是什么工作都适合临时拉人来做。
但 AI 出现之后,这个包里的东西开始可以重新分配了。
拿写文章来说,资料检索可以让 AI 协助,初稿可以共同完成,排版也能借助工具。与此同时,文章到底想表达什么,材料是否可信,某段话是不是自己的真实判断,仍然需要有人把关。
我们不必因为一个人叫“编辑”,就默认整条链上的工作都要由他亲手完成。也不能因为 AI 会写文字,就认为它已经能对一篇文章负责。
从这个角度看,值得关注的变化,是组织工作的顺序:
先把要解决的问题说清楚,再判断哪些部分需要人,哪些部分可以交给 AI,哪些部分需要其他专业能力加入。
岗位仍然可以存在,但它不应该成为解决问题时不能跨越的围墙。
我不想成为一个更忙的“六边形战士”
说到这里,很容易得出另一个结论:既然 AI 能补齐短板,那每个人都可以变成六边形战士,一个人顶一支队伍。
我对这个说法一直有保留。
我之前写过《一人 FDE,是个伪命题》。里面最想说的一件事,就是:AI 放大了个人能力,却没有消灭复杂交付对协作的需要。
一个人可以做出原型,可以搭知识库,也可以独立完成边界清楚的小项目。但项目一旦涉及业务调整、跨部门协作、权限审批和长期维护,问题就不只是“技术上能不能做出来”。
有人需要判断方向,有人需要提供专业意见,有人需要推动使用,还得有人在出问题时接得住。
如果把这些责任全部塞给一个人,再夸他一句“超级个体”,我觉得多少有点不厚道。
原来一个岗位的活,现在变成几个岗位一起干,效率提高了,工作时间也拉长了。看起来更强,实际上可能只是更累。
一人负责,不等于一人包办。
我更愿意追求的是:知道自己能做什么,也知道自己的边界在哪里;遇到一个问题,能判断该调用什么工具,什么时候该找什么人,以及什么样的结果才算合格。
这也需要能力,而且并不比亲手做完每一步容易。
人少了,协作这件事反而要更清楚
我自己在搭 AI 工作流时,也没有因为参与执行的是 Agent,就把负责人、权限和验收全部取消。
任务交出去了,仍然要有人确认它理解得对不对。几个环节之间有依赖,就得把交接说清楚。AI 说“完成了”,也不能直接当成事情真的完成了。
人和人之间的协作更是如此。
一个任务临时组队,谁来决定范围?中途发现方向错了,谁有权调整?有人提前退出,剩下的工作怎么办?交付之后还需要维护,谁继续负责?
这些问题不会因为大家互称“合伙人”就自动解决。
把员工改叫合伙人,如果决策权、收益分配和责任承担都没变化,也只是换了个称呼。
我理解的任务型协作,可以减少不必要的层层转述,让参与者更直接地面对问题。但越是灵活,越需要把关键的约定讲明白。否则,每个人都完成了自己理解的那一小段,最后却没人对完整结果负责。
信息共享也是一样。让相关的人获得完成任务所需的背景,不等于所有资料对所有人开放。客户数据、私人信息和内部经营资料,仍然要有边界。
所以,我并不觉得未来的组织会变成“大家自由发挥,最后自然就把事干成了”。
工具可以让沟通和执行更便宜,判断、信任和责任,依然需要认真建设。
接任务,也可能只是换一种方式打工
围绕任务工作,听起来很自由。
不用被固定岗位限制,可以凭能力参与不同的项目,找到合适的人一起完成,再分享收益。
但我觉得这里还藏着一个问题:任务做完之后,你留下了什么?
如果每接一个项目,都要重新找资料、重新设计流程、重新摸索工具,做完以后拿钱走人,那么下一个任务开始时,你依然需要从头来过。
身份是自由了,收入和时间却可能绑得更紧。停下来,就没有新的交付;没有新的交付,就得继续找下一单。
这也是我为什么一直强调知识库、Skill 和工作流。
我之前写《没有沉淀,就不是 FDE》,讲的就是两件事要同时发生:眼前的问题要解决,解决问题的经验也要留下来。
写完一篇文章,可以留下核对来源的方法和发布检查清单。做完一次培训,可以整理出哪些问题最容易卡住学员。完成一个项目,可以把反复出现的步骤变成工具,把有效的判断记录下来。
这些东西未必一开始就像一个“产品”,但它们能让下一次工作少走一点弯路。
当然,客户的资料不能随便拿去复用。需要留下的是有权保留的通用方法、工具和经验,而不是把别人的业务数据变成自己的资产。
任务可以是临时的,能力积累不能也是临时的。
否则,所谓超级个体,很容易变成一个使用了更多工具、却始终停不下来的人。
先把自己的操作系统搭起来
我做过嵌入式开发,也一直喜欢用操作系统来理解人的成长。
一个岗位,更像是你当前运行的一项应用。它很重要,但不等于你的全部。
你怎么学习一个陌生领域,怎么保存有用的经验,怎么判断信息真假,怎么与别人合作,出了问题怎么复盘——这些东西,更接近你的底层系统。
换了一份工作,应用可能变了。如果底层能力能够保留下来,你就不必每次都把自己清零。
所以,比起问“我应该学哪个 AI 工具,才能不被淘汰”,我更愿意问:
我手上有哪些事情,已经可以换一种做法?做完以后,能不能让下一次更容易?
不需要先辞职,也不需要马上成立一人公司。从一件自己反复在做的工作开始就行。
比如,把一份资料整理成一篇可发布的文章。先说清楚写给谁看、要解决什么问题,再尝试让 AI 协助检索和整理。哪些地方必须自己判断,哪些事实需要核实,最后怎样检查是否达到要求,都在实际完成的过程中一点点弄明白。
跑完一次,把管用的步骤留下,把出错的地方改掉。下次再做时,看看自己是不是少重复解释了一些背景,少做了一些机械劳动,也更清楚该在哪里投入注意力。
这样积累下来的,才是一套属于自己的工作方式。
我不确定未来的公司会变成什么样,也不觉得每个人都应该离开组织、出去独立接任务。稳定的团队、长期的关系和专业分工,仍然有它们的价值。
但对我自己来说,有一件事已经很清楚:我不想再只用一个岗位名称来解释自己。
我希望能说清楚自己擅长解决什么问题,知道什么时候需要别人帮助,也能把做过的事情变成以后用得上的经验。
职位可以变,工具会更新。这些能力,我想一直带着。
如果你也在学习 AI,或者正在尝试把 AI 用到工作里,欢迎在评论区交流。
想一起学习、交流实践,欢迎通过公众号后台私信我。可以直接告诉我你正在做什么、遇到了什么问题,或者想讨论哪个方向。