本文来自微信公众号： 快刀青衣 ，作者：快刀青衣，原文标题：《AI龙虾十日谈｜李宁：AI这么能干活，人的价值怎么重估》
「人天」这把尺子，已经在说谎了。
最近我在做一个系列直播，叫「AI龙虾十日谈」——连续十天，每天邀请一位对OpenClaw、对AI有深度研究的实践者，从不同角度聊一件事：这东西到底有什么用，怎么用？
第六场直播，我请到的嘉宾是清华大学经管学院的李宁教授。
李宁老师是少数真正同时横跨学术和实践两端的人，他自己就在用AI重构教学和科研，他研究的又恰好是「组织管理」这件事。
所以聊起AI怎么影响公司、影响岗位、影响每一个职场人，他给出的视角是我在其他地方很难听到的。
前段时间李宁老师撰写了一篇文章，文章里面有提到一句话：
❝
「人天」作为生产力单位，已经在说谎。
这句话打开之后，后面跟着一连串反直觉的判断，在直播里我们也进一步探讨。
今天这篇内容，我把直播中最有价值的部分，跟你分三块来分享：先说AI浪潮下工作本身在发生什么变化，组织和管理层要怎么应对，最后落到每一个人——你现在能做什么。
01工作变了：人天这个指标在说谎
在文章里，李宁老师有提到一个「72小时vs40分钟」的案例，直播里我也请他展开聊了聊。
李宁老师表示，自己的一个项目从启动到结束跨了8个小时，但他自己真正投入的时间，不过是开头聊了十分钟、中间做了几个决策，剩下的时间AI在跑，他同时在推进另一个项目。
那一个更直接的对比是：如果A员工加班72小时完成了一个项目，B员工只花了40分钟，在云上同时跑了5个AI并行处理，最终产出跟A一模一样。
你说，这算几个「人天」？
这个问题，放在现有的考勤制度、绩效考核体系里，根本没有答案。传统的「人天」，度量的是你人在不在、时间有没有花出去，但完全没有办法反映一个人借助AI实际创造了多大的价值。
李宁老师有句话说得很准：
❝
我们度量什么，就会重视什么。
当我们还在用人天来管理团队的时候，其实是在用一把坏掉的尺子量东西。但说实话，这个矛盾不是因为AI才带来的。
知识工作和创意工作，从来就不是「在场=产出」的逻辑。
一个程序员在洗澡时想通了一个卡了三天的bug，这个洗澡时间算不算工作时间呢？AI只是把这个矛盾彻底放大了。
岗位边界在模糊
再看岗位的变化。以前企业的逻辑是把一件大事拆成无数个标准化的小动作，每个人负责其中一个环节，久而久之，一个人的价值就等于他那个螺丝钉的价值。
但现在，AI可以替代绝大部分执行性的工作，那些重复的、流程化的、有标准答案的任务，AI干得又快又准。以前需要前端、后端、设计师各自分工的事，现在一个人配上AI可能就跑通了。
这意味着什么？李宁老师表示，岗位边界会越来越模糊，人的角色，正在从螺丝钉，变成体系的设计者。
但这不是降级，是升维。
以前是人去做工作，现在是AI去做工作，人负责告诉AI怎么做、做完了对不对、有没有更好的做法。这个转变听起来简单，但对个人能力的要求其实是提高了。
你要看得懂AI给的结果对不对，你要知道这个流程里哪个环节最容易出问题，你要能在AI卡壳的时候给出正确的方向。
这些判断力，靠的是你对这个领域真正的理解，不是靠执行经验堆出来的。
碎片化注意力，反而是超能力
李宁老师还有一个反直觉的判断：碎片化注意力不是缺陷，反而是超能力。
过去，美国畅销书作家卡尔·纽波特的《深度工作》这本书，以及后来出现的一大批书都告诉我们，要屏蔽干扰、进入心流、长时间专注，这才是创造高质量产出的正确姿势。这套逻辑，我过去也花了不少力气去执行。
但这个逻辑在AI时代可能要重新考虑了。说实话，我第一次读到李宁老师的这个判断时，愣了大概三秒钟。
李宁老师的依据是：首先，AI的任务执行天然会打断你的深度专注。当AI在干活时，你自然而然地会想并行去做些什么。
其次，90%的深度工作更多是在执行和打磨，而不是在创造。最后那10%的创造，往往产生于大脑的“低功耗运行”状态——开车的时候、刷手机的时候、睡觉前的那一刻。
心理学研究也支持这个观点，大脑在放松游走的时候，反而更容易产生跨领域的联想和突破性的想法。
现在，执行这件事已经可以大量交给AI，那人最核心的贡献，就是那个原始的「想法」。而想法，恰恰不需要连续的深度专注，反而需要大量碎片化的信息输入来激发。
❝
当效率已经不是一个稀缺的东西的时候，想法就是一个更稀缺的东西。
当然，这有一个前提：你产生了想法之后，要真的能让AI帮你把它变成现实。想法卡在脑子里出不来，还是没有用。
从想法到现实，只要一天
李宁老师分享了自己的例子。他说他前一天想到了一个科研评估工具的点子，今天就已经上线了。
他用AI微调了一个模型，可以评估学生的研究想法和商业计划书的质量。学生把自己压箱底的各种研究想法丢进去，AI会给出评判和反馈。
这件事放在以前，可能要外包给技术团队，花好几个月。现在，一天。
❝
AI最大的价值，是把以前的梦想或者幻想，变成了现实。
以前很多事做不到，不是因为没想法，是因为执行成本太高。现在这个门槛大幅降低了，卡住我们的，已经不再是「能不能做到」，而是「想不想得到」。
02组织变了：三大障碍卡住大公司
但如果个人层面已经能感受到这些变化，为什么放到组织层面，AI推进得这么慢？
这是一个很有意思的悖论。你去问任何一家公司的高管，他们都会说AI很重要、要拥抱AI。但落到实操层面，大多数大企业的AI化程度，远远不如一个三人小团队。
李宁老师观察到，越是初创型企业，AI工具用得越满、越彻底；越是大企业，落地越难、越慢。
这不是因为大企业的人不聪明，而是因为大企业身上有三个结构性的障碍，卡死了很多可能性。
障碍一：思维惯性和旧有劳动分工体系
大企业已经有了完整的岗位分工：前端、后端、设计师……各司其职，按部就班。
这个体系在过去是高效的，但AI来了之后，麻烦就出现了：一个人也许能用AI端到端跑通整个流程，但被省掉的那些岗位怎么办？
员工不是不会用AI，是不敢用、不愿意用。用了，是不是证明同事的岗位多余了？是不是下一个被优化的就是自己？
这种顾虑，让人主动不去用AI，或者用了也藏着掖着，绝对不声张。这不是员工的问题，是制度在逼人装傻。
障碍二：合规和法律风险
李宁老师说了一个很真实的细节：很多AI项目，事情都快做完了，合同还没跑完。
因为这些东西都是新的，法律合规部门没有现成的框架来处理，审批流程走得极慢。更重要的是，法律合规部门的工作目标是别出问题，而不是推动AI落地——这两件事的出发点根本就不一样。
你让一个KPI是「零风险」的部门去支持一个探索性的项目，本质上是在要求他们主动给自己制造麻烦。
所以这个障碍，靠说服是没用的，必须在制度层面解决。
障碍三：时间稀缺
这个障碍听起来最平淡，但李宁老师说，这才是最深层、最难解决的一个。
大公司最稀缺的资源，不是钱，是员工的自由时间。每个人的日程都排得满满当当，会议接着会议，项目追着项目，根本腾不出三天去深入研究AI怎么跟工作结合。
但偏偏这种探索时间，在AI时代是最值钱的。你不给员工时间去摸索，他们永远不会真正用起来。
不是变革，是进化
这三个障碍加在一起，让我想起别人发给我的一张老照片，一百年前美国邮政的一张图：司机开着汽车，前面驾着马去送信的奇景。
汽车已经在那里了，能力也在那里，但旧有的组织文化和流程就是那匹马，大家反而觉得没有马不知道怎么走。
❝
AI对组织的冲击，不是变革，是进化。类似水生生物到陆生生物，整个底层逻辑都要重构，旧的衡量标准都需要重新反思。
就像从水里爬上陆地，从用鳃呼吸变成用肺呼吸。这个过程，比变革更痛苦，也更彻底。用鳃的时候，你根本想不到肺是什么感觉。
而且，李宁老师特别提到一个很多人还没意识到的新竞争格局：现在的竞争，已经不只是同行之间的竞争了，而是跨物种的竞争。
一家AI公司可以从零开始，直接进入一个完全不相关的行业，把原来的玩家打个措手不及。行业边界，在慢慢消失。
这就意味着，组织的策略也要变：不能只想着怎么在原有赛道里降本增效，而是要主动用AI去开拓新的需求、新的市场。
内卷已经不够用了。
03个人变了：找到适合自己的切口
最后，说说对个人的影响。
我知道正在看文章的你背景各不相同，有职场老兵，有应届生，有管理者，有刚开始接触AI的文科生等待。李宁老师也在直播里针对几类人给出了很具体的建议。
如果你是35岁以上的职场人
如果你心里有一个声音在说「我年纪大了，学不动了」——我想用李宁老师自己来回应这个声音。他是团队里年龄最大的，但也是AI用得最好的。
他说，年龄本身不是问题，更多是一种自我暗示，或者社会给你贴的标签。
李宁老师介绍了一种学习方法，叫「自上而下学习法」，来自一个瑞典高中辍学的小伙，他现在是OpenAI研究科学家。这个咱们在之前的文章里也分享过。
这个学习方法很简单，就是不要一开始就去系统学某个工具，而是先想清楚自己最想解决什么问题。带着这个具体问题去学，边做边学，遇到卡点再深挖，效率反而最高。
工具是死的，问题是活的。你有一二十年的行业积累，你知道哪些问题最值得解决，这恰恰是年轻人没有的优势。
如果你是文科背景
如果你觉得AI是理工科生的游乐场，那我要说：别被这个标签困住。
AI的交互方式是自然语言，而不是代码。真正决定你能从AI那里拿到什么结果的，是你能不能把需求描述清楚、能不能判断输出质量、能不能引导AI往正确的方向走。
文科生恰恰在这件事上有天然的优势：会表达、会讲故事、会理解人。这些都是AI时代的核心优势，根本不是劣势。
当然，更关键的点在于，你要培养创造力、判断力和对社会需求的敏感性。这和专业没有必然关系，不要被旧的劳动分工标签限制自己，感兴趣就去尝试。
AI降低了学习门槛，任何人都可以从零开始。
如果你是中层管理者
这可能是最需要你认真面对的一个时刻。
李宁老师说，他观察到的规律是：越是高层管理者，对AI越兴奋；越是中层，对AI越焦虑。
原因很简单：高层手里有决策权，他们看到AI就想着这个能帮我做什么；而很多中层主要做的事，很多时候是上传下达，把老板的意图翻译成任务下发、把执行结果整理后汇报上去。
这个工作，AI其实已经能做了。
❝
AI时代，纯粹只负责上传下达的管理者，未来会很难生存下去。
所以，你需要真正深入业务、自己用AI干活，不是会指挥别人。而用好AI的前提，是你对业务逻辑很清楚——你知道哪里有坑、哪里是价值创造的点、哪里AI的判断不可信。
AI时代没有旁观者，最好的学习，永远是在解决问题的过程中发生的。别让外界的标签定义你，而是你要去定义AI能为你做什么。
04写在最后
好，这就是关于这场直播的一些分享。