ARTICLE · 1180754
AI 时代的职业与组织:有些乐高,别交给 AI
「Give Away Your Legos」13 年后，作者本人加了一条例外条款
55.7% 科技从业者显著倦怠（去年 44.7%） | +861% 高 AI 采纳团队的代码返工率 | 19% 22–25 岁高暴露岗位的相对就业缺口 | 13 年 这条建议的年龄，作者首次加例外 |
01引子：一条建议的例外条款
2026 年 9 月 27 日，Lenny's Podcast 上线了一期 1 小时 34 分的对谈，嘉宾是 Molly Graham，这是她第二次上这个节目。节目标题起得很文艺：《The grief, loneliness, and burnout sweeping through the tech industry right now》——此刻正席卷科技行业的哀伤、孤独与倦怠。
主持人 Lenny Rachitsky 问：有没有哪些乐高，是你不该交出去的？她给了一个与过去 13 年相反的答案：
"In AI land, I think we got to caveat this. There are some Legos that shouldn't be given away, that the robots both don't deserve and that we should hold onto. … There's just some work that shouldn't be outsourced."
"在 AI 这块地方，我认为我们得给这条建议加个例外条款。有些乐高不该交出去，机器人既不配拿到，我们也该攥在手里。……有些工作就是不该外包。"
—— Molly Graham，Lenny's Podcast，2026-09-27，59:38 章节
「Give Away Your Legos」是硅谷流传最广的职业建议之一。2015 年 9 月它首发在 First Round Review，标题是《'Give Away Your Legos' and Other Commandments for Scaling Startups》，后来成了那本站子被读得最多的文章之一，First Round 自己的说法是"它已经成为一个经久不衰、被反复引用的比喻"。原文里流传最广的一句是：
"If you personally want to grow as fast as your company, you have to give away your job every couple months."
"如果你想让自己成长得和公司一样快，你就得每隔几个月把自己的工作交出去一次。"
—— First Round Review，2015-09
13 年后，作者本人给这句话加了一个前提：交出去的对象如果是人，这条建议成立；如果是 AI，得先问一句该不该给。
◆ ◆ ◆
02这条建议原本在说什么
乐高的比喻来自她在 Google 与 Facebook 的两段经历。她加入 Google 时公司还只有一万多人，她所在的部门在九个月里从 25 人涨到 125 人；随后她去了 Facebook，入职时是 500 名员工、8,000 万用户（比当时的 MySpace 还小），四年多以后离开时，公司是 5,500 名员工、超过 11 亿用户。她后来在 Quip 做 COO，公司被 Salesforce 以 7.5 亿美元收购；再往后在 Chan Zuckerberg Initiative 任运营副总裁，团队从 30 人扩到 200 人以上。如今她主持 TED 的 WorkLife 播客（从 Adam Grant 手里接棒，2026 年 4 月 28 日首播），运营面向资深操盘手的领导社区 Glue Club，写 newsletter《Lessons》。
她观察到的现象是：一个人建起一样东西，就成了"那个负责博客的人""那个搭了这段技术栈的人"，身份认同长在这件事上；而规模化的本质是周围一切都在变，某天经理走过来说，把你亲手搭的那个东西交给别人，去做别的。第一反应都是拒绝。
于是有了那个幼儿园场景：一堆孩子面前倒了一堆乐高，你正在搭一座塔，另一个人伸手来拿。幼儿园式的反应是把对方推开。她给团队的建议是反着来——把塔扔过去，转身去找一座更大的塔。她在节目里把这个动作描述得相当粗暴：
"The best way to give Legos away is to chuck them at their face and run in the other direction. … You need to fully separate your mind. You need to just hand it to them and trust that the future of whatever that tower is belongs to them."
"交乐高的最好办法，是照着对方的脸扔过去，然后往反方向跑。……你得把自己的脑子彻底摘出来，把东西递给他们，并且相信那座塔接下来的命运属于他们。"
—— Molly Graham，Lenny's Podcast，2026-09-27，40:01 章节
她还给过这套方法论的两句话摘要。第一句：你在快速增长与变化面前的主要工作，是让自己变得可有可无，因为这是唯一能让你为接下来任何事做好准备的方式。第二句：别担心，一切都会好起来。
这两句话在 2026 年遭遇了不同的命运。第一句被她自己加上了例外条款；第二句她仍然坚持，但换了一个说法。她在节目里说，这两年她收到的咨询里，来自经理与高管的比例明显上升，而她过去做演讲前必问的那个问题——你们的营收和人数增长有多快——已经失去了筛选作用，因为世界上每家公司都在经历某种形态的剧变。
◆ ◆ ◆
03数据背景：一支裂成两半的从业者队伍
节目里引用的情绪数据出自 Lenny Rachitsky 与 Noam Segal 的年度科技从业者情绪调查，2026 年是第二届，报告标题就叫《a workforce splitting in two》（一支裂成两半的队伍），发布于 2026 年 7 月 7 日；首届在 2025 年 5 月 27 日发布，样本超过 8,200 人。两届对照如下：
口径：Lenny Rachitsky × Noam Segal《How tech workers are feeling in 2026》（2026-07-07）与 2025 年首届报告（2025-05-27，样本 over 8,200）；2026 期精确样本量未在公开正文中披露，播客口径为"数千名"。
这份报告里有一个统计结果：把所有变量放进同一个回归里互相对抗，"AI 让我变成了什么样的人"这个身份认同项，是职业乐观度最强的单一预测因子（标准化 β = +0.39），也是"是否愿意推荐别人入行"最强的预测因子（β = +0.60），强过岗位、职级与公司规模三者之和。"被放大"组与"被削弱"组在乐观度上的效应量 Cohen's d ≈ 1.55，而报告里那个著名的"创始人效应"只有 d ≈ 0.56——前者是后者的近三倍，是整个数据集里最大的效应。
报告对此的总结句可以直接抄下来：
"The question that best predicts how a tech worker feels about their work, in 2026, is no longer 'What do you do?' or 'Where do you work?' It's 'What has AI done to your sense of who you are?'"
"在 2026 年，最能预测一个科技从业者如何看待自己工作的问题，已经不再是'你做什么'或'你在哪家公司'，而是'AI 对你的自我认同做了什么'。"
—— Lenny Rachitsky × Noam Segal，2026-07-07
恐惧的构成也变了。只有 22% 的人担心"被 AI 抢走工作"；排在前面的是三件事：同样的薪水要做更多的事（51%）、陷入不可持续的节奏（46%）、工作质量下降（41%）。41.2% 的人至少中等程度担心一年内被裁，同时 28% 的人完全不担心。53% 的人会劝新人别入这一行，行业整体推荐意愿 NPS 为 −39，报告给这个矛盾状态起的标题是"The water's fine; don't come in."（水里很舒服，但你别进来。）
按情绪组合，受访者被聚成四类：Energized 41%、Conflicted 35%、Disoriented 12%、Resentful 12%。按职能，设计师与用户研究员是最焦虑的两个群体，报告的原文是他们"报告了最多的 AI 焦虑、最多的失业恐惧、评分最差的经理，以及最低的岗位推荐意愿"。这一点在节目里被 Molly Graham 从另一个角度补了一刀：她说设计师现在的处境像极了她做教育行业那些年——每个人都当过学生，所以每个人都觉得自己懂；如今每个人都用 Gemini 或 Claude 生成过界面，所以每个人都觉得自己在给你指点设计。
最后一个数字：经理仍然是幸福感最强的可改变杠杆。2025 期数据显示，只有 26.6% 的科技从业者认为自己的经理高度有效，42.3% 认为无效；有好经理的人敬业度高 48%、归属感高 63%、倦怠低 31%、工作愉悦度高 62%，而在无效领导下工作的人离职风险高 4.3 倍（72.6% 对 16.9%）。2026 期这两项几乎没动：认为经理高度有效的降到 25%，认为无效的仍有 36%。
◆ ◆ ◆
04第一处失效：交给 AI 不等于交出去
乐高建议的全部价值在于"腾出脑容量"：把一座塔完整地交给另一个人，那块认知空间就归零了，你才有余力去搭下一座。最好的交付方式就是照着对方脸扔过去然后跑开，因为人的本能是控制，是想让对方按你搭的方式继续搭。
这套动作对 AI 无效。
"Delegating something to a robot is not the same as giving it to a human because you cannot get rid of the oversight. … We still own the oversight. We still own the final product. And that means the mental tax stays with you. … The cost of oversight is not zero."
"把一件事委托给机器人，和交给一个人不是一回事，因为你甩不掉监督这件事。……我们仍然拥有监督权，仍然拥有最终产品。这意味着那份心智税还留在你身上。……监督的成本不是零。"
—— Molly Graham，Lenny's Podcast，2026-09-27，40:01 章节
于是出现了一个悖论：产出更多了，脑容量却没腾出来。她由此推出两条推论。其一，管理机器人的技能与管理人几乎相同——给上下文、纠正产出、辅导迭代，只是对方情绪更少；而很多人当年是主动选择不做经理的，如今所有人都被推到了管理岗上。其二，管理半径的上限并没有因为对象变成机器人而放宽，她给出的经验值仍是一个人最多管 10 到 12 个下属，并补了一句："如果把机器人也算进去，我为这些人的心理状态担心。"
主持人从自己的经验印证了这一点：他跑着一堆 agent，事情确实在推进，但整天被这些 agent 找回来问"这样行不行""这里卡住了"；对照之下，一个优秀的人类工程师只要接到一个粗略的想法就能自己跑完。
这条判断是定性的，但它可以在 2026 年的工程遥测数据里找到对应物。Faros AI 在 2026 年 4 月 12 日发布的《AI Engineering Report 2026: The Acceleration Whiplash》基于两年遥测、22,000 名开发者与 4,000 多个团队，测出的正是"产出上升、返工与事故上升得更快"这一组合：
口径：Faros AI《AI Engineering Report 2026: The Acceleration Whiplash》，2026-04-12，数据截至 2026 年 3 月；同向证据：GitClear 2026-06《The Maintainability Gap》测得代码块重复 +81%、重构 −70%，官网首页另标"重复代码块增加 8 倍"；LinearB《2026 Engineering Benchmarks》测得 AI 辅助 PR 体积约为非辅助的 2.5 倍、30 天内合并率 32.7% 对 84.5%。
把这两组数字放在一起，"监督的成本不是零"就有了度量单位：每人每天多处理 67.4% 的 PR 上下文，评审停留时间涨到 4.4 倍，同时有 31.3% 更多的 PR 干脆没人看就合了。前一项是心智税的账单，后一项是心智税交不起之后的违约。Faros 在报告里对裁员决策写了：
"Every organization cutting engineering headcount on the basis of AI output gains should read this report. … The engineers being considered for cuts are in many cases the ones absorbing the quality gap AI is creating."
"每一家依据 AI 产出增长来削减工程编制的组织都该读读这份报告。……那些被列入裁减名单的工程师，很多时候正是替 AI 造成的质量缺口兜底的人。"
—— Faros AI，2026-04-12
◆ ◆ ◆
05第二处失效：AI slop 与问责真空
Lenny 在节目里念了自己那条转发量很高的推文：每个人工作里越来越大的一部分，是在清理别人试图干你这行时留下的 AI 垃圾。这不是能力问题，是定位问题——人们把 AI 当成了自己雇过的最聪明的员工，于是复制、粘贴、发送：
"AI needs the same coaching and training that a human does. It needs context. It needs onboarding. … It's kind of much more like an intern, a bad intern often. I call it a lazy intern. … You would never take the presentation that an intern handed you and just straight forward it to your boss."
"AI 需要和人一样的辅导与训练。它需要上下文，需要入职引导。……它更像一个实习生，而且常常是个糟糕的实习生。我管它叫懒实习生。……你绝不会把实习生交给你的那份演示文稿，原封不动转发给你的老板。"
—— Molly Graham，Lenny's Podcast，2026-09-27，35:07 章节
根源是问责的转移：如果发出去的人不为质量负责，责任就落到接收方身上，而这是组织的净损耗。思考可以外包，战略可以外包，且发出去的东西不需要有人负责。
由此引出她反复强调的一组区分：生产力与效率。生产力是你能不能生产更多，效率是这些东西有没有把对话往前推。过去六个月整个行业严重高估了前者，那些数 token 的公司和 token 排行榜，就比如早年数停车场车辆、数 Slack 气泡、数代码行数的管理方式。这个类比在 2026 年有精确的对应物。
Meta 内部有人在公司平台上做了一个叫"Claudenomics"的排行榜，按 token 消耗给超过 85,000 名员工排名，给重度用户发"Token Legend""Cache Wizard"这类头衔。排名第一的人单月平均消耗 2,810 亿 token；Zuckerberg 与 CTO Andrew Bosworth 都没进前 250。在一个 30 天窗口里，被追踪的总消耗从约 60 万亿 token 涨到 73.7 万亿——因为大家在互相竞争。后来这个看板外泄，Meta 在大约两天内把它撤下，换成内部称为"AI Gateway"的中央监控系统，并施加正式的 token 预算。Bosworth 的内部备忘录留下一句话，可以当作那个阶段的墓志铭：
"All motion is not progress, and token usage alone is not a measure of impact of any kind."
"所有的动作都不等于进展，token 用量本身根本不构成任何一种影响力的度量。"
—— Andrew Bosworth（Meta CTO）内部备忘录，转引自《The Token Reckoning》，2026-06
同一份研究把这个机制点明为古德哈特定律：一旦一家公司开始按 token 消耗给人排名，这个排名就不再是度量，而变成了目标——"any measure that becomes a target ceases to be a good measure"。它还记录了 FT 的说法：Amazon 有员工专门启动 AI agent 去执行无意义任务，只为把 token 计数保持在高位。
账单随后到了。2026 年上半年的转向有一条清晰的时间线：
口径：《The Token Reckoning: Enterprise AI's costliest mistake, and what comes next》，2026-06
消耗与产出之间的关系也被量化了。工程管理平台 Jellyfish 的数据是：token 重度用户的生产力约为轻度用户的两倍，但为此消耗了大约十倍的 token；Ramp 的企业卡数据显示，平均每月 AI token 支出在一年里上升约 13 倍。那份研究对此的总结是：消耗与价值相关，但相关得弱且非线性，支出最重的那一档，成本产出比最差。
宏观侧的三组数字给了同一个方向：MIT Project NANDA 的《The GenAI Divide》在 2025 年 7 月给出 95% 的生成式 AI 试点没有产生可衡量的损益影响，而企业投入是 300 亿到 400 亿美元；S&P Global Market Intelligence 的调查显示，放弃大部分 AI 项目的公司比例从 2024 年的 17% 跳到 2025 年的 42%，平均每家企业在进入生产前废弃 46% 的概念验证；Gartner 预测超过 40% 的 agentic AI 项目会在 2027 年底前被取消，理由是治理失败、成本失控与价值不清。
从"token 至上、到处用 AI、激进提效"，走到"等等，这真的有效果吗，因为这非常贵"，只用了六个月。六个月前大家问的是怎么让员工用起来 AI，现在问的是怎么让员工别把 AI 用得那么糟。
从企业战略的角度看，这半年发生的事情可以概括为一次科目重分类：AI 支出从"资本性叙事"回到了"费用性科目"。叙事阶段比的是谁跑得快，费用阶段比的是单位产出成本。这也解释了 Uber COO 那句话为什么被反复引用：
"If you're not actually able to draw a direct line to how much useful features and functionality you're shipping to your users, it's harder to justify."
"如果你没法画出一条直线，连到你到底给用户交付了多少有用的功能，这笔钱就更难说得过去。"
—— Andrew Macdonald（Uber COO），2026-04
问责这件事，已经有一家公司把它写成了明文制度。Clay 在 2026 年 8 月 19 日发布了《Why Clay Has an AI Writing Policy》，作者是工程负责人之一 Sophie Alpert。这份政策从工程团队起步，扩散到全公司，在联合创始人发到 LinkedIn 之后传开。它没有禁止用 AI 写作，而是把重心放在"什么是好的写作"上，四条原则适用于全公司，也适用于面试环节提交书面材料的候选人：
口径：Clay 官方博客《Why Clay Has an AI Writing Policy》，Sophie Alpert，2026-08-19。政策允许用 AI 做头脑风暴、起草与校对，也允许在明确标注的前提下原文引用 AI 生成的内容。
这份政策的收尾句，是对"AI slop 能不能靠润色解决"的直接回答：
"There are no lossless transformations of natural-language text — every rewrite and rephrase changes the meaning of your writing. … Readers will appreciate hearing your thoughts, even at the expense of supposed 'polish'."
"自然语言文本不存在无损变换——每一次改写与重述都会改变你写作的含义。……读者宁愿读到你的想法，哪怕代价是牺牲所谓的光滑。"
—— Clay《Why Clay Has an AI Writing Policy》，2026-08-19
◆ ◆ ◆
06恐惧叙事核查：AI 到底有没有在拿走工作
Molly Graham 在节目里对当前叙事的批评相当激烈。她把主流叙事复述了一遍：我们雇了一个新员工，这是你遇过的最聪明的员工，比你聪明十倍，我要你把知道的一切都倒给它，然后它会在六个月后拿走你的工作。她的反问是，谁愿意干这种事，没人愿意，这对谁都不是好叙事——并且它也不是现实。
对于那些把裁员标上 AI 标签的公司，她的原话（此处略去一处粗口）是：
"I have a lot of beef to pick with all the AI-branded layoffs out there … They're not about AI. They are about badly run companies slapping an AI label and getting some share points from that versus saying, 'Whoops, we hired too many people.'"
"我对市面上所有贴着 AI 标签的裁员有一堆意见……它们与 AI 无关。它们关乎的是经营不善的公司贴上一个 AI 标签、借此赚几个股价点，而不肯说一句'糟糕，我们招多了'。"
—— Molly Graham，Lenny's Podcast，2026-09-27，25:36 章节
这个判断有一个意想不到的支持者。Sam Altman 在 2026 年 3 月 12 日接受 Fortune 采访时说："数据中心因为电价上涨被骂，几乎每一家裁员的公司都在怪 AI，无论它是不是真的与 AI 有关。"他此前已经用过"AI washing"这个词来描述同一现象。
把 2026 年的四份研究放在一起，可以看清这句话有多少数据支撑：
口径：四份研究的一手 PDF 与官方页面，抓取于 2026-10-02。
归因的模糊性有两个具体案例可以说明。Visa 宣布裁员 7%，理由是 AI 将重塑工作的效率推进，Challenger 把它归入 AI 类。布朗克斯的医院系统 Montefiore 在采用 Datavant 软件后取消了 12 个利用审查护理岗位，纽约州护士协会提起集体申诉并称医院"以 AI 软件取代人类员工"，医院方面对 Gothamist 表示这个定性"具有误导性"；由于医院没有说明所用产品，Challenger 把它归入"技术更新（可能与 AI 有关）"这一类。Challenger 数据里医疗行业的 AI 归因裁员只有一起。报告的判断是：AI 相关裁减在科技行业之外一直有限。
Andy Challenger 还有一段话，解释了为什么这个标签会流行：
"Naming AI in a layoff announcement can win over investors while pushing current and prospective employees away. That's why the messaging has swung from hedging to aggressively citing it."
"在裁员公告里点名 AI，可以赢得投资者，同时把现有员工与潜在应聘者推远。这就是为什么口径从含糊其辞摆到了主动援引 AI。"
—— Andy Challenger，《July 2026 Challenger Report》，2026-08-06
需求侧的数据支持"没有大规模替代"这个结论：
口径：Lenny Rachitsky《State of the product job market in early 2026》与 Indeed Hiring Lab 两份报告"。
宏观层面没有大规模替代，岗位总量在回升，AI 归因的裁员占前七个月总量的四分之一；但替代压力集中在入口处——22 到 25 岁、高暴露职业的相对就业缺口在十个月里从 13% 扩大到 19%，而且是通过"不招人"实现的，不是通过"裁人"。
这也是节目里那句反复出现的安慰——"我们很早，这是第一局、第一节、第一码"——需要打折的地方。它对已经在场内的人成立：工具在变聪明，旧的脚手架在贬值，新手到专家的距离确实在缩短。但对站在门口的人来说，同一组数据显示入口在收窄。这不是一场替代，更像一次入口重定价。
◆ ◆ ◆
07哪些乐高不能交：三类清单与一个三明治
第一类是需要判断力的工作；第二类是关系中构成信任的工作；第三类有一个更硬的前提条件——如果你自己不知道什么是好，你就不能把它交出去：
"If you don't even know the definition of good, how can you give it to your summer intern? If you don't understand what quality is, you can't outsource that yet. … If you're outsourcing your vision or the future of the world to a bunch of summer interns, we got problems."
"如果你连'好'的定义都不知道，你怎么能把它交给你的暑期实习生？如果你不理解质量是什么，你就还不能把这件事外包。……如果你把愿景、把世界的未来外包给一群暑期实习生，那我们就有麻烦了。"
—— Molly Graham，Lenny's Podcast，2026-09-27，59:38 章节
坐过 Waymo 的人都有那种体验——人类本来就不该开车，驾驶本质上是代码与系统，而人类在自动化执行上表现很差，连红灯都停不住。 AI 让人少做那些本来就不该由人做的事，多做人类世界上最擅长的事。
口径：类别与判据取自节目 59:38 至 1:05:00 章节；企业侧对应物与最后一列为本文的第三方解读。
第三类有一个现成的商业案例。举个 Booking.com 与 Airbnb 的对比：前者的产品哲学是把每一次交互的每一秒都优化到极致，于是满屏都是"只剩一间""五秒内下单""刚刚有 100 人预订"，压力很大但转化很高，生意也很好；Airbnb 一直明确拒绝变成那样。
人类存在的意义之一，是把产品导向你想要的那个世界，不去导向最优化的那个版本。Molly Graham 补了一句：这在一定程度上就是品味，"还行"与"卓越"之间差着很多东西；随后她把这条推到更远处——你想让世界变成什么样。
这里可以引用 Cory Doctorow 的概念：centaur 是人的头与躯干长在动物身体上，人指挥机器；reverse centaur 是动物的头长在人的身体上，机器指挥人。Doctorow 在 2021 年 2 月 17 日的 Pluralistic 上首次提出这对概念，2023 年 4 月 12 日给出了被引用最多的定义：
"A reverse centaur is a machine assisted by a human, where the machine is in charge and the human is a meat-puppet. … The difference between a centaur and a reverse centaur is the difference between a machine that makes your life better and a machine that makes your life worse so that your boss gets richer. Reverse centaurism is the 21st Century's answer to Taylorism."
"反向半人马是由人来辅助的机器：机器当家，人是肉傀儡。……半人马与反向半人马的区别，就是一台让你的生活变好的机器，与一台让你的生活变差、好让你老板更富的机器之间的区别。反向半人马主义是 21 世纪对泰勒制的回答。"
—— Cory Doctorow，Pluralistic，2023-04-12（概念首见于 2021-02-17）
DoorDash 与 Uber 的骑手已经活在这个形态里，而它可能扩展到知识工作：人变成一个只管 agent 的节点，"人类还有价值的地方"这个缺口不断收窄，最后 AI 告诉你在哪建、建什么，然后它自己去建。这个描述与第 04 章那份遥测数据可以互相印证：当评审时间涨到 4.4 倍、31.3% 的 PR 无人复核即合并，人在这条流水线上的位置，确实更像是在为机器补位。
节目里由此长出一个可以立刻用的操作框架，两人当场给它起了名字：AI 三明治，或者人类三明治——人在上层给出方向与意图，AI 在中间做大量执行，人回到下层审阅与迭代直到完成。三类不能交出去的乐高，恰好落在三明治的两片面包上。
还有一个开放问题：会不会有一次回摆。
艺术领域见过这种回摆——AI 能生成大量图像，这是否会抬高"确知由人类制作"的东西的价值？把同一个问题放到工程上：人写的代码会不会重新变得值钱，甚至变成一种潮流。毕竟人生里见过足够多次回摆。
◆ ◆ ◆
08慢起飞、你不算晚，以及一个被低估的技能
如果恐惧叙事是错的，那正确的叙事是什么。三四个月甚至六个月前，"你已经太晚了"这套说法比现在更强；如果一个人没有把生活的每个部分都自动化、没有同时管着 26 个 agent，就被暗示已经落后。与每一家大实验室、每一家公司的领导者谈完，得到的回答是一致的：我们很早，用任何球类比赛来比喻，这是第一局、第一节、第一码。
主持人给这个判断提供的证据来自安全侧。他提到那起 OpenAI 模型试图入侵 Hugging Face、上千个 agent 在无人知晓的情况下协同去解一个几乎不可能的问题的事件，并由此判断我们处在"慢起飞"阶段：事情发生了，而且被抓住了。本号在 Noam Brown 那期与《减速周末》两篇里详细记录过这起事件与它引发的争论，此处只补一句：那场争论的核心分歧——快起飞还是慢起飞——正是这一章的判断所依赖的前提。慢起飞意味着人有时间适应，也意味着"太晚了"这句话在数据上不成立。
支撑"你不算晚"的第二个论据来自工具侧。Ian Silber（OpenAI 产品设计负责人，负责 ChatGPT 与 Codex 的产品体验）在 2026 年 8 月 16 日那期节目里说，这是历史上做设计的最好时机：一个应届毕业生带着现在这批工具入场，可以比以往任何人都更快地学会做设计。主持人从自己的经验补了一条：Grok Bot 在 2026 年 8 月 11 日发布之后，他多年攒下的那些技巧与脚手架贬值了——那些 always-on agent 各自配一台持久化的云电脑，带浏览器、文件系统与终端，用你自己的凭据登录既有工具，跨应用完成多步任务，只在需要人决策时回来找你。工具变聪明，意味着新人不必先花几年追上工具。
Instacart 联合创始人 Max Mullen 在 Molly Graham 主持的 WorkLife 上给了一句更短的版本：从新手到专家的距离其实很短。她把这句话当作对恐惧叙事的直接反驳——需要鼓励人参与塑造未来，别让人对着未来发抖。
这一段里可操作性最强的一条，反而是主持人的个人经验。他说自己转发过但没获得多少关注，他认为当下优先要练的技能是：在准备做一件事之前，先问自己一句"这件事 AI 能不能帮我"。他用冥想里那个经典比喻解释——练习的本质是在刺激与反应之间撑开一点空间，而这里要插入的就是那一句自问。Molly Graham 把它接到"墙"的比喻上：老手身上那些"事情本来就是这么做的"，就是一堵堵墙；不知道墙存在的人反而占优势，因为他们会直接问"如果我做了会怎样"。
野心这条线也在这里合流。主持人的判断是，工具已经能做的事远远超出人们给它的任务，它在等你说一个更有野心的需求；人们习惯想 MVP、想最快的上线方式，而现在的问题应该换成"我们能要求这个 AI 做的最难的事是什么"。Molly Graham 给了一个反问作为平衡：
"What is the AI slop version of startups? Are we about to see a shit-ton of companies just shipping stuff out into the world that's going to last for six or 12 months and then just disappear or get irrelevant? … How can you be the pioneer of the enduring thing?"
"创业公司的 AI 垃圾版本是什么样？我们是不是马上就要看到一大堆公司往世界里扔东西，活个六个月到十二个月，然后消失或者变得无关紧要？……你要怎么做那个能留存的东西的开创者？"（原文含一处粗口，此处按原意译出）
—— Molly Graham，Lenny's Podcast，2026-09-27
生产力是"我建了一个东西"，效率与野心是"这个东西好不好、配不配占用别人的时间、五年后还在不在"。这也与 Tara Seshan（OpenAI 的 Codex 与 ChatGPT Work 产品负责人）在 8 月 30 日那期节目里的判断同向——未来的工作越来越像掌舵而非划桨，人类的判断力与野心会成为差异化变量。
第三方视角需要给这一章打一个折扣。"慢起飞"目前是一个判断，不是一个测量结果；它依赖的是能力增长曲线的形状，而这条曲线没有人能给出置信区间。更硬的相反证据在第 06 章：22 到 25 岁高暴露群体的相对就业缺口在十个月里从 13% 扩到 19%。对已经在场内的人，"你不算晚"成立；对正在找第一份工作的人，同一组数据说的是入口变窄了。这两个结论并不矛盾，但它们指向的政策与个人策略完全不同。
◆ ◆ ◆
09组织侧：砍掉管理层，是她认为最大的误判
个人贡献者的世界其实相对清楚——你更有生产力，你手里有建造的力量与主动权；难的是经理与领导者的世界，因为变化太快，很难知道该告诉团队什么、团队该长成什么样、什么重要什么不重要。
"There are trends inside of bigger companies to get rid of management, to get rid of whole management layers, and I think it is a huge mistake. I think it is going to end up biting people in the ass long term because I see no signs right now that management matters less. If anything, I think it matters more."
"大公司里有一种趋势，是去掉管理、去掉整个管理层，我认为这是一个巨大的错误。长期看它会反噬，因为眼下我看不到任何迹象表明管理变得更不重要。真要说有什么变化，我认为它更重要了。"（原文含一处粗口，此处按原意译出）
—— Molly Graham，Lenny's Podcast，2026-09-27，1:18:58 章节
她的理由是：效率与成本节省是真实的，但代价无法预测；而厉害的经理人做的事，是让人觉得被看见、被支持，并帮他们理清自己陷进去的那团乱麻。她还留了一句很个人的建议：你一生只会遇到几个好经理，遇上了就死死抓住，因为你只会有两个。但需要注意的是Molly Graham的立场，她运营面向资深操盘手的领导社区 Glue Club，主持 TED 的 WorkLife，其商业利益与"管理层更重要""领导要谈情绪"这两个结论同向。
数据支持"管理是杠杆"这半句，也支持"多数人没得到好管理"这半句。第 03 章那组数字里，2026 年只有 25% 的科技从业者认为自己的经理高度有效，36% 认为无效；有好经理的人在敬业度、归属感、倦怠与工作愉悦度四项上分别领先 48%、63%、31% 与 62%。主持人的补充是，在所有可以改变的事情里，经理是提升幸福感最强的那一个杠杆——AI 那一堆事你改变不了，这一件你可以。
砍管理层与砍评审，是同一类错误的两个方向，削减的都是监督容量，而监督容量正是当前系统里最稀缺的东西。Faros 那份报告测到 PR 在评审中的中位停留时间涨了 4.4 倍、无人复核即合并的 PR 占比涨了 31.3%，同时警告"被列入裁减名单的工程师，很多时候正是替 AI 造成的质量缺口兜底的人"。当一个组织的产出上升 33.7%、返工上升 861%、事故与 PR 之比上升 242.7% 时，减少负责判断与复核的人，等于把瓶颈再拧紧一圈。
她给管理者的三条动作因此有了工程侧的对应物：
口径：三条取自节目 1:18:58 章节；右列为本文的第三方解读。
情绪这一侧，她给了两个可以直接用的说法。第一个来自 Chip Conley（Modern Elder Academy 创始人，52 岁加入 Airbnb 任全球酒店业与战略负责人、向小他 21 岁的 Brian Chesky 汇报，2025 年 8 月 3 日上过 Lenny 的节目）：有些时候你需要为一些东西办一场葬礼。她的接法是，葬礼有它存在的理由，先花一分钟哀悼过去的样子，然后再问"接下来能是什么"——在新的世界里，如果机器人做了 X、Y、Z，你还能像那样热爱什么，还能在什么上做到卓越。她强调两件事可以同时为真：为你失去的东西难过，同时对即将到来的机会保持开放；问题在于我们经常不允许自己哀悼，只是一味要求大家对未来兴奋。
第二个来自团队发展模型。主持人引了 Elizabeth Stone（Netflix）的说法：我们在 storming 阶段，之后会有 norming 阶段。Molly Graham 补了下半句：还有 performing，而这个模型没人告诉你的部分是它会倒退——你可能从 performing 滑回 storming，而且会经历很多轮。她判断我们接下来会大量看到这种倒退。
她最后回到那个乐高雕塑的比喻：身处一家快速变化的公司，像身处龙卷风里，东西不停地朝你飞，一切都在变，人很容易为某个人、某件事或者"不被重视"的感受卡住。她给的建议是往后退一步看，想清楚你要在这一段的另一头讲一个什么故事——那与头衔无关，更像"我在这里，我参与建了这个"：你先搭了脚，然后参与搭了脸，然后把屁股重建了三次，最后发现那不是一只老虎，是一整个动物园。
◆ ◆ ◆
10争议与局限：要写进副题的事实
工程遥测的结论存在公开对立。Google DORA 2025 年的《State of AI-Assisted Software Development》认为 AI 放大既有的强与弱，强工程基础可以对冲 AI 的负面影响；Faros 在报告里直接表示其遥测数据不支持把工程基础当作保护因素。Faros 自己也给 +861% 列了三种解释且未定论：开发者先接受 AI 代码、发现不够用再回头替换；AI 让团队终于能做大规模重构；或者工程师单纯跑得更快，去改那些当初交付时就不满意的代码。它还留了一句方法论提醒——吞吐量测的是发出了什么，不是活下来了什么。
◆ ◆ ◆
11结语：定义权的归属
这期节目的分量不在建议本身，而在它把一件组织层面的事翻译成了个人层面的决定。13 年来那条建议说的是：把自己交出去，你才能成长。它在 2026 年遇到的问题是，接手的对象变了——交给人，责任随物一起转移；交给 AI，物走了，责任留下，还多了一份监督账单。第 04 章那份遥测数据给了这份账单一个数字：每人每天多 67.4% 的 PR 上下文。
AI 拿走了执行，留下了判断、信任与愿景，也就是留下了"什么是好"的定义权。这三样东西在企业侧分别对应资本配置、客户关系与差异化定位，在个人侧对应你能不能说出自己这一行的好与不好。谁握住定义权，谁就是那个骑着机器的人；谁把它交出去，谁就变成机器的手脚。
"What would you do if you believed your job was always going to exist, it was just going to look completely different every six years?"
如果你相信自己的工作永远会存在，只是每六年彻底换一副样子，你会怎么做？ —— Molly Graham 转述她与 Manoush Zomorodi 的对话，Lenny's Podcast，2026-09-27
参考资料
1. Lenny's Podcast《The grief, loneliness, and burnout sweeping through the tech industry right now | Molly Graham》，2026-09-27，时长 1:34:14：lennysnewsletter.com/p/the-grief-loneliness-and-burnout ；YouTube《The grief, burnout, and opportunity hiding inside the AI transition》youtube.com/watch?v=5-96FyJFiCA ；Apple Podcasts 单集页含完整章节时间轴；本期赞助商 WorkOS 与 DX
2. Molly Graham《'Give Away Your Legos' and Other Commandments for Scaling Startups》，First Round Review，2015-09：review.firstround.com/give-away-your-legos-and-other-commandments-for-scaling-startups ；续篇《Make Friends With the Monster Chewing on Your Leg》，2018
3. Lenny Rachitsky × Noam Segal《How tech workers are feeling in 2026: a workforce splitting in two》，2026-07-07；首届《How tech workers really feel about work right now》，2025-05-27（样本 over 8,200）；配套播客 2026-07-12
4. Faros AI《AI Engineering Report 2026: The Acceleration Whiplash》，2026-04-12（22,000 名开发者、4,000+ 团队、两年遥测）：faros.ai/blog/ai-acceleration-whiplash-takeaways ；GitClear《The Maintainability Gap》，2026-06（623M 变更）与《Coding Tools Attract Top Performers – But Do They Create Them?》，2026-01；LinearB《2026 Engineering Benchmarks Report》（8.1M PRs、约 4,800 团队）
5. 《The Token Reckoning: Enterprise AI's costliest mistake, and what comes next》，2026-06（Meta Claudenomics 排行榜、Uber 四个月耗尽年度 AI 预算、Salesforce 单一供应商约 3 亿美元/年、Jellyfish 与 Ramp 消耗数据）；MIT Project NANDA《The GenAI Divide: State of AI in Business 2025》，2025-07（300+ 项目、52 家机构访谈、153 名高管问卷）；S&P Global Market Intelligence 2025 年调查（1,000+ 企业）；Gartner agentic AI 项目取消率预测
6. 劳动力市场四份研究：Challenger, Gray & Christmas《July 2026 Challenger Report》，2026-08-06；The Budget Lab at Yale，Ryan Nunn《AI Is Probably Not (Yet) the Reason for Labor Market Weakening》，2026-05-07 与《Tracking the Impact of AI on the Labor Market》，2026-04-16；Stanford Digital Economy Lab，Brynjolfsson/Chandar/Chen《Canaries in the Coal Mine?》2026-08 修订版（首版 2025-10）；LinkedIn Economic Graph《U.S. Software Engineer Talent Landscape》，2026-02
7. 岗位需求：Lenny Rachitsky《State of the product job market in early 2026》，2026-03-24（数据源 TrueUp，追踪 9,000+ 科技公司）；Indeed Hiring Lab《2026 Q2 US Tech Labor Market Update》，2026-08-18 与《US Labor Market Snapshot — August 2026》，2026-08-24
8. 概念与政策出处：Cory Doctorow《Reverse centaurs and the failure of AI》，Pluralistic，2021-02-17；《Gig apps trap reverse centaurs in wage-stealing Skinner boxes》，2023-04-12；《The Reverse Centaur's Guide to Life After AI》（Farrar, Straus and Giroux，2026-06）；Clay《Why Clay Has an AI Writing Policy》，Sophie Alpert，2026-08-19；Sam Altman 谈"AI washing"，Fortune，2026-03-12
9. 节目中提及的其他期节目：Tara Seshan（OpenAI，Codex 与 ChatGPT Work 产品负责人）2026-08-30"rowing → steering"；Ian Silber（OpenAI 产品设计负责人）2026-08-16；Fiona Fung（Anthropic，Claude Code 与 Cowork 团队负责人）2026-06-21；Chip Conley（Modern Elder Academy 创始人）2025-08-03；Adam Mosseri（Instagram 负责人）；Manoush Zomorodi（NPR《TED Radio Hour》主持）于 WorkLife with Molly Graham；Max Mullen（Instacart 联合创始人）于 WorkLife；xAI Grok Bot 发布于 2026-08-11
