夜雨聆风你在工位上坐着，到底在干什么？
改邮件改了三稿，开会开了三次，PPT 改了八版，周报写了四十分钟。
一天忙下来，领导问你今天做了什么，你张嘴想说，突然卡住了。
因为你今天做的所有事，本质上就是"更高效地做PPT"、"更快地改邮件"、"更流畅地写周报"。
但问题是——AI 时代，这些事还有意义吗？
亚当·斯密的分工陷阱
经济学里有两套增长逻辑，一套叫斯密动力，一套叫熊彼特动力。
亚当·斯密说得直白：分工越细，效率越高。一个人做一整根针，一天做二十根；十个人分工做，一天能做四万八千根。
工业时代这套理论立了大功。流水线把工人变成零件，每个人只负责拧螺丝，产量爆炸式增长。
然后这套逻辑被原封不动地搬到了办公室：
你专门研究怎么做 PPT，就能做得比别人快十倍。你专门研究怎么写周报，就能写得比别人溜。你专门研究怎么开会，就能把三小时的会压缩到两小时。
听起来没毛病对吧？
但问题在于——你越精进，你就越标准化、越可替代。
你研究了三年的 PPT 技巧，在 AI 眼里就是零点五秒的事。你打磨出来的"高效工作流"，本质上就是把你自己训练成了一个更好用的零件。
亚当·斯密的分工理论有一个隐含前提——被分工的那个环节，必须长期存在。
工业时代的拧螺丝工人可以干一辈子螺丝，因为螺丝永远需要人拧。但你那个"PPT 专家"的身份能撑多久？当 AI 一键生成的东西比你花三天做的还好看的时候，你的"专业壁垒"就变成了笑话。
斯密动力不是让你进步的引擎，是让你可替代的加速器。
熊彼特的另一条路
熊彼特说的完全是另一回事。
他的核心观点就一句：真正的增长不来自把旧东西做得更好，来自把旧东西推翻重来。
福特没有研究怎么让马车跑得更快，他直接造了汽车。
乔布斯没有研究怎么让诺基亚按键手感更好，他直接砍掉了按键。
DeepSeek 没有研究怎么让 GPT-3 更省钱，它重构了整套推理架构。
这种模式有个名字，叫破坏性创造。
旧的规则被打碎，新的秩序被建立。不是渐进式优化，是换赛道。
放到职场里看，区别就很明显了。
一个白领花了一周时间，把 PPT 模板从十个增加到五十个。他觉得自己在"提升效率"。但在老板眼里，他做的事情跟工厂里把每分钟产量从一百提到一百二的工人没有本质区别——都是优化流程。
而另一个白领花了一下午琢磨："这个 PPT 到底该不该做？如果要做，是不是换个形式效果更好？如果不用 PPT，能不能用一页纸说清楚？"
这个人在做的事叫质疑流程本身的价值。
前者是斯密动力——把现有的路走得更快。后者是熊彼特动力——问这条路该不该走，或者有没有别的路。
AI 把这两条路的差距拉大了
我之前写过一篇讲工业革命和 AI 对白领的影响，现在想补充一个更底层的视角。
工业革命用的是斯密动力：把人的工作拆解成标准化流程，每个人只负责一小块。白领从此变成了办公室流水线上的零件。
AI 做的事情其实一样——它也是斯密动力的继承者。只不过这次它不是把任务拆给人类，而是直接把那些标准化流程接手过去。而且它比任何人类零件都更便宜、更快、更不知疲倦。
所以 AI 冲击的本质是什么？
不是"AI 抢走了你的工作"这么简单。更精准的说法是——AI 把斯密动力那一侧的事全包了，逼着人类往熊彼特那一侧挤。
你看那些容易被替代的岗位：写文案的、做表格的、画基础插图的、写常规代码的、翻译普通文档的。它们的共同特征是什么？都是高度标准化的流程性工作。也就是亚当·斯密最擅长描述的那种。
而那些不容易被替代的呢？
判断这件事该不该做的 CEO。在两个都不错的方案中凭直觉拍板的产品经理。搞定一个难搞客户的销售。在一个混乱的项目里找到破局点的项目经理。
这些人的共同特征是什么？他们的工作没法拆解成标准化步骤。因为他们处理的是不确定性、是模糊信息、是需要 context 才能理解的人和事。
你可以把"写周报"这件事拆成五个步骤教给 AI，但你没法把"判断这个项目到底值不值得继续投入"这件事拆成步骤——因为这需要的不是执行力，是判断力。
所以你现在面临的选择
回到开头那个问题——你在工位上坐着一整天，到底在干什么？
如果你的答案是"我在研究怎么更高效地做 PPT"、"我在优化我的工作流"、"我在学习更多快捷键"——那你就是在斯密动力那条路上狂奔。
那条路的特点是：你越努力跑，终点离你越近。
那个终点叫"可替代"。
但如果你的答案是"我在想这个项目到底有没有意义"、"我在找有没有完全不同的做法"、"我在判断我们是不是走错了方向"——那你在走熊彼特的路。
这条路上没有现成的 SOP 可以学，没有模板可以套，没有"最佳实践"可以照搬。因为创新这个东西，定义上就不能有标准答案。
两种白领的命运：
说白了就一句话：你要么成为不可替代的判断者，要么成为随时可替代的执行者。中间没有灰色地带。
但说实话，这事没那么简单
写到这里我得承认一件事：上面这番话听起来很爽，但实操起来极其别扭。
为什么？因为我们整个教育体系和职业训练，都在把我们往斯密型方向推。
从小到大，考试有标准答案，工作有 KPI 有 OKR，晋升有清晰的路径。所有的反馈机制都在奖励"做得更快更好"，而不是"做得不一样"。
我们的肌肉记忆全是斯密式的。 让一个人突然切换到熊彼特模式，就像让一个练了一辈子短跑的人去跑马拉松——不是不能跑，是每一步都觉得不对劲。
而且熊彼特模式有一个让人抓狂的特点：它没有即时正反馈。
你优化了一个 PPT 模板，马上就能看到效率提升。你学会了一个新快捷键，立刻就能省下五分钟。这些都是看得见摸得着的进步。
但你去思考"这个项目该不该存在"？你可能想了一整天，最后得出的结论是"不该做"。然后呢？然后你的老板可能会觉得你这一天什么都没干。
判断力的价值往往是滞后的。 当所有人都意识到你对的时候，可能已经是三个月后甚至三年后了。而在那之前，你得忍受"这个人好像不太干活"的评价。
那怎么办
我也还在摸索。但有几件事是我已经开始做了的：
第一，给自己的工作加一道"前置过滤器"。
接到任何一个任务之后，先别急着动手。问自己三个问题：这件事真的有必要做吗？如果非要做，现在的方案是最优的吗？有没有一种完全不同的方法能达到同样的目的？
这三个问题花不了五分钟，但它能帮你过滤掉至少三分之一的"斯密式忙碌"。
第二，刻意练习"说不"。
大部分白领的惯性是接到活就干。但熊彼特模式的起点就是敢于质疑——不是消极抵抗，是基于判断的主动选择。"我觉得这样做价值不大，不如我们把精力放在 X 上。"这句话说出口需要勇气，但它能把你的定位从执行者拉到建议者。
第三，接受"看起来不忙"的状态。
当你从一个整天敲键盘的人变成一个经常盯着窗口发呆的人，周围人会担心你是不是在摸鱼。别解释。思考的样子本来就跟摸鱼长得很像。
最后说一句扎心的
工业革命教会了白领一件事：分工。把自己变成专业化的零件，嵌入庞大的组织机器里，做一个高效的齿轮。
AI 时代要教会白领的另一件事是：重新学会判断。从机器上下来，不再做一个更快的齿轮，而是做一个能决定这台机器该往哪开的人。
这不是鸡汤，这是生存策略。
因为 AI 这个锤子已经递到手里了。
你可以用它来把钉子敲得更快——那是亚当·斯密的选择。
你也可以用它来想一想：墙上这颗钉子，到底需不需要敲——那是熊彼特的选择。
宁走右边那条路。左边那条，AI 替你走了。
