前段时间，我做了一件有点奇怪的事。

我把自己过去几年做过的所有项目、写过的所有文章、讲过的所有课整理成一份清单，喂给AI，然后问了它一个问题：“你觉得我最适合做什么？”

我原本以为它会说，你适合做AI教育，或者做AI咨询，又或者做内容创业。这些都是我正在做的事，也是外界对我的认知。

可它的回答，让我愣了一下。

它说：“你最适合做智能路由。”

我追问它是什么意思。它解释道：你的核心能力并非在某一领域做到极致精深，而是能够快速理解一个模糊的问题，将其拆解为结构化的子任务，再判断每个子任务该交由何种能力去处理。你过去几年做的所有事——帮企业做AI转型、给MBA上课、孵化Skill、做内容创作，表面上是截然不同的领域，底层其实都是同一个动作：接收混乱，输出秩序。

这个判断让我很不舒服。因为“路由器”这个词听起来一点都不酷，它不是创造者，不是专家，也不是站在聚光灯下的人，只是一个中转站，把信号从一个地方传递到另一个地方。

但我花了大约两周时间反复琢磨这件事，越想越觉得AI说得没错。而且它不只是说准了我个人的定位，或许还戳中了AI时代一个更宏大的命题。

我们一直在问错一个问题

“AI时代，我该学什么技能才不会被淘汰？”

这大概是过去两年我被问到最多的问题。MBA课堂上有人问，企业家培训中有人问，朋友聚餐时也有人问。每个人都在为同一件事焦虑：AI越来越强，我的能力还值钱吗？

大多数人给出的答案是：学习AI无法替代的技能，比如创造力、情商、复杂沟通、战略思维。

这些答案都没错，却回避了一个更根本的问题——为什么我们总在“技能”层面思考自身的价值？

因为工业时代给我们植入了一个根深蒂固的假设：人的价值等同于技能。你会什么，便值什么；你的技能越稀缺、越专业、越难被替代，你就越值钱。所以我们从小到大一直在做的事，就是“积累技能”——读书、考证、培训，跳槽到能学到新技能的公司。

这个假设在过去一百年里成立，可AI正在让它失效。

当AI能在几秒钟内掌握一个人耗费十年才能积累的技能时，“会什么”便不再是价值的核心锚点。你会写代码，AI也会；你会做财务分析，AI也会；你会写品牌策划案，AI也会。而且它做得更快、更稳定，还无需休息。

如果价值不再等同于技能，那它究竟等于什么？

麦肯锡到底在卖什么

我想通这件事，是从一个看似无关的问题开始的：麦肯锡到底在卖什么？

表面上看，麦肯锡在卖方法论。波特五力、波士顿矩阵、价值链分析，这些框架都是管理学教科书上公开的内容，任何一名MBA学生都能学会，任何一款AI都能熟练运用。

可麦肯锡一个项目收费数百万，一名MBA学生拿着同样的框架做出的方案，却可能一文不值。

差距在哪里？差在“定义问题”的能力。

一位CEO找到麦肯锡，说：“我们公司增长放缓了，该怎么办？”这句话里藏着上百种可能的问题——是市场饱和？是产品老化？是组织僵化？是战略方向偏差？还是执行不到位？每一种可能，都对应着完全不同的分析框架与解决方案。

麦肯锡赚的钱，本质上不是“分析问题”的钱，而是“在CEO说出第一句话后，判断出真正问题究竟是什么”的钱。

这种判断，方法论教不会，AI目前也做不到。

因为它依托的不是知识量——AI的知识量远超任何一位咨询师，而是一种更底层的能力：在信息不完整、目标不清晰、利益相互冲突的混沌状态中，做出一个“或许不完美，但方向正确”的判断。

后来，我为这种能力起了一个名字：认知路由。

路由器在做什么

回过头看我每天的工作，才发现AI对我的诊断精准得惊人。

有企业客户来找我，说：“我们想用AI做数字化转型。”这句话等同于什么都没说，数字化转型可以是几百件完全不同的事。我要做的第一步，不是给出方案，而是在三十分钟的对话里，判断出他真正的痛点究竟是什么——是流程效率？是决策质量？是人才结构？还是组织文化？

判断清楚后，第二步是拆解：把一个模糊的大问题，拆成三到五个可执行的子任务，每个子任务都有明确的输入、输出与评估标准。

第三步是匹配：判断每个子任务该交由何种能力处理，有些需要战略分析的Skill，有些需要数据处理的工具，有些需要行业专家的经验，有些甚至可以直接交给AI完成。

第四步是编排：确定这些子任务的执行顺序、依赖关系与交付节奏。

整个过程中，我自己几乎没有“动手做”任何一项具体的子任务。从头到尾，我只做了一件事：把混乱变成秩序，把模糊变成结构，把一个问题路由到正确的能力上。

这就是路由器的工作。它不生产任何内容，不提供任何答案，只做一件事——确保正确的请求被发送到正确的地方。

为什么定义问题比解决问题更值钱

顺着这个逻辑往下推导，会得出一个让很多人难以接受的结论。

在AI时代，解决问题的能力正在快速商品化。你需要一份市场分析报告？有Skill可以完成；你需要一个品牌定位方案？有Agent可以执行；你需要一套财务模型？AI五分钟就能搞定。

但定义问题的能力没有被商品化，在可预见的未来也不会。

原因很简单：解决问题是一个收敛的过程——给定明确的问题，用已知方法找到答案，这个过程可以被算法化。

定义问题是一个发散的过程——面对一片混沌，要判断“什么才是真正的问题”。这个过程依托的不是计算能力，而是价值判断：在所有可能的问题里，哪一个最值得解决？解决哪一个能产生最大的杠杆效应？哪一个是客户真正在意却未曾说出口的？

这些判断没有标准答案，取决于你对行业的理解、对人性的洞察、对商业本质的直觉。这些东西目前没有任何AI能够做到，因为它们并非从数据中习得，而是在真实世界的摸爬滚打中沉淀而来。

因此我认为：AI时代，人的价值阶梯正在被重新排序。最底层是“执行”——完成具体任务，这是AI最先替代的部分；中间层是“分析”——用方法论处理信息，这是AI正在快速追赶的部分；最顶层是“定义”——在混沌中识别问题、做出判断，这是AI目前无法企及的部分。

你的价值，取决于你站在这个阶梯的哪一层。

路由能力可以被学会吗

有人会问：这是不是天赋？是不是只有特定类型的人才能做路由？

我的回答是：它可以被训练，只是训练方式与传统的“学技能”截然不同。

学技能，是学习“怎么做”——怎么写代码、怎么做分析、怎么画设计稿，这些都能通过课程与练习掌握。

训练路由能力，是学习“怎么拆”——怎么把模糊的大问题拆解为结构化的子问题，怎么判断子问题的优先级，怎么把子问题匹配到正确的能力上。

具体来说，我训练这项能力的方法是：每次遇到新问题，强迫自己在动手前先做三件事。第一，用一句话定义“这个问题的本质是什么”；第二，将其拆解为不超过五个子问题；第三，为每个子问题标注“该由我做，还是交给AI或其他人做”。

听起来很简单，可做到极致，会彻底改变你的工作方式。你会发现，平日里自己“动手做”的大部分事，其实本不需要自己完成。你真正不可替代的时间，只在前三步——定义、拆解、匹配，后续的执行，大多可以交出去。

后来，我把这套路由逻辑做成了一个Agent。它能接收各类模糊的输入，自动进行结构化拆解，输出任务分配方案。目前它只能处理我见过的问题类型，面对全新领域仍需要我介入，但方向已然清晰：路由能力本身，也在被系统化。

一个让人不安的可能

写到这里，我自己也生出一丝不安。

如果“定义问题”是人类最后的价值高地，那万一有一天AI也学会了定义问题呢？

我坦诚地回答：我不知道。或许五年后，或许十年后，AI真的能在混沌中做出与人类同等优质的判断。到那时，“路由器”这个角色也会被重新定义。

但我确定的是：在那一天到来之前，绝大多数人的焦虑方向都是错的。他们担心“AI会不会替代我的技能”，可真正该思考的是——“我到底在做执行，还是在做判断？”

如果你的日常工作是执行——处理邮件、撰写报告、做分析、填表格，那你确实需要担忧。并非你做得不够好，而是这些事的本质是“给定问题，寻找答案”，AI做这件事比你更快、更稳、成本更低。

但如果你的工作是判断——面对一团乱麻，决定先解开哪一根绳子，那你的价值在AI时代非但没有下降，反而在提升。因为当AI让执行成本趋近于零时，“执行什么”这个决策的杠杆效应被无限放大。一个正确的判断搭配AI的执行力，能创造过去十个人耗费一年才能实现的价值。

AI说我“适合做路由器”时，我起初觉得这是一种贬低。后来我才明白：在一个所有终端都变得无比强大的网络里，最有价值的节点，恰恰是决定信号走向的那一个。