夜雨聆风AI分裂症
之前部署的AI热点选题系统，近日扫了一下多数据源抓回来的内容。系统按热度排了序，最上面的几条标题都指向同一个方向：AI焦虑在加速扩散，而且已经开始从产业一线向全行业溢出。
程序员是最敏感的——因为AI直接动了他们下手"写代码"这个动作。但让我意外的是，扩散的速度比想象中快得多。产品经理在焦虑：用户直接问AI就能生成需求文档，我这个"翻译官"还值多少钱？设计师在焦虑：从高保真原型到UI切图，Midjourney一把梭，我手上还要不要练Sketch？翻译在焦虑：deepL加ChatGPT的组合，客户已经直接省掉了中间环节。甚至身边一个做HR的朋友跟我说，他们公司采购了一套AI面试系统，面完出的评估报告"比初级HR写得好"。
你看，焦虑的核心根本不是"AI能不能替代我"。而是另一件事——不确定性。
你知道自己做的这件事未来还有没有意义？你不知道。
你知道半年后这个岗位还存在吗？你不知道。
你知道AI是在帮你还是在暗地里消化你的工作？你也不知道。
这种焦虑在程序员群体中最突出，但本质是一样的——你焦虑的不是"工具进步了"，而是"我不知道我的位置在哪了"。
焦虑不是病，是信号
这里我不想讲"不要焦虑"的鸡汤。焦虑本身不是什么需要克服的东西——它是个信号。你收到信号，说明你察觉到环境在变。真正该担心的，是那些收到信号却无视它的人。
而且有趣的是，这类焦虑在历史上已经出现过不止一次。
工业革命时期，手工艺人看到纺织机的时候，可能也是这样想的：我的手艺完了。但后来我们知道，纺织机没有消灭纺织行业，只是让会操作纺织机的人替代了只会手工纺织的人。
互联网普及时期也一样。当年很多人从“这玩意儿不敢碰”变成“没有它今天没法开工”——我们亲眼看着他们一步步学会用电脑做表格、发邮件。不是因为他们突然变聪明了，是因为工作逼他们学，学会了就有竞争力。
说这些不是为了稀释AI的特殊性。AI确实比前几次更猛——它触碰的是"脑力劳动"这个最后的堡垒。但我想说一个被忽略的事实：
每一次技术跨越，真正的分水岭不是"会不会被替代"，而是"你在替代链的哪一头"。
🇨🇳 古人怎么说
想起庄子庖丁解牛的故事。以前读觉得是在讲"熟练"——杀牛杀多了就游刃有余。但现在再想，庖丁真正的厉害不是力气大，是他"依乎天理"，顺着骨骼的纹理走。
🌍 西方怎么说
读到斯多葛学派的"控制二分法"对我帮助不小。核心就一个问题：这事你能控制吗？能控制的就去做，不能控制的就不去想它。AI会不会替代你的岗位——这个你控制不了。但你会不会用它——这个你能控制。
这两个视角其实指向同一个方向：不要跟AI拼它擅长的，要去做AI做不了的事。
一个视角：你升级了，从执行者变成管理者
最近我反复在想一个角度，想通之后自己对AI焦虑少了很多—— 有了AI，相当于每个人都获得了"升级为管理者"的机会。
想象一下你在带一个新来的实习生——你跟他描述任务目标、分阶段拆需求、审他的产出、告诉他哪里要改。你不需要自己一行行写代码，但你得知道代码写成什么样算"合格"。你不必亲手画出每个像素，但你得看得出来哪里颜色不对。你不能亲手写出每段文案，但你得读得出来哪个版本的方向是对的。
这就是"管理者"的视角。
但这里有一个很多人不愿意说的心理落差：
⚡ 我失去的踏实感
以前做一个需求，从分析到编码到调试到上线，全流程走下来，系统稳定跑了两周没有bug——那种"我做出来的东西在运作"的踏实感，是实实在在的。现在呢？你给AI一个prompt，它十几秒就给你一个可用的代码块。你少了"亲手做出来"的那个过程。
我意识到这是真实的损失。就像习惯了跑步上下班的人突然有了车——效率是高了，但缺少了每天路上流汗的真实感。这不是矫情，是一种对"劳动"本身的依恋。
但管理者的工作逻辑是另一套系统。
管理者不追求"亲手做"的踏实感，他们追求的是"整个团队能持续输出"的掌控感。
一个优秀的项目经理不写一行代码，但他脑子里有整个系统的架构图、各模块的依赖关系、谁在处理什么、进度有没有跑偏。他坐在桌前，团队在搬砖。他累的方式和团队不一样——但他的成就感也不一样：不再是"我写完了这个功能"，而是"我让这15个人的团队按时交付了"。
这就是你作为"AI管理者"的新挑战——你得放弃一些"亲手做"的踏实感，去换取"带领AI系统出活"的掌控力。这不是降级，是升级。只是这个升级需要你学一套新技能。
管理AI的能力，是新的核心技能
既然是"管理"，那就不只是会写prompt那么简单。我自己的实践下来，跟AI协作需要几层能力，可以和"管理实习生"类比来看：
1任务拆解能力
以前你亲自动手，整个流程在你脑子里。现在你需要把一个大任务拆成AI能一口吃掉的小步骤——先让它做A，出结果你审核，再让它接着做B。这跟你给实习生分活一模一样：不能扔一句"帮我做完这个项目"，得拆成"先统计A数据，再画B图表，最后写C报告"。
2结果判别能力
AI给你10个方案，你要能挑出最对的那一个。这需要你对自己的业务足够了解——你不需要亲手写每一行代码，但你要能看出来它写的代码有没有逻辑漏洞、边界条件有没有覆盖、性能上能不能跑通。这是"管理者"的基本功：你不需要会做，但你要会判。
3反馈与迭代能力
AI的第一次输出通常不完美。你得能给出具体反馈——不是"这个不好"，而是"第三段的论点逻辑不完整，引用的数据来源需要标注年份"。这和管理下属是一个道理：反馈越具体，下一次就越好。
4规划与协调能力
多个AI协作时（比如一个写代码、一个审查代码、一个写文档），你得设计工作流：什么时候并行、什么时候串行、结果谁汇总。就像项目管理者排甘特图一样——你的"团队成员"从人变成了Agent，管理逻辑没有变。
看到这里你可能发现了：这些能力，本来就是一个管理者的核心能力。AI没有创造一套全新的技能体系——它只是把"管理者"的门槛拉低了，让每个人都有了实践管理的机会。
从焦虑到行动：一个简单的起点
如果你现在正处在"知道该用，但不知道从哪开始"的阶段，我的建议很简单：
1找到一个你现在工作中最不愿意做的重复性任务
不是最难的，是最烦的。痛点越具体，AI的替代效果越明显。
2把"自己做"改成"描述给AI做"
不要在意第一次的结果好不好。AI就是实习生，你得多给它几次反馈它才懂你的标准。第一次不满意就改prompt，第二次不满意就加示例，第三次基本能用了。
3从单次任务到自动化流程
熟手之后，你会发现很多工作可以变成"每天让AI跑一遍，我只看结果"的被动式管理。这时候你就不是在"用AI"，而是在"管理AI帮你工作"了。
我自己的选题系统就是走完这个过程的例子。一开始我只是让AI帮我"看看这些网页说了什么"。后来变成"每天自动抓取多个数据源热点，筛选后给我排序"。再到后来，AI写初稿、我审稿、改稿、发布。从"我在用工具"变成了"工具在替我盯着"。我现在每天只用花30分钟做"管理"的事。大量时间解放出来了。那些"失去的踏实感"存在，但换来的是更大的输出。
放下"等得起"的幻想
德鲁克说过一句话我很喜欢："在动荡的时代，最大的危险不是动荡本身，而是还在沿用过去的逻辑。"
我知道很多人还在等——等AI稳定一点，等同行都做出了经验再来学，等公司发了正式的AI使用政策。但我的判断是：可能等不起。不是因为AI一年后就会替代你，而是因为一年后，你的同行们已经学会了管理AI，而你还在等。
那个分水岭就是这样拉开的。不是你比他们差一截，是你开始跑的时间比他们晚一年。
所以回到最开头那个问题——你是焦虑到失眠，还是打开一个AI工具，试着让它帮你做一件你讨厌做的事？
选后者。
"我不是在焦虑AI替代我，我是在焦虑——我居然有点期待这天快点来。因为这样我就可以不用再做那些机械的工作了。"
