关注 ▲职管说▲学习、思考、成长
这是破军的第 155 期分享
作者 | 破军
以前说熬够了一万小时，你就是顶级专家，现在AI把熬的过程直接压缩了。
但是那些本该在杂活里练出来的敏锐判断力和行业认知惯性，该怎么补？我最近和一个HR朋友聊天，她说公司新招了几个应届生，简历漂亮得很，大模型项目经验、编程竞赛获奖、AI工具用得贼溜。但入职三个月，她发现一个问题，交给他们的任务，只要指令清晰、目标明确，他们能用AI完成得又快又好。可一旦遇到模糊的需求、突发的状况、需要自己判断“该做什么”的时候，他们就懵逼了。“以前的新人，从复印、填表、整理数据开始干，虽然枯燥，但一年下来，基本都练出了‘手感’——知道什么信息重要、什么环节容易出问题、怎么跟别的部门打交道。现在这些杂活都被AI干了，他们反而没地方练基本功了。”当低价值的重复劳动被AI批量吞噬，职场新人的“成长阶梯”是不是也被拆掉了？作家格拉德威尔在《异类》中提出：要在任何领域成为顶尖专家，大约需要一万小时的刻意练习。这个定律曾给无数人希望——只要肯花时间、肯下苦功，普通人也能成为大师。一个典型例子：去年，一位名叫Canyon的高中生，从完全不懂编程开始，借助AI编程工具，8个月后开发的App登上了苹果商店付费榜前十。他的学习曲线是这样的：不懂代码？问AI。不会设计？问AI。不会推广？问AI。放在十年前，从零到发布一款成熟的App，至少需要两到三年的系统学习+项目实践。AI把整个周期压缩了三分之二以上。一万小时没变，但AI让“有效练习”的密度发生了质变。有了 AI，就是硬。心理学研究表明，刻意练习的核心不在于“时间投入”，而在于“高频、精准的反馈循环”。你做一件事，马上知道对错，马上调整，再试，这个循环越快，成长越快。传统职场里，反馈周期还是很长的。你今天写的方案，领导可能下周才给你反馈；你今天处理的一个客诉，结果可能要等一个月才知道。而AI能做到秒级反馈，代码写完立刻跑通、文案写完立刻评分、数据分析完立刻出图。所以，不是一万小时定律失灵了，是“无反馈的堆时间”彻底失效了。在杂活里犯错，代价小、可补救。你填错一个数，领导让你改过来就行。但如果一开始就让你做高价值的决策，犯错的成本可能是几十万、几百万。AI把杂活干掉了，也把那个“安全试错区”干掉了。新人直接被推到一个“要么对、要么滚”的位置上。没有中间地带，没有缓冲期。结果就是，要么迅速成长，要么迅速被淘汰。以前的新人，帮老同事复印、整理资料、跑腿，在这些琐事中建立了人情关系，了解了公司的运作流程，知道了“有什么事该找谁”。这些“隐性知识”，是任何AI都无法传递的。现在，AI把杂活干了，新人反而不知道怎么融入团队了。面对这两大变化，杂活消失、一万小时定律重塑，我们的成长路径也需要重新设计。既然AI能提供秒级反馈，那就别浪费。写方案时，先用AI工具跑一遍逻辑，看看有没有漏洞；做设计时，先让AI生成多个版本供你对比；学新技能时，用AI模拟考试、即时打分。关键不是“用AI省时间”，而是“用AI压缩反馈周期”。以前，新人靠做杂活来“刷经验”。现在，你需要主动要求参与完整的项目——哪怕只是其中的一小块。做项目的好处是：你能看到“输入-过程-输出”的完整链条，理解“为什么这件事要这样做”，而不是只知道“怎么做”。判断力不是在重复劳动中长出来的，是在“理解因果”中长出来的。AI擅长处理“明确目标、清晰路径”的问题。但职场上真正值钱的，是那些“目标模糊、路径未知”的问题。怎么培养？可以主动去做一些没有标准答案的事：比如给一个模糊的需求写方案、在信息不全的情况下做判断、在资源受限时找替代方案。这些能力，AI教不了你，只有在真实场景中一次次摔打才能练出来。不要指望在一个方向上死磕十年。AI时代，技术迭代太快，你可能今年学的技能，明年就被AI覆盖了。更有效的策略是：快速掌握多个领域的“核心20%” ，然后利用AI完成剩下的80%。你不需要成为每个领域的专家，但你要知道“这个领域最值钱的知识是什么、怎么判断好坏、怎么指挥AI帮你干”。AI替我们干掉了杂活，也替我们缩短了“从菜鸟到熟手”的时间。但有一个东西，AI永远替不了，就是你自己对世界的理解、对价值的判断、对模糊问题的拆解能力。这些能力，不是在AI的答案里抄来的，是在一次次“我不知道怎么办——我想办法——我解决了”的过程中，一寸一寸长出来的。所以，不用怀念那些被AI卷走的杂活，它们本来就不是终点啦。
夜雨聆风
