夜雨聆风最近做了一场职业 Coach。
来访者所在的公司已经开始真实推进 AI 提效。他们正在尝试把过去需要人工反复沟通、搜集信息、排查问题的一些流程交给 AI：客户先提交必要信息，AI 做初步整理和判断，再进入后续处理。
站在公司的角度，这当然意味着效率提升；但站在一个工作多年的员工的位置，他看到的却是另外一件事——如果这套东西真的跑通了，原来需要很多人完成的工作，未来还需要这么多人吗？
更让他不安的是，公司同时正在进行组织调整，身边也已经出现人员变化。
所以他给自己设了一个很紧的时间表，希望尽快找到下一步：是转 AI 产品、AI 落地，还是继续往自己更熟悉的售前和项目方向走？甚至要不要干脆辞职，用一两个月时间专门把 AI 学好？
他说，前一天晚上想到这些事情，没有睡好。
会谈进行到一半，他在分析 AI 能替代哪些工作时，我听见他叹了一口气。我停下来问：“你刚刚叹气了，你有注意到吗？”
那一刻，我慢慢意识到，他来找我表面上是在解决一个“下一步该转什么岗位”的问题，但真正困住他的，是更深的一层：
当过去熟悉的工作开始被 AI 重新定价，我过去这些年的积累，到底还值多少钱？
一、很多AI焦虑，真正动摇的是一个人的“职业价值坐标”
刚开始聊的时候，我其实觉得他并不属于那种“完全没有方向”的客户。相反，他做了很多功课，对行业、岗位、市场和自己的下一步都已经有不少判断。
所以聊了十分钟左右，我直接问他：“我听下来，你其实已经想了很多。那为什么还需要找一个 Coach 来讨论这件事？”
后面的谈话让我越来越清楚，他真正缺的并不是更多信息，而是一个稳定的判断坐标。
做 AI 产品，他担心自己的产品和技术积累不够集中；
继续做售前，他又觉得像退回舒适区；
做 AI 落地，市场上很多岗位又要求非常深的行业经验。于是每研究一个方向，他都会重新发现一遍自己的“不够”。
这是我现在越来越常见到的一种职业状态：
一个已经工作五年、八年甚至十年的人，在面对新的技术浪潮时，突然从“我已经积累了什么”，切换成了“我还缺什么”。
而 AI 带来的冲击，恰恰很容易强化这种感受。
因为我们过去太习惯用岗位来定义自己：我是产品经理、项目经理、售前、HR、程序员。
工作时间越长，这个身份越稳定，我们也越容易把“这个岗位每天做什么”等同于“我的职业价值是什么”。
可 AI 正在快速重新分配岗位里的任务。一些过去需要熟练度、经验甚至大量时间才能完成的事情，突然可以被大幅提效。
于是一个人的焦虑很容易从“工作方式要变了”，进一步滑向：“如果这些事情不再需要我，我过去这么多年是不是也一起贬值了？”
所以这场 Coach 里，我没有急着继续帮他找一个更安全的 AI title。因为如果这个问题没有被重新拆开，即便今天换到了一个新的岗位，半年以后遇到下一轮变化，他依然可能回到同一种焦虑。
真正需要先弄清楚的是：
岗位里的任务会变，但跨过不同岗位以后，有没有一些东西一直属于你？
二、职业资产不是“我会什么”，而是我反复用什么方式创造价值
我让他先暂时放下 AI，重新往回看自己的职业经历。
这也是他对自己最没有信心的地方之一。他做过不同类型的工作，接触过不同业务，承担过产品、解决方案、项目管理以及客户服务相关的职责。
在他自己的评价里，这意味着“什么都懂一点，但没有一块特别深”。和那些连续多年扎在同一个行业、拥有明确资源和标签的人相比，他觉得自己的经历不够垂直。
但我看职业经历时，很少只看 title。
我更想知道的是：
你在每一段工作里，反复被需要的是什么？当环境、产品和岗位发生变化以后，你依然会自然承担什么角色？别人为什么愿意把某一类问题交给你？
我们开始顺着他的经历一点点往回梳理。
慢慢地，一条很稳定的线出现了：面对客户和业务提出的复杂需求，他会先理解真正的问题，再把需求转化成产品或方案，连接不同团队和资源，推动研发、交付和后续协同，最后让一件事情真正落下来。
聊到这里，他自己提到了一个很重要的词：PMO。虽然外部岗位一直变化，但从需求导入、内部沟通、项目开发直到最终验收，这条项目全链路的经验，其实一直都在。
他这时候也开始意识到：原来自己一直觉得“散”的经历，并不是毫无关系的几段工作，而是在不同环境中反复使用同一种价值创造方式。
这也是我自己越来越认同的一种职业资产判断方式：
职业资产不是你做过多少种工作，也不只是你会多少项技能，而是你在不同环境里，反复被验证过的价值创造模式。
如果只用岗位名称看自己，他看到的是“不够垂直”；
但如果换成价值创造模式，他看到的就是另一件事:
我一直很擅长从复杂需求进入，理解客户和场景，再连接产品、技术和组织，把事情推向结果。
这两种理解，对一个人的信心影响是完全不同的。
三、AI时代真正要思考的，不是“什么永远不会被替代”
前面聊到 AI 时，我曾经顺着他的业务问：“那这里面，有什么是 AI 现在替代不了的？”
这个问题帮助我们开始区分“工作任务”和“人的能力”。但随着谈话继续，我自己的判断其实又往前走了一步：
对于职业规划来说，寻找一种“AI 永远替代不了的能力”，并不是一个足够稳固的策略。
因为谁也不知道两三年以后 AI 的边界会在哪里。
比“什么不会被替代”更值得问的是：
当 AI 接走越来越多执行任务以后，我准备把自己移动到整个价值链的哪一层？
这个客户所在团队正在尝试的事情就是一个很好的例子。AI 可以帮助搜集客户信息、读取日志、整理问题，甚至形成初步判断。如果只站在任务视角，这些确实意味着一部分人工工作会被压缩。
但如果往上一层看，问题就发生了变化：谁最清楚客户最容易遗漏什么信息？谁知道一个问题真正卡在产品、流程还是研发响应？谁知道什么样的解决方案对这个客户才真正有效？谁又最有能力判断 AI 应该被放进哪个环节，而不是为了“用 AI”而用 AI？
恰恰是长期在这个真实业务场景里工作的人。
所以那场会谈后来有一个很重要的视角转换。最开始，他站在 AI 对面问：“AI 会不会替代我？”后来，我们开始和 AI 站到同一边，看整个业务：“我能不能成为那个知道 AI 应该用在哪里、应该解决什么问题、最后怎样产生业务结果的人？”
这也是我现在理解的 AI 转型。
它不只是学习一个新的工具，更不是匆忙换一个带有“AI”两个字的 title。
对于一个已经工作多年的职业人来说，真正重要的可能是：
能不能把自己的位置，从容易被标准化的执行环节，逐渐移动到问题定义、业务判断、方案设计和结果负责。
四、工作多年以后转AI，真正缺的往往不是“知识”，而是证据
方向开始逐渐清楚以后，他问了我一个非常现实的问题：既然 AI 这么重要，我是不是干脆离开现在的工作，腾出一两个月专门学习？
如果只考虑学习效率，这当然说得通。但我当时想到的却是另一个问题：离开真实业务以后，他拿什么练？
我继续问他，能不能一边利用现在公司的 AI 项目进行实践，一边补自己的 AI 基础？他的回答是：辛苦一点，但可以。
这个回答让我更确定，现在的公司虽然让他焦虑，却也同时提供了一个很珍贵的东西——真实业务场景。
他面前已经有客户、有流程、有大量实际问题，也有明确的效率瓶颈。例如客户问题原来需要一到两周才能完成处理，能不能通过 AI 提前收集信息、结合已有文档和日志进行初步梳理，把整个解决周期缩短？这些并不是课堂里的练习题，而是真实存在、也真正有业务价值的问题。
所以我当时跟他说，这个项目不一定需要做得多大。更重要的是通过这个过程，获得 AI 应用的“手感”：知道 AI 怎么进入业务，哪里能发挥作用，哪里仍然需要人的判断，以及自己在整个过程中到底承担了什么价值。
这让我想到，中高年资职业人做 AI 转型时，学习至少可以分成三个层次：
知道 AI 是什么，是认知；
能够熟练使用 AI，是能力；
而真正用 AI 解决过一个实际业务问题，才开始变成市场能够识别的证据。
对于一个工作多年、希望完成职业迁移的人来说，第三层尤其重要。
因为招聘市场最终想知道的不是“你上过什么课”，而是“你能不能把 AI 放进业务里产生结果”。
所以我越来越觉得，很多职业转型的顺序可能要反过来。
我们很容易先给自己定义一个新身份：“我要成为 AI 产品经理”“我要成为 AI 落地专家”，然后再不断补齐那个身份需要的能力。但更现实的路径也许是：
旧的职业资产 × 新技术 × 一个真实问题，先做出下一阶段的职业证据。
当这份证据出现以后，新的职业身份才不是一句自我定义，而是市场有可能相信的东西。
五、真正恢复掌控感的，不是找到一个“安全岗位”
会谈后半段，他的表达开始发生变化。
一开始，他的问题几乎都指向外部：现在是不是跳槽的好时候？哪些公司还有机会？什么 AI 岗位更适合我？如果公司两个月以后继续调整怎么办？我的竞争力到底够不够？
但聊到后面，他自己开始形成下一步计划：
先把当前公司正在做和能够做的 AI 实践梳理出来，找一个场景真正做下去；
同时重新整理自己的优势和简历，开始扩大和猎头、朋友以及市场的连接，再拿着新的实践结果去验证机会。
外部世界其实一点都没有因此改变。公司的组织风险还在，AI 依然在高速发展，市场也没有突然出现一个完美岗位。
真正变化的是，他开始从“接下来会发生什么”，转向了“接下来我可以做什么”。
这也是我自己越来越理解的职业掌控感。
它不是能够预测 AI 半年以后发展到哪里，也不是终于找到一份永远不会被优化的工作。
真正的掌控，是当外界充满变化时，我仍然能分清：哪些是环境正在发生的事，哪些是我真正拥有的职业资产；市场下一阶段需要什么，我还有哪些地方需要升级；以及我现在可以通过什么行动，把模糊的可能变成新的证据。
回头看这场 Coach，它其实经历了这样一次变化：
一个人最开始因为 AI 和组织调整担心自己被替代，于是急着寻找一个更安全的岗位；但当我们重新拆开他的经历，他开始意识到，岗位并不等于职业资产。那些跨越不同工作仍然反复出现的价值创造方式，才是他可以带向下一阶段的东西。
接下来要做的，也不是推翻过去重新开始，而是把这些职业资产与 AI 重新组合，再通过真实业务形成新的证据。
真正的转型，不是逃离旧身份，再赶紧给自己换一个新身份；而是让过去积累的东西，在新的环境里重新产生价值。
AI在给工作重新定价，但它还没有替你完成对自己的定价
这是我做完这场 Coach 后，留下最深的一个感受。
AI 的确会让一部分任务快速贬值，一些过去建立在熟练度、信息差和重复执行上的优势，也会越来越难维持。但一个人的职业价值，并不是岗位说明书里那些任务简单相加。
更值得重新看的，是：过去很多年，你反复解决过什么问题？跨过不同岗位以后，什么价值创造方式一直存在？AI 进入以后，你可以把自己移动到价值链的什么位置？以及现在有没有一个真实的问题，可以让新的价值先发生一次？
这些问题没有一个可以通过刷几个 JD 立刻得到答案。
但当一个人开始真正看清它们，焦虑往往会发生变化。不是因为未来突然确定了，而是因为自己手里的牌重新变得清楚了。
也许这就是我给公众号取名 「成为自己的变量」时，真正想表达的东西。
世界怎么变化，我们决定不了；行业什么时候进入下一轮调整，公司什么时候改变组织，我们也决定不了。但我们依然可以不断增加那些由自己创造出来的变量：新的理解、新的组合、新的证据，以及新的选择权。
如果你最近也因为 AI、组织变化或职业瓶颈，开始反复想：“我过去这些年的经验到底还值不值钱？”
也许先别急着重新学一遍自己。
可以先回头看看：真正属于你的职业资产，到底是什么；而它们和新的变化结合以后，又能长出什么。
如果一个人很难自己看清，也可以来找我聊聊。
