AI时代下管理者要具备哪些能力

在 ai 时代下，管理者核心的能力无非两点，第一，你怎么更敏捷的做事。第二，你怎么赋能团队，用同样的敏捷方法解决问题。现在的 ai 已经不是对话 ai 了，而是智能体 ai。 它不是给你建议，是直接交付结果， 你不用写代码，有嘴就行。怎么用？记住， mvp 思维最小可实现产品，先建假设，再做最小圆形，一次只验证一个假设，快速收数据，快速迭代。以前做这些，要开会，要讨论， 要协调人，现在你自己用智能体就能跑通一个人，就是一个公司。跑通之后，再赋能团队，找到业务中最大的痛点，逼着团队用 ai 解决，允许走弯路，坐下来复盘，再迭代，花的更少，跑的更快，形成不对称竞争，这才是 ai 时代管理的核心。 怎么把 mvp 思维落地，用千面目标拆解任务追踪，快速复盘，帮你自己和团队把敏捷跑起来，敏捷做事，赋能团队。 ai 不是 替代你，是放大你。

ai 时代管理者必须具备的四种品质说个扎心的事实，很多人引以为傲的职场生存法则正在二零二六年这个节点被算法彻底清算。这不是科幻，而是已经在全球顶尖企业悄然发生的现实。 openai 的 创始人山某奥特曼曾明确指出， 未来的核心竞争力将不再是技能本身，而是利用工具放大个人判断的能力。这意味着，如果你还沉溺于战术级的忙碌， 其实已经失去了作为管理者的入场券。而 ai 时代的来临，作为管理者就需要具备以下四种品质，第一，聚焦判断力，而非执行力。在 ai 时代，管理者的价值不在于亲自完成任务， 而在于通过智能工具把团队的判断力放大到极致。你会看到很多管理者忙于盯进度、检查报表，却错过了真正影响组织未来的决策。第二，设计智能协助系统。 顶级管理者懂得构建团队与 ai 协同的架构，让重复性任务自动化，让人的思考集中在最关键的决策上。黄仁勋曾强调， ai 不是 威胁，而是放大器。你要做的是架构智能团队，而不是亲力亲为。如果管理者依旧亲力亲为，团队潜力永远无法充分释放。第三，战略性时间分配。现代职场充斥着会议爆表、低价值事物，管理者若不能跳出执行层级，就会陷入忙碌幻觉， 以为自己掌控一切，却忽略真正能决定未来方向的事情。顶级管理者会把时间和精力投在影响组织长远的核心决策上，而非日常琐碎。第四，拥抱 ai。 作为放大器。 ai 能提供数据趋势、风险评估， 多方案选择。管理者需要学会利用 ai 快 速洞察，优化判断，让决策既高效又精准。真正优秀的管理者，是懂得用 ai 赋能团队，把判断力和执行力同时指数级放大的人。 二零二六年后的管理，不再是权力的游戏，而是认知的博弈。当 ai 成为基础设施之后，管理的本质正在从控制和分配转向判断和引导。那些无法适应的人 并不是被替代，而是被放大了原本的局限。一个管理者真正要对抗的，从来不是技术本身，而是自己对旧经验的依赖程度。

ai 越强，人越要回到那些更本质的能力上。最近大家在聊到 ai 的 时候，言语间总会带着一点迷茫。当工具能够在一瞬间给出答案，完成大量常规工作时，很多人都在心里问自己，未来我们究竟该把精力放在哪里，才能在职场和生活中立足？ 其实关于这个困惑，管理学大师彼得德鲁克在几十年前就已经给出了很有启发的解答。他提醒过我们，仅仅把事情做正确是不够的，更重要的是做好正确的事。对管理者而言，真正关键的从来不只是把任务高效完成，而是先判断什么才是值得投入的正确方向。 知识工作者真正要负责的也不是忙碌本身，而是自己能够创造什么贡献。他早就预见，当技术强大到可以接管大量执行工作时，真正重要的可能不再只是操作的熟练度，而是那些更底层的判断、选择和协调能力。 结合德鲁克的理念，我们提炼了五种在当下或许更值得去修炼的能力，今天分享给大家，希望能为你带来一些启发。首先是界定问题与鉴别信息的能力。以前我们习惯的工作模式是接收指令，然后想办法高效完成。 但在今天，只要你给出一个指令，工具可以迅速提供海量的答案。这时候真正关键的不再是继续收集更多的信息，而是知道我们究竟面临什么真正的问题，哪些信息和我们的目标真正相关，哪些内容只是看起来完整，而哪些判断可以真正进入行动？ ai 可以 帮你生成实版方案，但他不能替你判断真正要解决的是增长问题、效率问题，还是组织信任问题？ 问题一旦定义错了，答案越完整，反而可能让你偏的越远。信息越容易获得，人越需要对自己的判断负责，把事情做对固然重要，但确保我们在做正确的事情，才是城市的起点。 ai 越擅长给答案，人越要擅长提出真正的问题。其次是对自己优势的清醒认知。 我们曾经受到的教育往往鼓励我们要补齐短板，努力全面发展。但在今天，如果只在全面性和处理速度上比较，人是很难比工具更占优势的。真正成熟的职场人，会把目光收回到自己身上，去认真审视我是谁，我天然擅长什么？我能在这个环境里做出什么有价值的贡献。 不去拿自己的短处较劲，而是把心力放在自己真正擅长也真正能产生贡献的地方，用你的独特优势去建立属于你的不可替代性。 工具会放大人的能力，但也会放大人的模糊。一个人越不清楚自己的优势，就越容易被工具带着走。越清楚自己能贡献什么，才越能把工具变成自己的杠杆。第三点是让你的产出真正被别人理解和使用的能力。 德鲁克曾提到，支持工作者产出的是想法和方案。无论你的数据分析多完美，文案写的多精妙，如果没有人愿意采纳，那他的实际价值其实是零。 在随时随地都能生成方案的时代，能让方案落地生效的只有人。这就需要我们放下自身的知识，傲慢去了解身边伙伴的工作方式，用同理心去建立连接。只有当你的贡献被别人理解、采纳，并进入实际的行动中，他才算真正产生了效果。 会表达不只是把话说清楚，而是让别人听得进去、用得起来，愿意一起往前走。第四点是建立信任与协调的能力。 ai 可以 生成内容、整理资料、提供建议，但他不能替你承担责任，也不能替你赢得别人对你的信任。越是在工具强大的时代，人与人之间的信任反而越重要。 因为当方案越来越多，信息越来越密集时，别人真正愿意跟随的，不只是一个看起来正确的答案，而是一个值得信任的人。这就要求我们不仅要有能力产出，还要有能力协调，不仅要能提出观点，还要能承担结果。真正能成事的人，往往不是单点能力最强的人，而是能把不同的人、资源和判断连接起来的人。 最后，除了持续学习，我们还需要一种认知的习惯，那就是经验的战略性清零。很多时候，阻碍我们向前的，往往不是新事物太难懂，而是我们对过去的成功经验产生了路径依赖。 真正成熟的人，会定期停下来，看看哪些过去有效的方法今天已经不再适用。有计划的放下那些不再产生价值的旧经验，我们的大脑才有空间去接纳未来的变化。所谓成长，不只是不断往自己身上增加新东西，也包括主动卸下一些已经失效的旧东西。面对这场技术浪潮，感到压力是很自然的。 但越是在 ai 强大的时代，人越不能只做一个更快的执行者，把方向定准，把长处做透，让价值建立起来，并事事清零。 因为执行会被工具加速判断，才会真正拉开差距，内容会被工具深沉，信任才会变得更贵，经验会被时代刷新，持续更新自己才决定一个人能走多远。无论技术怎么远近，真正能沉视的底层逻辑，其实一直都没有变过。

ai 时代，管理者应该具备什么样的能力？或者说他的能力应该做什么样的迭代？ 这是一个最近在组织成长领域，或者在组织发展领域，大家都在探讨的一个话题。那这个话题的背后呢？我我认为呢，这里边可能是有变和不变的部分， 那对于管理者呢，其中比如说他有第一个大的这个部分，就是对于业务和战略的一个整体的一个重构啊。这里边呢，就离不开我们比较，比如说传统的这个模型，比如说 pet 的 模型， 模型本身呢，学生它是有自己存在的一个价值的，只不过在 ai 的 时代呢，它的应用边界，它的思考的方向，可能会需要去更加的呃，去拓展。 那我们接下来就从 p、 e、 s、 t 四个视角来去看一下，在 ai 的 背景之下，管理者如何如何地去重塑这样的一个管理的框架，管理的模型。 那以往呢，我们讲屁更多的指的是政策，我们关注出口的政策呀，行业的准入和法律的法规。当然呢，在当下的背景之下呢，我们仍然要去关心。但除了这个之外呢，我们在 ai 的 时代，我们还要去看算法主权与合规的边界，算法的治理，模型的出海 等等，以及数据出境的安全。那这个呢，就是在当下时代它的第一个阶段。那第二呢，从经济的层面呢，以往我们更多关注的是 gdp、 利率、通胀和失业率这些东西。那当下呢，其实我们要关注 token 经济的，呃， 这个效率与杠杆，关注算力成本的一个整体的波动， ai 导致的结构性失业与生产力的一个重构。 那第三个呢，是社会以前关注的是人口的结构和消费的习惯，那现在其实我们要关注的是什么呢？就是数字化的断层与认知的一个升级，关注用户呢，对 ai 的 依赖程度，以及数字原著名的一个审美审美的一个程度，对吧？ 那第四个呢？技术，那以往我们可能关注的更多就是研发的投入啊，技术的成熟度啊。那当下呢，我们要看系统化的，去看 ai 的 引进的每一个的阶段的起点，包括 agent 自主性啊，具身智能啊，以及多么它的深度融合。 所以说我们再去探讨 ai 时代管理者能力的一个迭代的时候呢，其实要从变和不变的视角去看，一定是在不变的基础之上去有新的认知，当下一定是这样的一个阶段。 那以上呢，是对 p t s t 在 ai 时代有一个应该又如何地去重塑做了一个分享。

现在应该没有谁手机里没装几个 ai 助理了，但是你千万不要去把 ai 助理当成聊天机器人了，你要知道，只要用对了，他是真的能够帮你查资料、做调研、复盘、汇报、生成素材、推进流程的工作，助手获 取老板下达命令，以保质保量的完成，这就是一个好员工的标准，对吧？但是现在时代变了， ai 助理时代，他最擅长的就是完成工作， 那么我们到底应该往哪走呢？其实答案很简单，就是管理者思维。管理者思维意味着你不要再盯手里的活，你要学会去了看公司的愿景和使命，你开始思考如何串联部门的资源，甚至串联你手下的 ai 助理团队。 这种转变听起来可能有点抽象，我们说个，我最近从飞书官方那里看到了一个案例，叫杰森，他给自己配了一支 ai 助手团队，但他真正的把工作给分出去了。他有一个汇报助手，开完会把图纸稿丢进去， ai 就 会自动分析，然后把团队里的问题全部都抠出来， 甚至还能把汇报的质量给打分。他还有一个故事线参谋要给客户做方案了， ai 就 会从知识库里找那些客户感兴趣的案例，然后帮他把逻辑的框架搭好，甚至他连客户的调研、模拟展示的数据、 ppt 里的配图，全部都丢给了不同 ai 助理。 那为什么他不慌呢？因为他已经不是那个亲自画 ppt， 亲自查数据、亲自写初稿的执行者了，他进化成了这群 ai 助理的管理者，他像指挥官一样下达任务，像评审团一样验收成果。而且最关键的， 他像一个真正管理者一样在做一个判断，这件事到底值不值得做，该怎么做，做成什么样才叫好。 你会发现，在飞书上面用好 a 整，其实就是帮我们把以前那种高高在上的管理者给提升了，那普通的打工人到底应该怎么去完成这波角色突围呢？其实最重要的就是试着去理解你们老板在愁什么， 公司的战略是什么，然后要做的就是把那些重复的、磨人的、机械的任务一件一件给拆出来，全部用给背书 ai 助理，你要学的是怎么给 ai 下达清晰的指令，甚至你还可以利用 ai 把那些隔在你和别的部门之间的墙给退了。你就会发现，当你能调动自动化资源的时候，你一个人的战斗力可以 顶过去的一个组。说到底我们要练习的是怎么生活，怎么派活。以前最重要的执行力会变得像自来水一样， 普及的东西到处都是，真正值钱的稀缺的是那种能够对其愿景，能够调动资源，能够驾驭未来的管理思维。所谓的一人公司或者是超级个体， 本质上就是管理者思维的胜利。在 a 种时代，我们就像是进化发出了一个全新的器官，我们要做的就是学习如何和他一起共生。真正能让你在这个时代放大异彩的，是你作为一个个人的思考深度， 是你指挥工具对其目标在这个复杂世界里拿结果的能力。所以可以从今天开始试着向一个管理者去思考。你别忘了在飞书里还有一只随时待命的 ai 大 军，这个就是这个时代给我们每个人的机会。

今天下午在苏州参加任商会和小帮的私董会，作为幕僚成员， 在给到暗主支持的过程当中，也提出了一些比较好的问题。后来在结尾的时候呢，我们有一个护送小红花的环节，去表达对今天在私董会过程里 印象深刻的或者最有启发的木料成员，给到他一些欣赏反馈。那我今天也获得了几朵小红花。 大家对我的认可是来自于觉得我提出了很有质量的问题，问题也非常精简，而且也抓住了一些核心，对暗注也起到了非常关键的反思洞察的作用。那我自己的话呢，也非常开心啊，有能够支持到暗注。同时呢，我也确实想跟 每一位伙伴说，尤其是如果你是一个领导者啊，你是企业一号位，你真的是要想一想，如何通过提问的方式去有效的去激发你的伙伴的深度思考。 再加上 ai 时代也需要我们具有很强的提问能力，能够更好地去调用 ai， 获得更有利更有价值的信息，所以在 ai 时代啊，我觉得是一个必备能力。当然呢，提出好问题还有一个很关键的要素， 聆听能力，尤其是在沟通过程当中，你要专注的去聆听，聆听对方真实的内在的声音是什么，聆听对方未说出的信息是什么，聆听对方在这些问题的背后真正关心的是什么，诸如此类，当下的聆听 的状态很重要。当然的话呢，我从一七年接触教练，一直到现在，也是不断的在聆听提问反馈的能力当中，持续的训练自己， 也培养了自己比较强的洞察和激发问题的能力，这也是为什么我可以支持企业家，做企业家教练，做司董会教练，最大化的激发群体智慧，激发个体的无限潜能。所以 想把这一点告诉大家， ai 时代好好修炼你的提问能力，聆听能力，这样你可以成为一个更加优秀的领导者。

今天我们讲 ai 时代管理者的核心能力，你是不是最近天天熬夜刷 ai 教程，苦练写 prompt， 自己一个人用 ai 效率翻了十倍，回头看团队还是老样子，慢吞吞出不了活， 你越忙越累，团队反而越来越依赖你。心理学上把这种状态叫做管理者个人能力陷阱。很多管理者走上岗位后，都误以为自己要比所有人都强才合格，却忘了管理的核心本质是通过别人拿到结果。 ai 时代这个陷阱被进一步放大。 你自己会用 ai， 不 代表整个团队能打赢。多数管理者都是靠个人能力突出走上管理岗，早就养成了亲力亲为的习惯。 ai 来了之后，你本能的先把 ai 变成自己的秘密武器，却没看清最根本的逻辑。 ai 从来不是来替代人的，是来放大能力的。内在的个人能力崇拜和 ai 时代团队作战的要求 产生了根本冲突。如果一直不改这种模式，你会永远陷在琐事里，没时间定战略，培养人才， 团队也永远得不到成长，最后变成你一个人拖着整个团队走。只要你稍有疲惫，整个项目就容易出问题，最终被 ai 淘汰的，恰恰是不会带团队的你。其实你不用逼自己做全公司最会写 prompt 的 人，不如沉下心做好两件事， 一是用 ai 把团队的试错成本降到最低，不用追求完美，先跑起来验证方向。二是把 ai 变成团队的标配，教会每个岗位的员工用 ai 放大能力， 把你从盯执行的琐事里解放出来。学会用 ai 放大整个团队的能力，才是 ai 时代管理者最不可替代的核心价值。

就是公司在招聘人的时候看两件事，第一件事是看这个人的能力，第二个还要看这个人的潜力，因为你光看这个人的能力呢？我们更多的希望他有一个东西叫做技站立，就他来了，他马上就能解决这个问题。 但是有些时候这个公司他的业务相对特殊一些，他的问题可能不是原来这个人的岗位具备的一模一样的操作，他需要去做本地化的调试，他需要去跟团队再去做配套，更好的去了解这个公司他特定的一些业务形式。在这个过程当中，我们非常在乎这个人的学习能力啊， 而且学习能力一定要培养。为什么要培养？因为一旦你去跳槽的时候，尤其是你跳到这个方向，还有包括行业有一定变动的时候，面试官永远会问一个问题， 基本上都在侦测你的学习能力，就是你以前有没有过接触一些新业务啊，或者是面对一些新情况啊？你是怎么应对的？就在侦测你的学习能力。你平常晚上八点钟以后看不看书啊？你学习是通过哪些方式去获取资讯的呀？你对我们这个行业，你能不能给我推荐一些比较不错的公众号啊？这些几乎都在侦测这个人的学习能力， 这个能力你自己不练，你自己不做，想的就是我要把我原有的能力在这发挥出来，不成立。所以人的学习能力，尤其在现在这个 ai 未来会更加大行其道的时代，几乎学习能力是唯一需要你关注的能力了。

跟你说句心里话吧，已经二零二六年了，不知道你有没有发现， ai 已经悄悄改变咱们管公司的方式了。如果你的主管还没真正懂 ai， 那 可能就在你公司里留了一个看不见的风险。你看公司里的那些老主管哈，都是跟着你一路拼杀过来的，经验足，人也靠谱。我知道你特别信任他， 但是最近半年你是不是也觉得有点不对劲了哈？下属用 ai 写出来的方案，他一看就说太飘不落地，他要靠自己的直觉拍板，最后是什么卧压一仓库 回不来，甚至是员工用 ai 提效率的时候，他说什么？说人家是在摸鱼啊，是在偷懒，这些事你没少碰到吧？但是你看到了，二零二六年，懂 ai 真的 不再是什么加分项，而是每一个主管都必须要会的本事。以前管团队靠的是什么？是经验啊，靠的是人，但是以后靠的是什么呢？叫人机 协同，就是要人和 ai 一 起配合去解决问题。那你的主管不懂 ai， 不是 他能力不行，是他没跟上现在的玩法，要么是不敢用 ai， 要么是不会用 ai， 用不对就会影响你公司大方向的落地。你看管公司的逻辑真的是变了哈，定目标不再靠拍脑袋，用 ai 推演一下也许会 更准。凭借效，也不是看谁加班的时间多，而是看 ai 帮大家省了多少时间，提了多少效。带团队也不是那种老牌的业务会，而是要聊聊 ai 怎么落地，怎么封装成智能体，怎么帮大家干活。如果跟不上这些，那这个主板肯定会越来越难带好团队。 我跟你讲个真事哈，就我去年有个学员跟你一样，把一个做了八年的销售主管呢，就提拔成了总监，这个主管什么特点呢？就是他特别相信自己的判断，那他一拍胸脯就是客户，我这种坚决不用 ai， 搞什么用户画像啊，销售预判也不干，结果新品一上裁不中，需求直接压了就是二百万，那公司的现金流都顶不住了呀。 但是这个场景如果有 ai 的 话，至少至少一周的时间就会发现这个问题，根本不会有这么大的库存积压。后来我们帮他做了什么呢？做了三件事，首先，让整个团队有正确的 ai 认知， ai 不是 来 pk 他的， ai 是 来验证他的经验，是来给他赋能的。然后再配上好用的各种各样的 ai 工具，做报告啊，做话术啊，做产品图啊等等。最后就是改了考核， 全员 ai 化， ai 用的好，短短三个月的时间哈，销售转化率和复购率就有了大幅的提升，你看，不是人不行，是你的团队没有拿到新时代真正好用的工具。哎，我也理解，你最担心的不是说你这个主管懂不懂， 而是团队一直这样守着老办法，就会让公司拖得越来越慢，跟不上同行的竞争。其实 ai 的 落地，你不用换人，也不用裁人，咱们只需要把团队做升级就可以了，特别简单，第一，帮你的团队全员建立 ai 思维，咱们用 ai 定目标，评绩效。第二，把 ai 工具用到各个业务环节里去，要全流程的 公司绩效。第三，肯定是要改一改 t v i， 要把 ai 用的好不好，要算到考核内容里去。第四，我们全程要陪着你做，逐步让你整个的团队理解怎么让 ai 变成真正意义上的每一个人的智能助手。 所以二零二六年人才不用换，升级就够了。未来的好主管，他不是说简单的要会懂业务啊，要懂人就可以了，更重要的是会不会用 ai。 如， 如果你的团队还是不知道怎么能够安稳的高效的用上 ai， 你 一定要来随时找我，我们帮你跟你的团队装上 ai 大 脑。这不是赶时髦，是你作为老板二零二六年一定要有的软件。

进入 ai 时代，我认为程序员的核心能力呢，目前正在被重构，只会古法编程，聚焦到某一种特定语言，这种传统的初级、中级的程序员应该会被快速的淘汰。那我认为未来具备价值的程序员核心呢，需要五项能力。第一，需要熟练的使用 ai 的 平台和工具，理解一点 算法和类似于像 transformers 这样的底层机制，掌握一点模型的训练、评估和迭代。另外呢，按现在的模型看，你还需要掌握 harness 的 整个工程体系， 能够运用代码的大模型啊，智能体的框架啊，微调的工具， r a g 的 知识库等等，高效完成代码的开发调试、问题排查和功能的迭代啊。我们简单说呢，就是利用 ai 的 工具快速完成编码。 那第二个呢，需要掌握啊，应该讲的叫只需要掌握一点基础的编程逻辑，它和原来不一样，不需要你掌握那么多的细节了，那么多的语法细节不需要了，掌握一点底层的原理，了解数据结构更好。如果不了解的话呢， 只追求功能的情况下关系也不大。但是你要能识别 ai 输出的漏洞，逻辑错误，安全隐患，能够知道 ai 生成的 bug， 大 体呢，修正的方向是什么就可以了。这一项呢，不是硬性要求，对于那些非专业的程序员来讲，它其实可以通过烧 token 的 方式， 把这部分呢，通过更多的迭代次数来完成。但是你掌握了这一项，你可以省钱，不用烧那么多 token 啊，就能搞定。这个呢，我给大家举个例子，如果是一个非专业的程序员，那么你要完成一项代码工程，那估计呢，你进行一百次迭代啊，烧一万块钱的 token， 那 一个专业的程序员， 它有一点编程的基础理解以及过去的经验，那烧 token 的 话呢，很可能只烧一百块钱就能完成同样的功能，那就这个区别，如果你有钱，你就使劲儿迭代，烧 token 也可以完成，所以这一项严格来讲并非是绝对的需要你掌握的东西。那第三呢，需要你具备部分的 没那么多的架构思维，至少呢，你能够做技术路线的选型啊，基本模块的拆分，有性能优化方面的思路等等，整体的项目的技术方案，他的这个落地的可行性能够进行评估。呃，为什么需要这一项呢？因为 现有的大模型来看的话，呃，一旦他第一次迭代整体的路线出了问题之后，后面很有可能陷入类似于像死循环这样的东西。 我还是那句话啊，你可以通过烧 token 的 方式让它迭代 n 多次完成，但是如果你掌握了这一项，你可以从路线选择上就直接对它进行修正，那么它烧的钱就少得多得多。呃，第四个，未来的企业里面，在一个项目上估计只有 一一个人就可以搞定，所以这个人呢，未来的这个程序员，那么他需要具备什么能力呢？还需要具备业务的沟通啊，创新的决策，对于管理的辅助啊，项目的落地这些方面的软实力。以前呢，我们程序员对于软实力的要求不高， 那后面整个业态只剩下 ai 辅助之下的程序员的情况之下，那么对于软实力的要求就会肯定逐步提高，能对其业务的需求啊，能推进项目的进度啊，能协调跨部门的协助等等， 这些就是对大家软实力的要求，一定要重视起来。那第五一项呢，就是你借助 ai 的 能力，能够 快速地进入到陌生领域的能力，那这个能力很重要啊，不要认为你聚焦在一种语言上啊，一种类型的 app 上就可以了。在 ai 的 辅助之下，我们任何成员都可以快速地进入到以前我们需要花很多力气才能进入的领域。举个例子，原来你只是聚焦在后端的开发上， 那么在 ai 的 辅助之下，你完全可以快速地进入到介入式的开发。如果有一个项目，它是一种综合性的项目，那么在 ai 的 辅助之下，你可以完成整个项目的后端，前端和硬件打交道的部分等等，你都可以完成。这个是对于未来成员的要求。 所以对于未来的你来说啊，在 ai 的 辅助之下呢，语言已经不再是很重的一个选项了， 你在他的辅助之下，可以进入到任何语言领域。这个从这个方面来讲，我认为呢， ai 是 为新一代的成员打开了更大的更广阔的空间。那未来的成员呢，就是 ai 的 指挥官，是业务的落地者，是新领域的入局者。甚至呢， 你完全可以通过 opc 的 形式去介入到 fde 的 领域。关于什么是 fde， 如果大大家不明白，去看我上一条视频， 跟不上能力的迭代，被时代淘汰就是早晚的事。那今天呢，我们简单总结未来程序员的核心的五项要求，下一个视频 我将为大家总结未来的公司在 ai 时代，它应该迭代出什么能力来。在新的 ai 时代，公司的管理组织的组成也必须进行相应的变化，不然被新时代淘汰也是早晚的事。

在职场，业务做的越踏实，你可能被淘汰的就越快。我一直觉得只要活干的漂亮就是真本事。但是我这两天被一个实习生狠狠的打了脸，他是一个很普通的文科生，不是名校简历，也没什么亮点。来我们部门的时候，我一直没当回事，心想无非就是打个杂跑个腿。 但是上周我们科室要汇总几十个部门报来的数据，格式乱七八糟，有漏填的，有填错的，就这活，我们以前手工整合至少要熬个两三天。我正头疼的时候，他凑过来说，姐，要不我来试试？ 我心里想，你能干啥呀？那你试就试吧。结果人家打开电脑敲了几行代码，不到一个小时，几十个乱七八糟的表格居然自动全部整理成一张干净的总表啊！ 更离谱的是，他还自动地标注了哪些部门的数据有问题，哪些部门填错了，哪里格式不对，修改方向按部门群列好了，直接让他们对着改就行了，连逐个检查的时间都省了。 我当时真的愣了好几秒，我说你学过编程吗？他说没有，他就是自学了一些 python， 然后让 ai 帮他生成代码，稍微改一改就能用了。 我就问他，你咋学的呀？他说很简单，是在夜曲编程上学的，他是交互式的学习，有专门的学习卡片，一步一步的引导，哪里不懂还能够直接问老师，碎片时间刷刷手机就学会了。那一刻我蒙了。 我之前一直觉得 ai 啊编程啊离我很遥远，心底也非常的排斥，觉得无非就是年轻人走捷径的野路子，哪有扎实干活来得靠谱啊。但是我错了，不是 ai 跟我没有关系，是我压根就没想到他可以融进我们具体每一项工作中。 你以为你是在扎实的干业务，但是别人已经用工具把你三天的活一小时搞定了，你的扎实在人家眼里就是低效。我后来也试着在夜曲编程上学了学，发现他在线就能敲代码练习，不用搭载环境。概念解释也是通俗易懂的， 比如变量，他是编程语言中能够储存各种数据的一个抽象概念，把变量比作水杯，能够存放不同的饮料。这么一说立刻就懂了，没有我想的那么复杂。 所以说 ai 早就不是高精尖人群的专利， python 也不是马龙的专属，而且现在会这个技能的人凤毛麟角，你学会了就是稀缺。工作稳定是可以保护你，但是他只能保护那个不需要进步的你。被人超越不可怕，可怕的是你都不知道自己已经落后了。

为什么 ai 越好用，团队反而越不好管理了？最近我有个朋友啊，在一家 ai 创业公司做项目管理，他跟我说，现在团队十几号人，越来越难管。 原因很简单，有些人已经开始熟练的使用 ai， 秃顶，各种工具用得飞起，开发效率直接翻倍。以前一个需求可能要两三天，现在一天就能交。 但另一部分人呢，效率几乎没有什么变化，甚至还停留在古法编程阶段，自己看代码，写代码，自己调 bug， 你 让他学 ai， 他 也不是不会，而是不主动去学，愿意改。 这时候管理问题就来了，按照以前的任务分配方式，大家一天都是八个小时，那是不是谁效率高，谁就应该多干一点？ 可问题是，效率高的人会觉得不公平，好不容易用 ai 提升了效率，结果变成了我承担更多的任务。 效率低的人呢？你多给他派点活，他又觉得压力太大了，超出了个人的能力范围，凭什么要这么安排？所以你会发现， ai 进入团队之后啊，最大的变化不是工具变强了，而是团队的效率差被逐渐的放大了。 过去大家差距可能没那么明显，现在同样一个需求，有人一天就做完了，有人三天还卡着，项目经理夹在中间就会非常的痛苦。因为你既不能一直奖励低效率的，也不能无限的去压榨高效率的。 所以我觉得时代的团队管理，不能只看工作时长，也不能只看谁更忙，更应该重新定义这三件事情。 第一个，任务分配不能再让人头平均分，而是按交付能力来分成。第二个， ai 使用能力应该变成团队的基础技能，不再是个人的爱好。第三个，高效率的人不能只被加活，还要有更明确的激励和成长空间， 否则最后一定会出现一个结果。会用 ai 的 人呢？越来越累，不会用 ai 的 人越来越焦虑，管理者也越来越头疼。所以问题来了，你们的团队现在有没有出现这种情况？ ai 到底是在提升团队的效率，还是在放大团队的矛盾？

上一期我的职场牛马的那个 ai 应用出圈了以后，很多人都在问我到底怎么样去给我的领导和我的客户做用户画像？那今天给大家拆解一下我的做法非常适合职场办公人群，特别是针对于你公司同事以及你的目标重要客户，都可以用这套方法论 汇报对象。是的，我们首先感受一下有画像和没画像的区别。同样一个材料，你可能需要交给你的上司，同时你也需要把这个材料交给你的客户，所以他是有不同的角度的，那一般你们都会用一套文档去发给别的人，但其实你的汇报对象是有自己的预期，有自己的立场的， 所以我同样是一份报告， ai 可以 自动帮我面向不同的人群去拆解出他想要看的内容，这个才是我的整个画像最终的目的。而且应该是说同一件事我可能要汇报很多次，然后汇报的内容和方式是不一样的。对，比如说大领导，他只需要知道我们整个项目的大方向，小领导 就需要知道是具体的细节，客户知道的需要知道是价值，所以这个就来解决这件事情啊。然后给大家介绍一下我的整个库，它不只是有画像，它其实是有三个文件夹的，那这三个文件夹分别是人物， 就是这个人的客观长期的画像。第二个是这个项目，我就是我现在跟这个人一起共同进行的这件事情。 还有一个叫事件库，就是所有的背景资料，这是我现在的三个文件结构。怎么样去建立你的画像？一开始大家不要一股脑的把所有的材料全丢给 ai， 首先做一件事情就是做一个档案页，开始你的档案页一定要用口喷的形式，就 比方说我的直系领导，这时候我就应该跟 ai 说一下他跟我的关系，他的岗位啊，他的职责，他的一些跟我的交互习惯，还有他的一些语言风格等等。这可能是一开始你会口喷给他一个建党的一个过程。 还有一个很重要，你们在的公司可能会有一些安全问题啊，数据敏感问题，所以有些环节内你们可能会需要给他做一个代号，像托米一样的好，比如说你可以在你的文件夹里面把你的直接上司储存为特定的一个代号，就是大家根据自己的公司的情况和要求来自己决定就行。还有一个就是大家 发现你们在口喷的时候很容易把两件事情搞混，就是客观事实以及你自己的主观评价。就有的时候在你的表述里面，他会讲，嗯，他经常为难我，他总是每次都问我一些风险投入的问题，其实我背后是有套提示词，比如说想为难人啊，或者用情绪化主观的内容， 我的提示词会帮我去拆解他背后的立场，比如说我现在的这个案例啊，他经常为难我，每次都要为了风险啊，以及可能投入。所以在我的画像里面，我的 ai 拆解的就是他更关注了边界风险， 所以他就把那些很主观的判断拆解为相对来说比较客观的立场，嗯和价值。嗯，所以这个是我在口喷完以后，我是专门有一套提示词来去做这件事情的，所以这件事情里面你需要准备一组提示词，这组提示词是帮助你在口喷完处理你的画像的， 那其实是可以在跟 ai 磨练过程中体验出来一个 skill， 其实这个是每个人都不一样的，所以谁就跟 ai 聊，看他给你输出的结果再调整，最后整理成一个 skill， 然后以后别复用。 就是今天的这些东西我会告诉你方法论，但是具体你们怎么操作，你一定要跟你的 ai 去协助把这个 skill 提炼出来，因为只属于你自己公司的一个情况好。然后就是到底给什么材料，我个人的材料一般来自于三个。第一个会议机啊， 你的会议记录有可能就是你跟领导讲的两分钟，那两分钟的那句话，领导说你过来我们短暂讲讲一下，可能就几句话，但这件事情你要完全记录下来，你要保证你的信息的输入和 ai 的 信息输入完全同频，这件事非常非常重要。现在我养成的习惯就是任何人在跟我讲话之前，我都会直接录音， 无条件录音，我来去判断这个录音有没有用。还有一个就是聊天记录，聊天记录我一般会选择微信截图，特别是比如说我一个材料发给我的直系领导，我的直系领导看完以后，在微信上或者是钉钉上 给我发的一些内容，我直接是截图了，发给 a n。 然后第三个就是邮件往来，邮件往来也很重要，特别是一个事件内的相关联的邮件往来，比如说一来一回几次的这种邮件往来，他会能够知道在这个过程中每一个人输出了什么观点。 那你第三点的话，完全可以把自己的邮箱设置一个转发到 ai 专门的邮箱里。啊，这个很好，对，我现在没有这么做，我现在直接让他去拿那个 computer use 去访问我的公司邮件，然后去阅读我那个方法更好，他会自动获取到这个邮件。这个时候我们要看一下当有一场会议要出现的时候，他做了什么事情。 大家在处理会议纪要的时候，不要去采用由 ai 总结好的那个版本去保存与文字转写版本的内容。是的是的，因为你的一次会议纪要有可能会在不同的时间段去调用。比如说这次你的会议纪要里面帮你提炼的是某个 a 领导他对于这个会议的发言， 下一次你可能会需要 b 领导的发言，所以不要去让 ai 去处理它，而是每一次都保留原汁原味的东西。而且现在那些录音卡它们自带的 ai 处理的时候，它们是其实不知道你工作的上下文的， 对它，所以它提炼出来都是很概要的。对，所以我一般都是直接导出文字的转写的东西。然后你看这是我的一个会议叫的内容，这个会议原始资料出来了以后， 我自己会给他配一套 skills， 他 会自动的把我这个会议叫里面的一些项目的事情抽到项目库里面 去，把里面一些人讲话的内容抽到我的人物库。啥意思？在我的整个会议叫里面，比如说这是我的直系领导林总，他关注的是 i o i， 关注的是风险控制，他不喜欢在这个会议里面讲太多的工具层面的事情，更多的是讲价值层面的东西， 所以这是他的这个性格，所以这次会议叫的里面反映出来的这个人物画像库， 但是这个里面还会出现这个项目，我现在跟林总在这个项目里面的一些对话，那这个会自动归纳到我的项目库去， 所以我的会议机要的处理，他会直接分为两步，然后自动归档。这感觉这个其实不光适合于个人在公司里的工作，其实非常适合于一个公司级别去维护一个客户画像库和销售的那个进度。其实如果一整个销售全部都共同去维护一个客户的画像库，这样每次他们去拜访的时候，他们的进度，他们的下一次策略，他都能 根据 ai 来实时生成的。是的，就是我现在所有的事实类的资料，比如说聊天记录啊，过往的邮箱反馈会议叫 ai， 都是会直接往两边拆的，一部分放到个人的画像去，一部分放到我的视镜库去。 所以大家回顾一下你们现在可以理解到我这三个文件夹它的作用了。最后一个的内容是每一次只要有输入， ai 会自动的去归档到我的项目和人物库里面去。嗯，是的， 如果真的觉得这个东西如果以公司级别去构建的话，也是一个非常好的强大的东西，但是可以让 ai 去分析每一件事和每一个人的目前到什么阶段了，是不是最近又没有拜访了？这样子的， 但是就比较复杂嘛，所以我的人物库里面更多的就是长期的偏好啊，他的一些决策标准和雷点。那我的项目里面就是针对于这个项目本身当前的一些，比如说立查项目的分期，还有可能要一些代办事项，我的原始资料来源就是我 所有的客观的证据来源。这是我这三个项目的一个文档结构，其实完全应该是一个销售的 sop 流程。虽然我不是做销售的，但是销售其实主要也就关注这几件事。 对，因为我的工作既要对外，然后要向上管理，所以这个是我来说非常受用，你们可以完全可以按照我的这个项目结构去复制一份啊，你看我的画像里面有 a、 b、 c 不 同的人，我真实的库里面这个画像非常多的啊。然后我们来看一下到底一个材料它是怎么写出来的。 所以当我现在有一个新的输出目标，我马上要给我的直系上司林总写一个基于这个事情的一个汇报。 ai 会优先去读林总的画像，再去读我当前这个项目进展，以及林总对于这个项目里面的一些反馈。 common 还有一些他的一些客观事实的评价。 ai 会优先输出一个标准版的这个项目的一个报告，然后再基于这个报告面向于不同的汇报对象再去做改正。哦，所以每一次我要写的材料，它都会先有一个标准版的东西，不基于这个标准版的东西，然后再帮我同时写一份面向于哪一个人的报告。 懂了。而且在这个过程中，我的 skills 会要求 ai 首先在输出完标准版的材料以后去 反思整个项目和画像里面告诉我这个我要汇报的对象，他当前的偏好，以及对于这个项目的反馈，我确认完了以后他再输出，所以我的 skill 是 是这么做的，当然你完全可以按照你自己的工作习惯去调整你的 skills。 这个是我的一个案例，我们之前向一个家居类的企业去做指导试点的一个案例，就是我们可能要前期投入一下 人物名字，我们做了一人托米，他想要去做内容增长，然后我们可能会有一个一个周期的试点工作，所以我要向我的直系领导以及我的客户去同时 交代这个方案，然后这个方案的项目目录我是提前给他们做好了画像的，然后这个项目的整体的项目进展也记录下来了，多次的会议机要以及我跟客户的邮件往来，以及我自己领导聊天记录会成为这边的佐证，就是把我刚刚讲的那套内容滚起来的一个实践。所以 呃，我们最后再整体回顾一下我到底怎么做的，比如说要口喷关系，然后在口喷的过程中可以做脱敏， 同时构建我刚刚讲的三个很重要的文件夹，你要用 space 将这三个文件夹串联在一起，任何的客观材料补进去以后， ai 会自动拆分项目以及人去规档， 规档完以后在下一次输出的时候去调用你生成的所有的规档。整体的文件结构是这个三个。所以我今天的整个分享来源于我真实现在在做的一套体系， 你们完全是可以把那三个文件夹的层级放进你当前的 codex， 或者是这个你的本地的文件体系中去滚起来。我个人是很推荐大家特别对 营销类的岗位，你完全可以用这样子去做一些贴身的服务，然后这套再配合上一些生产 hpt 的 still， 这样的话就可以直接最后的产物就可以直接生产出来了。其实在我的这个汇报最后一层，我给我的直系领导输出的是 hmr 格式，而我给我的客户 输出的是邮件格式，它这些是自动默认的，因为这是决定了他们的观看习惯的，所以大家可以自己定义这些逻辑。好的，那本期视频就这样，拜拜。拜拜。

今天听一位互联网公司 ceo 的 分享呢，一下子刷新了我对滔肯的一个认知，他们公司呢，今年会有两千万的这个新增预算去采购滔肯， 但是在他们公司内部呢，其实并没有把这些 tucker 当成一个单纯的算力，而是从人力成本的角度去看待。那这个视角它就特别有意思，就是 tucker 它不再是一个单纯的一个算力资源，而是成了一个数字员工。那两千万的 tucker 预算呢，大概就相当于新增了一百个数字员工， 那他这个视角其实啊对我的一个启发是什么呢？就现在在很多公司里都在给员工发一定数字格的 talkin， 但是大家通常怎么去用这个 talkin 的 呢？可能很多时候都是把它当成一个体校的一个工具，比如说去辅助收集一些材料，或者说跑一些代码， 大家很少去从人力资源的角度去看，就是我们拥有的这些套坑。你就拿刚才这个公司来说，比如说他两千万的套坑预算，那看着一百个员工的话，可能就是说如果你能用好二十万的套坑预算，那你就相当于说拥有了一个数字助手。那如果你能用好四十万的套坑预算呢？ 其实相当于你拥有了两个数字助手。所以从这个视角，你再去探 tokin 的 时候，你就会发现，说未来你这个管理和使用 tokin 的 能力，可能就代表了你的管理的一个半径。我们在传统的业务中，你要想扩大管理半径，那你需要去增加人手， 你需要想开一个新的项目的话，那你需要人，需要人资源，但是在 ai 时代呢？我觉得可能 tokin 就是 人和资源的一个集合体。 而且说实在的，我觉得可能在 ai 时代，管掏恨其实比管人更能考验一个人的真实的管理能力。你比如说你管人的时候，那你代表你带领十几个人去做一个项目，不管你是做成了还是做失败了， 那这里面到底是你的管理的原因大呢？还是你下属的贡献更大呢？其实是有一个很模糊的一个空间的， 但是你去管 token 就 不太一样了，就大模型的能力是一致的，那如果别人可以用同一个大模型跑出你两倍、三倍甚至五倍的一个产出，那这个时候它肯定就不是模型的一个差异，而是你们之间管理和使用 token 的 一个差异。 所以未来管理和使用滔氣的能力呢？肯定是非是一个非常重要的一个竞争力。所以如果公司给你配备了一定额度的滔氣啊，千万别再把它当成一个简单的这个体效工具去看，而要把它当成你的数字员工从人力资源的角度去看，更好的去挖掘它的一个价值。 我们经常说现在大模型都具备了一个博士的一个水平，那如果公司给你配备了一个博士级的助理，那你该如何更好的发挥他的一个价值？显然不是让他去收集资料或者说写文章那么简单，而是说应该更好的去发挥他的真实的一个价值。