個人成長 為甚麼AI越強,你會越累?普通人反內卷的正確姿勢

職涯導航台
19粉絲
2 次觀看·2026年9月23日
AI 生成·可能包含錯誤
視頻概述
AI 生成這段影片探討在 AI 時代如何避免陷入「內卷」(過度競爭)的困境。作者指出,單純利用 AI 提升效率往往會觸發「紅皇后效應」,導致所有人效率提升後,競爭門檻隨之提高,反而讓人更累。要突破此局面,核心在於「替換生態位」,將自身定位從單純的執行者轉向決策者與創造者。
如果你現在特別焦慮在AI時代之下
自己現在特別累
特別煩 特別變方向
不知道下面自己在AI時代下
應該如何的進化
那這條視頻你一定要仔仔細細的來看
因爲這條視頻當中會給大家指明
我們具體下面應該做些什麼
拿到這個時代的紅利
向大家傾訴一下
哈嘍 各位朋友大家好
今天我們來聊的這個話題叫
AI時代如何反內卷
這兩個非常熱的詞
一個是AI時代 一個是內卷
然後咱們怎麼反內卷
我不知道大家有沒有遇到過這樣的一個情況
就是發現公司用了很多的AI
或者說自己學了很多的AI的這種工具以後
發現自己的工作並沒有變得更清楚
相反變得更累了
或者說發現公司上了整個的AI系統
人的確開始才了一些
但是每個人的工作量會變得更多
這其實並不是一個罕見的現象
在整個人類歷史的科技發明史的過程當中
這件事情被反覆的整理
首先我們在這裏要提出一個非常重要的概念
這個概念在社會學當中經常提
叫Red Queen Effect
這個中文我嘗試翻譯一下
叫紅皇后效應
那什麼叫紅皇后效應呢
通常情況下它指的就是
大家如果都在採用一種新的技術
去提升工作效率的時候
在一段時間之後
最後形成叫做效率不變
人更累
這樣的一個局面
也就是說在整個人類歷史發展的過程當中
比如說從蒸汽機時代
到了電器時代
到了計算機的信息時代
哪怕是到了我們這個AI的時代
你會發現的確這個技術在不斷的進步
效率好像馬上都提升了
而且我們期待也用這個技術去提升效率
但是過了一段時間之後
當這個技術被普及了以後
效率沒有任何的變化
而且人並不會想象的說
有了這個技術我們就可以輕鬆一些
人就變得更加的累了
它特別像什麼呢
像一箇中學的班級
有些同學先去校外補課了
然後補着補着一堆同學也跟着去補課了
然後全班同學都去補課了
以至於最後的成績沒有任何的變化
但是每個同學更累了
然後家長的錢包更少了
所以在這種情況之下
我們到底應該怎麼樣去看待這樣的一個問題
其實這個Red Queen Effect
或者叫紅皇后效應
它講的是什麼呢
它實際核心在講的就是生態位
進化
這兩個話題
什麼意思呢
就是通常情況下在一個生態系統當中
我們都會佔據特定的一個位置
這個位置叫做生態位
然後我們不得不怎麼樣
我們不得不得不斷的自己努力去進化
從而幹嘛
能夠去維持我們現在的生態位
也就是說你現在辛苦的每天上班
努力加班學習
你的目的是啥
並不是說期待升職加薪
雖然你的想法是這個
但是它最多能保證的一件事情叫你不被裁員
這就是現在很多職場的這個真實的一個現象
那爲什麼我學完了
這個練完了
採用了新的AI的技術
而我最終的就是越來越忙
而且我做的所有的一切
我只是不被裁員呢
就是生態位當中
你實際不斷的進化是在維持生態位
而並不是在提升自己的生態位
所以在AI的時代之下
大家一定記住
AI不僅僅是在提升效率
你要思考的是
你在AI時代下怎麼利用AI的這些工具
去來替換你自己的生態位
這一點非常值關心
那好 我們還是搬出來一個非常有意思的
我們經常在講的這個
上班四個層級的這個分析工具
這個工具特別有用
我覺得你們一定要把這個工具記住
第一個層級呢
就是我來這兒我是賣時間的
上班八小時
反正我來了
這個活呢就給我派過來了
沒活呢我也在這待着
對吧 有活呢我就把活做了
活多呢我就得加班
我僅僅是過來賣時間的
這個層級是最低的層級
那再來上一個層級呢叫做任務
我過來呢是有一定特定的工作任務
我把工作任務做完就行了
但這個任務有沒有效
對我有沒有什麼價值
對公司有沒有什麼價值
對客戶有沒有什麼價值
不在我的關心範圍之內
那比這個層級再高一層級呢
叫做達目標
這個層級就變得非常高了
劉熱老師管這個叫做關鍵樂器
你要從做任務變成達目標
我爲了要實現這個目標
我要不斷的去調整
各種各樣我做任務的方法
然後呢我可能要不斷的學習
不斷的去借鑑
但是呢達目標還不是最高層級
對吧
最高層級是什麼呢
叫做達使命
對吧
或者叫有意義
我們能夠去使命必達
我能去完成我自己在職場當中的
我的使命宣言
咱們之前這個賬號有一個視頻
大家就可以搜一搜
叫上班的意義
對吧
上班的意義雖然它是個哲學問題
但其實它也是個效率問題
OK
那在這一點上你就會發現
AI到現在爲止
它解決的是什麼
是賣時間這個層級
形成的效率
所以什麼樣的崗位
未來一定會被AI所替代
就是完全賣時間的效率崗位
我舉一個簡單的例子
我不知道大家以前
比如說10年前
有沒有去過一些這個
事業單位或者政府部門去辦事
對吧
比如說工商註冊
比如說你要去辦個護照
你要辦個駕照
各個政府的接待窗口去辦那個事
而且一辦可能就是一個上級
而且甚至有可能
你要去比如說辦個這個營業執照
你得跑好幾個地方
你要辦一個駕照
你可能也要跑好幾個地方
對吧
然後你會發現很有意思的事是
第一在那排隊
叫號叫到你了
你過去那邊收完你的資料
乾的一件事是剛給你蓋個章
就這麼簡單的動作
但是它會消耗你大量的時間
而且更爲關鍵的是
背後是大量的工作人員
但現在如果你去中國
比如說北上廣深
還有包括像江蘇
像廣東這樣的地區
你會發現他們經常講叫
一站式政府辦公大廳
你去那了以後
你發現很有可能
你交的各種各樣的資料
在網上就能提交了
去那可能就是一件事
就是一個工作人員
一次性給你覈准所有的賬號
而且你很有可能
過去了20分鐘就辦完了
那我想請問
原來可能一個接待窗口要80個人
而現在可能兩個人就夠了
剩下78個人怎麼辦
那自然而然就淘汰掉了
大家可能非常熟悉
這個體制內的會有一個詞叫什麼
就是你到底是在編的
還是外聘的還是外包的
那麼現在企事業單位的
外包外聘的崗位
逐漸在不斷的被受損
那體現出來的是啥
就是科技技術
包括現在的AI
對於賣時間這件事情的高效提升
那很多的崗位未來很有可能
它效率一上去
你這個崗位就沒了
比如說我們說客服接電話
你們現在經常接到的電話
都是智能語音電話
而不再是人來打外匯電話
然後你還會發現
以往很多公司
比如說淘寶的這些店主
他可能要安排一個真人的小二
在後面做客服來回答你問題
但現在完全智能客服就可以做了
所以在這一點上你就會發現
賣時間這件事情
恰好是AI可以去提升的效率
那做任務呢
做任務
AI能比人做的怎麼樣
就要更精準
對吧
我們這個有的時候做任務看手頭
對吧
在這經常做100單
可能有個兩三單是做的不太好的
對吧
做100個動作
可能五六個動作可能是不達標的
但是你如果讓AI批量去做這些動作
那每個動作都是100個
對吧
咱們經常開玩笑的說
以前專門公司有這個
某些同事特別擅長做PPT
對吧
他把這個PPT給你調得非常好
但現在也不需要了
你用這個釦子
或者是你做什麼大模型
你把這個PPT餵給他
他給你調得非常之棒
然後包括還有翻譯
翻譯現在這崗位壓力特別的大
以前經常會有這個出版社做比翼的
國外的好書引進過來
開始翼
現在不用了
現在這個比翼可能更多的是承擔校對工作
但是大量的翻譯工作
完全直接機翻就可以做到
對吧
而且做的很有可能比人翻的
又快
而且又好
對吧
所以能做到更加的精準
那這些崗位未來也一定會被AI所踢掉
但是你會發現
這個關鍵樂聲上面以上的部分
人的價值很有可能會發揮的更加的有意義
比如說大目標
在這個部分
是人要來做的一件事情
叫做決策
那說爲什麼AI不能做決策呢
AI也可以做決策
但是它決策是有邊界的
什麼邊界呢
就如果這個事將會產生非常嚴重的不良後果的時候
我們總不能把AI給關進去
我們肯定需要人在那去籤個字 蓋個章
對吧
來確認一下這個合規和合法性
所以你會發現
人的決策的重要性會變得更加的重要
而下面其實是什麼
它本質上是幹活嘛
而在這兒其實已經變得不一樣了
它是在做決策
那打使命呢
其實在這件事情上
本質上是在創造
以及創意
我在做新的東西
我不斷地在想用什麼方式能讓這個產品變得更好
能讓用戶更開心
對吧
能讓公司的營收更高
成本更低
對吧
所以在這裏
你會發現這個躍遷就在這裏形成了
那回到剛纔我們在講的這個Red Queen Effect
你就能明白
如果你現在就在幹活這個層級
你用了AI
你只會越用越累
而且你還不用不行
因爲你不用你就被淘汰了
但是你用了你也不會變得更好
那你需要幹什麼
你是需要想辦法往這個層級上去走的
因爲你在用這樣的方式完成了一次什麼
你的生態位替換
那我來說一說
現在的崗位當中
哪些崗位風險是非常大的
第一類很多一線當中
賣時間的崗位
做任務的崗位
都要小心
但第二
是很多的企業的中層管理者
爲什麼
因爲很多企業的中層管理者
他即便按道理來說是應該做決策的
但他從來不做決策
對吧
他從來不承擔責任
經常你問你爲什麼這個業績沒達標
他說我們該做的都做了
典型的是做任務的心態
哎呀
我們也花了很多時間在這個上面
大環境不好
這些中層未來也一定會
很容易被AI所替代的
對吧
哪怕說用了這個AI
只要他還是在幹活這個層級
他用了AI
他也會非常累
那我們應該怎麼樣
去往這兩個層面上去調整呢
在這裏我們給大家兩個建議
這兩個建議也是哈佛商業評論
給出的兩個非常有意義的建議
第一個建議
就是基於這個決策的部分
你要想辦法成爲專家
但是我們對於專家是有定義的
什麼樣的專家呢
叫前1%的專家
所謂的前1%的專家怎麼去衡量
就是你能開始去調教AI
也就是說你能開始給AI
去做各種各樣的工作流
給他更多更多的指示詞
提示詞
能去不斷的去研發很多的
適合你這個工作當中的這種skill
你算是專家
所以未來的專家
並不是你對這個業務懂
而是說你要把你懂的業務變成AI
這叫前1%的專家
那剩下來怎麼辦呢
還有一個解決路徑
就是我不去做前1%的調教AI的專家
相反我要去做以往AI很難覆蓋到的領域
也就所謂的叫做傳統的非科技領域
我要把我的專業知識
往傳統的非科技領域進行遷移
舉一個簡單的例子
如果你現在是在一家互聯網大廠工作
這個AI現在越來越厲害了
把這兩塊都給剔掉了
然後你自己也覺得
我不太能成爲前1%的行業專家
你可以幹一件事情
是把你在大廠裏感受到的
學到的 體會到的這種專業化流程
還有包括用AI的東西
回到菜市場
幫那些賣菜的大爺大媽去解決問題
因爲那個菜市場裏面
它是典型的非傳統科技行業
他們可能最多可能跟科技
有一點點相關的是啥
支付的時候掃二維碼
對吧 要把手機掏出來用一下
但是他們有可能不會拍短視頻
他們不知道怎麼樣
在這個短視頻上能夠去獲客
或者說他們不清楚
自己怎麼做自己的供應鏈管理
或者說他們自己
不知道怎麼樣採用一種方式
能夠讓他的這個菜或者是東西
賣的價格可能會更貴一些
對吧 我們可以幫他去做一些
市場的運營工作
所以這些地方
往往是原來的科技沒有碰到的地方
相反 你帶有原有的經驗過來做
能對他們有大量的什麼
負能
這其實是在整個科技史當中
屢見不鮮的情況
我講一個例子你就明白了
大家經常會說
哇 爲什麼現在這些互聯網大廠
都在搶很多傳統經濟的飯碗
對吧 你看這個阿里竟然開超市去了
這個美團也去開超市去了
是吧 他們爲什麼要往這個方向去進呢
原因很簡單
因爲原來的超市也好
或者小賣部也好
它是非常典型的傳統非科技領域
那自然而然這些科技企業下場去負能
才能怎麼樣
避免更多的鴻海競爭
能做到更多的負能經濟
所以如果你想在這個決策上發揮機會
而不是陷入內卷
你要麼成爲前1%的專家
要麼你去尋找這種傳統非科技領域
去給它做負能
好 那麼第二種方式
這種方式是典型的
我們在說用空間的角度看問題
還有一種思維
是我們採用一種複合的維度看問題
怎麼說呢
就是原來如果你是一個專家
你有可能是一個領域的專家
那很有可能你如果沒做到前1%
你做到前20%
你就自然而然被KO掉了
但是還有一種方法
讓我不斷的可以向前1%靠攏
怎麼做到
就是我經常說的叫複合人才
這種複合人才的特點
是以前有一本書我也給你推薦過
叫巨人的工具
裏面提過的方法
是啥呢
說我先在A行業做到前20%
我通過努力 學習 實踐
很容易做到的 並不難
然後我跨界到B行業
我再做到B行業的前20%
也沒問題 也很容易
好 然後我再跨界
我跨到C行業
我再做到C行業的前20%
因爲它們的方法其實在背後都是相通的
我很容易做到前三個行業的前20%
然後同時懂A B C三個行業的人當中
我再前百分之幾
那就是前20%乘20%再乘20%
那就相當於是前0.8%
是不是就鎖定到了前1%
我用三個行業的複合
我就自然而然可以成爲前0.8%
比如說拿下老師舉個例子
我可以教英語
我絕對是前20%
我可以教職場
我也絕對是前20%
我也可以教創業
我很有可能也能做到前20%
所以在中國能做自媒體的
能教職場的並且英語好的
我一定是那個前1%
並不是說我在每個領域一定是最頂尖的
但是在這個複合領域當中
我很容易做到這一點
而當你成爲複合專家的時候
你是不是又可以去形成一個AI的調教邏輯
對吧
那你就明顯地感覺到在這個時代
這個真正專的人
除非是你跟這個時代最高薪的科技有關係
你去卷那沒問題
但是在絕大多數崗位當中
你很有可能要搞的一件事情
就是把自己變成雜家和專家的一個複合題
所以總結一下
科技從某些層面上
如果我們去看歷史
它效率會提升一段時間
但是隨着時間過去
效率被砸平了
所有人都會了
等於沒會
所有人又陷入內卷
那怎麼去調整這個內卷呢
就是在於如果你不去調整生態位
你的各種各樣努力只是在維持現狀
所以我們要採用的方法
是把我原來的生態位給換掉
我在職場裏不應該再去賣時間了
不應該簡簡單單是做任務了
因爲這兩個是非常容易被AI所替代的
我要想辦法開始去達目標
以及去達我自己的人生使命
那採用的方法是什麼呢
要麼做到前行業的1%
要麼向傳統的非科技領域去進行賦能
然後怎麼做到前1%
其中有一個策略
就是要去做複合人才
我不斷地去跨界
那自然而然
我就是這個跨界人才當中的前1%
所以避免內卷
這個事情非常至關重要
當然這個視頻
如果你聽上去稍微有一些懸
這個跟我自己怎麼產生聯繫
很簡單
你把這個視頻的鏈接發給豆包
或者發給元寶或者發給Codes
然後告訴他
結合這條視頻和我自己的現狀
你來幫我去定義一個
在AI時代下我自己的職業規劃
然後你可以把這個AI給你的反饋
也貼在評論區
我們大家一起看一看
AI給你按照這樣的思維模式
給出來的職場的建議
會不會非常的有意思
OK
這就是今天我們給大家聊的
在AI時代下如何反內卷的話題
感謝各位觀看
下期再見
