那天我写，房价触底，该操心房的价格还是你的价格时，有读者留言问了我一个问题。

他是个老板，他想降本增效，于是就想知道，如何评判未来一个员工的潜力。

是不是不符合那天第四个话题讲的那些的，就可以认为，在今后，是没有潜力的？

…….

我看到之后，就回了一句，太简单粗暴了，你要梳理清楚你公司本身要做的事情。

他好像没懂，因为他又问了一句，问我说，是不是可以按照职级，可以认为初级员工，都可以用AI取代？

……..

我觉得他还是没理解，我们读者里面做老板的不少，我相信这个话题，还是值得讨论的。

我发现当下有很多老板，对AI的期待是不正确的。

让子弹飞里面，师爷第一天演讲，说县长来了，如何如何。

干啥，张麻子来了，就能从此不交钱了？不交钱鹅城怎么运营呢？用爱发电？

所以AI也是一个道理，你不能指望说AI来了，干啥？天上会下金币啊？

我们一定要弄清楚，永远都是先有挣钱的模式，后才有工具是否需要升级。

就像我儿子用的电脑，比我用的贵几倍，甚至比十几年前，还没有上服务器之前，我当年用来手动做交易的电脑都贵几倍。

so tama what？

他能挣钱么？

他不挣钱不是电脑的问题，是他没有挣钱的业务呀。

没有业务，他一个学生用再贵的电脑，也不会变成钱的。

业务才是你赚钱的根本，工具只是一个途径。

你杀鸡这项业务带给你们公司利润，而不是用你的那把刀。

你用一把青龙偃月刀去杀鸡，你的业务也仍然只是杀鸡，又不会变成斩颜良。

所以，作为老板，思路要扭转过来，回到你们公司的业务本身。AI只是那台电脑，业务才是关键。

那么站在这个视角下，老板有两种：

一种是有工程化思维的，俗称在他的眼里，企业，部门，岗位，员工，都是一个系统。

另一种呢，是没有工程化思维的。

后者里面有个人非常有名，老罗。

他是那种魅力型的，高中肄业，除了当老师没做过具体事情，就成名人了。

然后就有了流量，然后就拉来了投资，然后就当了老板，甚至是科技公司的。

他非常有魅力，很多人愿意投他，很多人愿意跟他干，很多人愿意买他的产品。

他近期也在公司里强推AI，俗称不用AI的，就不是我兄弟了，有些人就被毕业了。

这就是一种魅力型的，或者说，情绪型的老板。

他理解一件事的方向是我一挥手，谁肯跟我，谁不肯跟我，是这么去理解世界。

但你把AI这件事，落实到一个具体公司里，它就不是这回事。

不是说肯接纳，肯拥抱AI的员工就一定有前途，不肯接纳的，就一定要被毕业。

这种想法太感性了，太缺乏工程思维。

我们回到这个读者的问题，当下你的公司里，有研发，有工程，有产品，有销售，有财务，有人力，这是你的主要部门。

那么这些部门里，都有负责人，所谓的管理层，以及员工。

我们首先简单粗暴地来看这个问题。

就像你问我的，你说把员工都输送到社会上去当人才，那么你来评估。

当下你的这些个部门经理，他们用AI，能完成现有工作么？

能，还是不能？

不能，这个方案就不可能落地。

说明什么问题呢？说明当下的企业组织结构里面，是按照人来干活，设计的。

不是说他是经理他就一定在AI时代也重要。

经理也好，员工也罢，都是AI之前的，工业时代的岗位设计，工业时代的人才评价标准。

既然我们不是原有体系內的裁员，我们是要适应全新模式下的裁员，那我们第一件事是什么？

是打散。

现在没有高级人才，没有初级人才，没有经理，也没有大牛，所有人，都跟实习生一样，拉到起跑线上。

同样，现在我公司内部，也没有什么岗位了，只剩什么？

只剩一堆的任务。

俗称我现在就是一堆被打到起跑线上的人，和一堆任务，这就是我的局面。

让他们重新匹配，让公司run起来，这就是咱的目的。

好，这堆任务里面，我们来做拆解。

哪些任务是具备以下三个条件的。

1、边界清晰。

什么叫边界清晰的工作？

我写一个程序，它能不能run起来，它能不能通过压力测试，它OK就是OK，它不OK就是不OK。

这个就叫边界非常清晰，我能准确的给出合格还是不合格的评判。

有些工作就叫边界不清晰。

一件任务的评判标准是某大客户喜欢，或者不喜欢。

请你告诉我，怎么叫喜欢？怎么就叫不喜欢？

这完全看那个大客户心情的，我拿不到标准。

一个边界清晰的工作，我就可以考虑AI取代，但是边界不清晰的，我把这个销售裁了，结果大客户走了。

那我岂不是裁员裁到了大动脉？

2、反馈周期短。

你的测试部门，你让他们测产品，测过了，还是没测过，很短的时间就会有结果汇报上来。

这就叫反馈周期短。

反馈周期短的事情，就很适合用AI去迭代。

因为就算AI出错了，你马上就能看见，它犯错也就浪费了一天，一天后，你就看到结果了，你就可以人工的去纠错。

那有些事情的反馈周期是很长的。

比如你们公司和甲方往来的业务线，里面有很多都是三年不开张，开张吃三年的。

你怎么让AI去做？

你不可能让一个算法，去给你干反馈周期这么长的事情，那一旦它出了问题，干啥？三年白费？

我举个非常简单的例子。

巴菲特能用AI取代么？

当然不能。

为什么不能？

因为他买个东西，动辄被套，甚至被套好几年，然后才回本，又过了十几年才大赚。

这么长的反馈周期，你让AI怎么做？

但是反过来，高频量化在没有AI的年代里，就一直都是采用程序去交易的。

为啥后者可以用程序呢？因为反馈得快呀。

它是日结的，程序出错，当日我就发现了。

我不可能把自己的命运押在一个十年后才给我反馈的程序上。

3、验证成本低。

你们公司的售后客服，让AI去做，出了问题，顶多转接人工。

你们公司的软件开发，让AI去做，它可以反复改，反复跑，这中间是没有物料损耗的。

大客户售前可不可以交给AI？

当然不可以。

因为错不起呀，错一次，完了，公司半年业绩没了。

硬件可不可以交给AI？

当然不可以。

错一次，物料废了，又错一次，又是一笔钱，错个几次，你好破产了。

所以，你真正要做的事情，是把所有的任务，都归类，都重新分集。

把那些验证成本低，反馈周期短，且边界清晰的，全都找出来，这些任务叫做A集合，把它先放一边。

A之外的任务都叫做B集合。

好，我们现在要做的事情很简单，把你全部打散的员工，重新分岗，重新应聘，他们只需要去完成B集合的任务就可以了。

B集合用得上的，就暂时还是你兄弟，B集合用不上的，就不是你兄弟了。

那些不是你兄弟的，就是你要输送给社会的人才。他们毕业之后，会在社会上大放异彩的。

然后，你再把A集合里的那些工作任务，交给留下来执行B集合的这些人，让他们用AI去完成。

B集合的员工，注意要留有冗余，因为有些人适应AI有些人不适应，慢慢的，待业务稳定下来，让那些适应AI的，再把不适应的替换掉，俗称，第二次重定义兄弟。

你看，整个裁员计划，有步骤，分阶段。

这个时候，你注意，是最后一阶段也裁完了之后，你还剩下的那些个人，那些个完成B集合，且能够使用AI顺带完成A集合的员工们。

你去观察他们，就会发现，他们非常符合我那天第四个话题讲的那些个标准。

看懂了么？是倒过来了。

因为我那天讲那些，不是站在老板裁员的视角，我是站在求职者的视角。

我讨论的是，一个人，怎么样，才能在未来的世界里，继续拥有劳动力议价权。

我那天站的是员工的视角。

而你现在是老板，你得换个角度，你不能说先按照我那天的标准，把符合的都留下。

符合那天标准的，未必符合你这家公司，因为也许他们符合的是别家公司。

俗称你得把自己公司内部的任务，重新梳理一遍，你才能得到自己想要留下的人才。