别用 AI「取代自己」

职场里有一句很流行的口号：人人都该用 AI「取代自己」——Token 尽管烧，把自己的工作自动化，然后往前走。Jain 在 20VC 上的回答很直接：这是错目标。它高估了当下 AI 能完全扛下的部分，也误解了「对手手上也有同一套工具」时，竞争到底怎么打。

做到九十分，并不够赢

他建议随便挑一个岗位，问 AI 能不能从头到尾取代。行政助理就是个公道的例子：AI 确实能帮忙订机票、排日程；但最核心的无形判断——语气、优先次序、何时该顶回去、哪些事不该写进邮件——仍难交给机器。

若对手也有 AI，而且在 AI 之上仍保留敏锐的人类判断，一个「九十分的 AI 助理」就不是护城河，只是入场券。真正拉开差距的，是剩下那一截判断力——以及你把 AI 省下的时间拿去做什么。

裁员守住现状，还是加人去做跃升

Jain 不认同「AI 时代的主旋律就是更少的人做同样的事」。若你和对手用同一套 AI，你靠裁员维持今天的产出，对手当然也能这么做；但若他们加人去追一个好十倍的产品，最后可能把你甩开、甚至压垮。

人均生产力确实会上升，但竞争门槛也会同步抬高。在这个框架里，目标不是「能留多少人」，而是「能不能把人才放到创造超额价值的项目上」。谈到 Glean 自己五年后的规模，他希望——若进展顺利——会是一家大得多的公司，而不是被掏空编制的公司。

复合角色变多，纯执行岗变薄

按他的看法，真正会变的是工作怎么打包。一个人可能同时扛起工程、产品、设计的一部分，独立把东西做出来；销售端也可能如此——谈判、演示、方案设计由更少的人串起来。当 AI 处理更多「胶水工作」，过度细分的专业壁垒就更难站得住。

偏纯执行的岗位更暴露——接需求、取个数、刷新仪表板。业务负责人会越来越直接向系统问答案。只负责搜简历的招聘寻访，也可能并进全周期招聘角色。重点不是对每个职称恐慌，而是看清：哪些工作本来就缺少判断含量。

更好的个人目标

若「取代自己」是错口号，该换成什么？更接近 Jain 的竞争逻辑：用 AI 清掉杂务，判断仍握在自己手里，再把省下的产能指向比昨天基线有价值十倍的工作。模型是杠杆，策略仍是人的。