AI 时代，哪些积木绝不能交出去

章节时间轴

• 5:20 “交出积木”的起点 — Molly 回顾 Google 与 Facebook 的高速扩张，以及人为何会把职责与身份绑在一起，不愿放手。
• 13:02 旧原则仍成立的部分 — 变化依然可怕，未来属于学习者而非既有知识最多的人；原地不动反而最不安全。
• 18:24 从写代码到指挥 agents — 工程师失去熟悉的编码心流，工作由“划船”变成“掌舵”，悲伤和孤独不该被乐观叙事掩盖。
• 29:11 倦怠与放大的两面 — 调查显示 burnout 从 44% 升至 55%，但约一半受访者也处于职业最快乐阶段，关键差异是 AI 是否真正放大了个人能力。
• 35:23 AI 更像初级实习生 — 低质输出源于把 AI 当成无需管理的超级员工；人若不验收，思考与返工负担就会落到接收者身上。
• 42:20 为什么委派 AI 不等于移交 — 给人职责可以真正放下，给机器任务却仍要监督、纠错和担责，心理税并未消失。
• 49:16 恐惧叙事挡住机会 — “教会最聪明的新员工，再被它取代”的故事让人抗拒分享知识；Molly 主张用职业重塑替代必然失业的预设。
• 59:19 哪些积木必须留下 — 这套 13 年的建议首次加上保留项：判断、信任、战略、愿景和自己尚无法定义质量的工作不应外包。
• 69:22 行业仍在第一局 — AI 的演进更像可观察、可适应的慢起飞；没有全面自动化的人并未错过窗口，未来标准仍可共同塑造。
• 79:22 领导者的责任 — 经理需要示范何为好工作、承认变化造成的心理冲击，并为 AI 使用建立清晰的责任与质量标准。
• 85:28 把镜头拉远 — 身处高速变化像站在龙卷风里；比职位得失更值得追问的是，五到十年后想怎样讲述自己参与塑造这段历史。

详细内容

一、从高速增长寓言到 AI 时代难题

“Give Away Your Legos”最初不是 AI 建议，而是 Molly 在高速扩张公司里反复看到的人性难题。2007 年她加入约有 1 万名员工的 Google，所在部门九个月内从 25 人长到 125 人；后来加入约 500 名员工、8000 万用户的 Facebook，五年后公司已到 5500 人、超过 10 亿用户。人在这种环境里刚建立一块业务，就很容易把“我负责什么”误认成“我是谁”。

公司需要把这块业务交给新人时，人的第一反应往往是领地意识：这是我搭的塔、我最擅长、也可能是唯一有趣的工作。Molly 用幼儿争抢 Lego 的比喻告诉团队，交出去并非被剥夺，而是获得从零搭新东西、学习新能力的空间。文章原本面向 Stripe、Slack 一类高速公司，却也击中 Safeway 员工和团队从两人长到四人的尼日利亚创始人，说明它谈的本质是普遍的变化心理。

原建议可压缩成两句：面对快速变化，要努力让自己在旧职责上变得“不再必要”；同时相信一切最终会好起来。在 AI 时代，第一句容易被理解为亲手训练替代者，第二句也不再天然可信。因此，Molly 并未推翻主动成长，而是给“交出去”重新划界：给人和给机器不是同一种动作。

二、变化带来的悲伤，不是适应失败

Lenny 以工程师为例：过去长期稳定的核心活动是亲手写代码、进入心流，如今工作快速变成向 agents 描述目标、等待执行、检查结果。Molly 听到的工程师反馈也是“我怀念以前”；一位产品领导者则觉得“通才式构建”削弱了与人的协作，整天同机器人互动很孤独。所谓从“划船”升级为“掌舵”，并不意味着每个人都想掌舵。

这种情绪里既有对熟悉技能和身份的丧失，也有对新角色能否胜任的恐惧。Molly 的态度不是强迫积极，而是先承认“这很糟、也很难”。变化可以带来机会，同时仍值得悲伤；如果旧的工作方式确实消失，甚至可以像 Chip Conley 所说，为它举行一场“葬礼”，认真结束后再问：在新世界里，还有什么能让我重新热爱并做到卓越？

这也是管理问题。若公司为了效率减少团队人数、移除管理层，人可能获得更高吞吐，却失去被同伴理解和被经理看见的体验。悲伤若没有语言，只会以疲惫、抵触或孤独出现；领导者公开承认这些感受，至少能让员工知道自己不是落伍或失常，而是在经历高强度变化的正常反应。

三、为什么更高产反而更累

Lenny 分享的年度调查显示，自报 burnout 的受访者从 2025 年的 44% 增至 55%。AI 抬高了产出基准：既然工具更强，组织便追问为何不能做得更多，员工却未必得到更多报酬或更多自主权。与此同时，管理口径可能六个月就从“处处使用 AI、比拼 token”转为“AI 很贵，为什么用得这么差”，叙事的来回摆动本身也消耗精力。

但数据并非只有悲观面：约一半受访者称自己处于职业生涯最快乐的阶段，幸福感尤其集中在小团队、拥有更多权限，以及认为 AI 放大了自身能力的人群。问题不在于使用 AI 本身，而在于员工是在做更喜欢、更有价值的事，还是仅仅被要求生产更多内容并清理别人制造的 AI slop。

Molly 区分了 productivity 与 efficiency。前者可以只是制造更多，后者必须回答是否真正推进目标。她引用一份工程报告：AI 提高了代码产量，但需要重写的代码量上升约 8 倍，安全事件也增多。用 token 排行榜、代码行数或停车场车辆数衡量工作，都可能奖励忙碌表象，而把判断下降、返工和认知负债藏在水面下。

四、AI 是初级实习生，不是免责按钮

把 AI 描绘成“史上最聪明员工”会诱导一种危险行为：生成后直接复制、粘贴、发送。Molly 建议采用更贴近现实的模型——它是懒惰且资历很浅的实习生，需要 onboarding、上下文、示范、纠错和多轮训练。没有人会把暑期实习生交来的演示文稿原封不动转发给老板，同样的责任标准也应适用于 AI 输出。

这解释了 AI 委派与把职责交给同事的根本差别。把一座 Lego 塔交给可信任的资深员工，可以真正让出控制权与脑力空间；把它交给 AI，原负责人仍须检查塔有没有搭错，并向老板代表最终成果。工作动作被自动化了，所有权、监督和后果却仍留在人身上，因而心理负担不是零。

每个知识工作者也因此被迫成为“经理”：要拆任务、给背景、反馈和验收。Molly 认为人类经理舒适的直接下属上限约为 10 至 12 人，而 agents 同样占据注意力。Lenny 自己同时跑许多 agents 时，会整天收到卡点与确认请求；这反衬出优秀资深工程师接到粗略目标后自主完成工作的价值。AI 眼下更像一群高动力的 junior，而非能被彻底放手的 senior。

五、要留下的积木：判断、信任与愿景

传统版本里，Molly 几乎从不认为某块积木应该紧抓不放；在机会不断涌入的高速公司，放手通常是对的。AI 让她首次明确承认，有些工作不该外包。判断、战略、信任关系、愿景和质量标准都要求人理解语境并承担后果；如果自己尚不知道何为“好”，就更不可能把任务安全地交给一名实习生。

Lenny 把理想协作称为“human sandwich”：人在顶层提出方向，AI 在中间执行，人回到末端审阅、迭代和负责。人类的角色不是跟随模型最容易生成的答案，而是决定想建设怎样的产品与世界。他用 Booking.com 与 Airbnb 对比：前者可把转化率优化到极致，后者则刻意追求另一种体验；优化目标从来不是价值选择的替代品。

保留这些积木也不是拒绝工具。AI 可以放大个人独有的能力，让人把时间从厌恶的重复劳动移向真正热爱、擅长且能建立信任的事情。界线可以用几个问题判断：AI 会不会明显做差？这是否涉及关系或重大后果？我能否定义并辨别质量？这是我不愿失去的创造乐趣吗？最终责任是否仍由我承担？

六、别保护职业的过去，要设计它的下一版

恐惧叙事把 AI 描绘成一个十倍聪明的新员工：员工必须倾囊相授，六个月后再被它夺走工作。Molly 认为这种说法既不利于采用，也缺乏当下数据支持；不少冠以“AI”之名的裁员，本质可能是企业为此前过度招聘或经营不善寻找更悦耳的解释。知识囤积看似自保，却很难阻止技术与行业结构继续变化。

TED Radio Hour 主持人、从业约 30 年的记者 Manoush Zomorodi 给了她另一种设问：如果你相信自己的职业始终存在，只是每六年完全改变一次，你今天会怎样行动？新闻业长期被预言死亡，实际形态却从传统 newsroom 延伸到音频、newsletter、Substack 和个人创业。工程、产品、设计与法律同样可以不消失，而是价值核心与交付方式发生重组。

行动上，一是拆除“设计师不能交付代码、营销不能进 production”等旧墙，回到“这个角色究竟创造什么价值”的第一性问题；二是在每次行动前插入一句“AI 能否帮助我”；三是提高野心，但不把“能快速生成”误当成“值得存在”。真正稀缺的将不是又一个能活 6 至 12 个月的 AI 产品，而是五年后仍有用、品质卓越且带有人类意图的作品。

七、领导者要守住人的空间与“好”的定义

AI 转型中的 IC 至少可以直接试用工具、提高构建能力；经理面对的问题更模糊：团队应怎样组成、哪些岗位边界还有效、怎样评价产出。Molly 强调，领导者首先是行为样板。CEO 若发布明显由 AI 代写、自己未认真思考的战略 memo，就在向整个组织示范“外包思考、放弃问责是可以的”。

领导者必须同时守住两类标准。第一类是工作标准：无论成果如何制作，发布者都对事实、判断和质量负责，类似 Clay 公布的 AI 写作政策。第二类是人的标准：承认变化造成的悲伤，给团队讨论不确定性的空间，让员工被看见、被支持。Lenny 的调查也显示，在诸多难以控制的外部因素中，经理是组织最能直接改变的幸福感杠杆。

因此，在大公司以效率为由大幅削减管理层，Molly 认为可能是长期错误。越是角色重塑、标准未定的阶段，越需要好经理帮助人穿过混乱。她建议领导者寻找 Glue Club 或其他同行社群，交换哪些现象真实、哪些做法有效；而个人则应把镜头拉远，少纠缠一时的职位与归属，多想五到十年后希望如何讲述自己参与塑造 AI 转型的故事。

金句

“面对快速增长与变化，你的首要工作是让自己变得不再必要，因为只有这样，才能为接下来发生的事做好准备。” —— Molly Graham 13:02

“未来由愿意学习的人定义，而不是由今天知道得最多的人定义；明天能学会什么，比今天知道什么更重要。” —— Molly Graham 15:20

“如果你相信自己的工作永远存在，只是每六年会彻底变一次，你会怎么做？” —— Molly Graham（转述 Manoush Zomorodi 的启发）28:26

“把任务委派给机器人，不等于把它交给另一个人；你仍然拥有监督权，也仍然拥有最终成果。” —— Molly Graham 44:41

“你可以为失去的东西难过，同时也相信将要到来的东西里存在机会；这两件事可以同时为真。” —— Molly Graham 67:51

“变化可怕又艰难，并不意味着它是坏事；抓住一个正在缓慢死去的东西，同样不安全。” —— Molly Graham 87:44

提到的书·产品·人物

• Molly Graham（人物）：本期嘉宾，曾在 Google、Facebook、Quip 与 Chan Zuckerberg Initiative 任领导岗位，现主持 WorkLife、运营 Glue Club 并写作 Lessons。
• Lenny Rachitsky（人物）：主持人，以技术从业者调查中的 burnout、幸福感和 AI 放大效应数据推动讨论。
• Give Away Your Legos（文章/职业框架）：Molly 约 13 年前发表于 First Round Review 的经典文章，本期重新审视其 AI 时代边界。
• Google、Facebook（公司）：Molly 形成“交出积木”理念的高速增长现场，分别提供部门扩张与公司规模跃迁的案例。
• WorkLife（播客）：Molly 从 Adam Grant 手中接棒主持的 TED 播客，为她研究工作、变化和职业重塑提供访谈素材。
• Glue Club（领导者社群）：Molly 运营的管理者社区，成员交流 AI 转型中哪些现象真实、哪些管理实践有效。
• Manoush Zomorodi（人物）：资深记者与 TED Radio Hour 主持人，以“职业每六年换一种形态”的问题启发 Molly。
• Cory Doctorow（人物）：其“centaur / reverse centaur”框架区分人控制 AI 与人沦为算法执行部件两种关系。
• Chip Conley（人物）：用“为逝去的事物举行葬礼”解释如何认真哀悼旧身份，再走向下一阶段。
• Waymo（产品/公司）：被 Molly 用来说明某些高度规则化任务可能确实更适合机器完成。
• Booking.com、Airbnb（产品/公司）：Lenny 用两者不同的体验取向说明，极致优化并不能替代人对理想世界的选择。
• Clay（公司）：其 AI 写作政策被 Molly 赞赏，因为它强调无论借助什么工具，发布者都必须对最终质量负责。
• OpenAI、Claude Code（公司/产品）：在访谈中用于讨论 AI 工具采用、agents 工作方式，以及工程团队结构变化。
• Elizabeth Stone（人物）：以团队发展的 storming、norming、performing 阶段描述当下，并提醒组织可能在阶段之间倒退。
• Max Mullen（人物）：提出在当前 AI 阶段，“从新手到专家的距离很短”，强化行业仍处早期的判断。

适合谁听

适合正在被 AI 重塑工作方式的工程师、产品经理、设计师、创始人，以及需要带团队穿越倦怠、失落与角色重构的管理者。