邱懿武
工作台
Framework · 2026-10 · qiuyiwu

AI 时代,人财物事到底发生了什么变化?

「人财物事」是工业时代的管理框架,它的底座是「执行稀缺,所以要分配好」。AI 把执行变成了最不稀缺的东西——四端因此不是各行其变,而是被同一个机制同时压向同一个点。

底层机制

可验证性鸿沟。AI 快,是因为强化学习需要一个「能验证自己输出」的信号——编程、数学证明、事实问答有明确对错,AI 可无限试错自我提高;而「该不该做这件事」「这个方案好不好」没有标准答案,只有好坏之分,AI 学不动。人财物事四端的变化,都是这一个机制在不同层面的投影。

人

人

旧假设:人 = 劳动力

会做就好,做得快更值钱 → 人被迫上移到「判断 + 验收 + 定标准」。

  • 致命裂缝:学艺的阶梯正在被抽走。Anthropic 技术招聘初级占比 27% → 9%。
  • 几百年来新人靠「跟在老手身边打下手」磨出判断,如今这活交给了 Agent。
  • 真问题不是「培训一下」,而是:判断力怎么代际传递?
新稀缺:能在不确定中下注、并敢为结果签字的人。
人不再「会做」,而是知道什么值得做、并敢负责。
财

财

旧假设:资本 = 钱 = 购买力

账面估值越大越强 → 财富 ≠ 钱,现金流才是钱。

  • 财富 ≠ 钱:不能拿 10 亿估值去超市买面包。
  • 认知资本开始有价格:月付 300 → 6000,是一条新的阶级线。
  • 花出去 ≠ 赚回来:Agent 工时 6 倍,但没人回答每小时产出了什么。
新稀缺:可验证的现金流,而非可讲述的估值。
财的分野,从「有多少钱」变成「钱买答案还是买判断」。
物

物

旧假设:资产 = 设备 / 数据 / 软件

拥有得多就是壁垒 → 真正的资产是隐性知识。

  • 隐性知识在员工脑子里:不在数据库、没进手册,连本人也说不清。
  • 模型是入场券,不是壁垒:模型可复制、会变便宜,行业理解不会。
  • 基础设施会被自己挤爆:Anthropic 主库日合入 2500 → 3 万次,被迫重造版本控制系统。
新稀缺:拿不走的经验上下文(行业 know-how + 只属于你的真实反馈)。
物不再是你拥有的东西,而是别人复制不了的东西。
事

事

旧假设:事 = 任务 = 把活干完

做完就算完成 → 瓶颈倒转:从「人催机器」到「机器排队等人」。

  • 工业革命两百年来头一遭:Anthropic 交互会话 约 80% 时间在等人回话。
  • 工程岗「要读」的输出折算 每周 424 小时——而一周只有 168 小时。
  • 管理变成 Meta-work:写技能、设计评审、搭仪表盘、监控任务链(占比一年 10% → 22%)。
  • 信息过期是新坑:员工换了岗,Agent 还按几个月前文档来找他。
新稀缺:注意力的分配 + 验收标准的设计。
事不再是「做完」,而是定义什么算做完、并决定哪些不用看。
四本账,收敛到一本
过去「人财物事」各管各的;
AI 时代它们收敛到同一个变量 ——
谁持有判断:谁定标准、谁验收、谁负责。
人判断在谁身上
财钱买答案,还是买判断
物沉淀的是执行,还是判断
事谁在定义「什么算做完」
AI 不改变「人财物事」各自,它把四者从「存量分配」问题,变成了「增量判断」问题——执行无限便宜之后,唯一还值得问的是:什么值得做,做得对不对,谁签字。
证据锚点(本判断所依据的信源):
Anthropic《How employment is changing at Anthropic》2026-10-16 Anthropic《The AI expectations gap》 吴恩达·斯坦福对话:可验证 vs 不可验证任务 阿西莫格鲁:隐性知识与裁员 达利欧:财富 ≠ 钱 Dan Shipper:判断权与维护权

对应关系:人←初级岗数据;财←达利欧;物←阿西莫格鲁;事←注意力瓶颈/Meta-work。机制层←吴恩达。
⚠️ Anthropic 数字为其自评与内部数据,属最激进样本;引用时须带此前置。