Agentic Work Atlas

Wisdom-Work-Evolution

13分钟阅读

Wisdom-Work-Evolution

主题概述

本主题探讨知识工作的终结与智慧工作的兴起——当 AI 吞下整个领域，人类的价值从"知道更多"转向情感清晰度、判断力、深层连接三大技能。

核心概念

1. Wisdom Work：知识工作的终结

详见 Wisdom-Work

根本转变: 整个社会建立围绕"知识作为稀缺珍贵资源"的体系正在变得无关紧要，就像今天生火的能力——偶尔有用，但大部分时候没必要。

AI 的能力边界:

  • 能解答问题
  • 不能告诉你"恐惧、怀疑或'现在怎么办'的生存焦虑发生时该如何存在"

智慧工作者的三大技能:

技能定义AI 无法替代
情感清晰度认识情绪、感受情绪、无阻碍前进不能感受身体信号
判断力透过数据看清本质、聚焦关键不能审视自己的盲点
深层连接VIEW 框架建立真正关系不能进行神经系统共调节

2. Emotional Clarity：认真对待情绪，而非字面理解

详见 Emotional-Clarity

黄金算法:

命名一个不想要的情绪 →
列出你试图回避它的方式 →
注意：你试图回避它的每种方式，实际上都在创造它

神经学证据: 情感中心受损时，智商不变，但简单决定需要数小时——我们不做逻辑决定，我们做情感决定。

Sam Altman 观点: "情感清晰度是后 AGI 世界最关键的技能之一。"

实践方法: "Ouch" 练习——每次内心批评声音攻击时大声说"ouch"，持续一周。

3. Discernment：如果不能清晰看自己，就不能清晰看世界

详见 Discernment

数据过载的伤害:

  • 24 种口味购买率 3%，6 种购买率 30%（10 倍差距）
  • 三分之二管理者认为数据流降低工作满意度

自我关系决定一切:

  • 不信任自己 → 不信任团队
  • 评判他人 → 更严厉评判自己

4. Connection：人们不想要你完美，想要与你连接

详见 Connection

VIEW 框架:

  • Vulnerability（脆弱性）
  • Impartiality（中立性）
  • Empathy（同理心）
  • Wonder（好奇）

AI 连接的局限: 关怀流动单向，AI 没切身利益。深层连接需要神经系统共调节——微表情、语气变化、呼吸细微变化。

关键数据:

  • 心理安全是高绩效团队第一预测因素（Google Project Aristotle）
  • 50 岁时连接质量预测 80 岁健康，比胆固醇更准确（哈佛成人发展研究）

关键洞察

知识价值的商品化

AI 模型特点：

  • 不睡眠、不倦怠
  • 数天吸收整个领域
  • 一个模型可同时在物理、法律、工程领域超越专家

后果: 事实、技能、专业知识被商品化，最聪明的人也可被替代。

护城河的转移

以前：知道更多 = 赚得更多 现在：智慧（情感清晰度、判断力、连接）= 不可替代

Satya Nadella 案例: 将情商作为 Microsoft 组织核心能力 → 8 年市值从 USD 300 billion 增至 USD 3 trillion。

杰出人物的投资方向

OpenAI、Google DeepMind、Anthropic、Apple 的高层正在投资：

  • 情感清晰度
  • 判断力
  • 深层连接

原因: 他们正在构建让自己技能过时的技术——必须发展 AI 无法复制的能力。

公司的两个基石

  1. 决策
  2. 关系

情感清晰度支撑两者。

实践路径

立即行动

  1. 情感清晰度: 每天花 20 分钟倾听内心批评声音，每次攻击说"ouch"（大声）
  2. 判断力: 观察自我关系——是否信任自己、是否评判他人
  3. 连接: 停止表演，开始从脆弱和开放处建立关系

企业应用

  • Microsoft: Search Inside Yourself 项目——情商培训带来可测量的压力降低、参与度提升、创新加速
  • Google: 同理心和自我反思焦点 → 10 倍市值增长、最高参与度评分

相关概念

参见

  • Dan-Shipper - Every 出版社，智慧工作相关文章出版者
  • Knowledge-Work - 知识工作概念，本主题讨论的"正在终结"的对象

来源

证据补充

Management as AI superpower 从管理学角度印证了 Wisdom Work Evolution 的核心判断：当 AI 让"做事的人才"变得更便宜，真正稀缺的是"知道要做什么、如何委托、如何验收"的人。Ethan Mollick 的 agentic work equation（人类基准时间 × AI 过程时间 × 成功概率）本质上是 Judgment 的操作化——判断力不是抽象的智慧，而是在不确定条件下做出正确委托决策的能力。这与 Wisdom Work 的三大技能（情感清晰度、判断力、深层连接）形成互补：前者提供"为什么"，后者提供"怎么做"。

与 AI-Era-Taste-and-Judgment 的互补

AI-Era-Taste-and-Judgment 与 Wisdom-Work-Evolution 讨论的是同一迁移的两个层面：

维度Wisdom-Work-EvolutionAI-Era-Taste-and-Judgment
关注点人类为什么从知识工作转向智慧工作人类如何在 AI 产出泛滥中做出更好判断
核心能力情感清晰度、判断力、深层连接品味、拒绝、特异性、承担后果
主要场景角色演化、组织协作、关系工作产出审查、产品方向、Agent 验收
功能解释价值迁移提供操作性审查框架

前者偏“人的能力结构”，后者偏“AI 协作中的质量控制”。两者组合起来，才构成 AI 时代真正可执行的人类价值模型。

与 AI-Labor-Bottleneck-Shift 的关系

AI-Labor-Bottleneck-Shift 和 Wisdom-Work-Evolution 都讨论 AI 如何改变工作性质，但切入层次不同：

维度AI-Labor-Bottleneck-ShiftWisdom-Work-Evolution
焦点劳动瓶颈的具体迁移路径人类能力的整体转型方向
层次从生产瓶颈到对齐/集成/度量瓶颈从知识工作到智慧工作
核心问题什么变得更难？什么变得更值钱？
典型输出岗位变迁、组织设计、流程重构情感清晰度、判断力、深层连接

两者的关系是：AI-Labor-Bottleneck-Shift 解释了"为什么管理、委托、验收能力升值"（因为瓶颈从生产迁移到对齐），Wisdom-Work-Evolution 解释了"这些能力为什么本质上是智慧而非知识"（因为它们依赖情感清晰度、判断力和深层连接，而非专业知识的积累）。前者是机制分析，后者是本质洞察。

反例与边界

反例 1：知识工作的终结不是线性的。本主题的核心命题是"知识工作正在终结"，但这不是线性的。某些知识工作（如医疗诊断、法律咨询、学术研究）可能因为监管、信任和责任要求，长期需要人类专家。知识工作的终结更准确地说是"知识作为稀缺资源的经济模型"的终结，而不是"知识本身不再有价值"。

反例 2：情感清晰度不是万能的。情感清晰度是后 AGI 世界的关键技能之一，但它不能替代领域专业知识。一个情感清晰但缺乏医学知识的人，仍然不能做手术。智慧工作和知识工作不是替代关系，而是互补关系：智慧决定"做什么、为什么做"，知识决定"怎么做"。

反例 3：VIEW 框架的组织落地困难。VIEW 框架（Vulnerability、Impartiality、Empathy、Wonder）在个人层面很有启发性，但在组织层面落地困难。大多数组织仍在用 KPI 和效率指标驱动员工，这与"脆弱性、中立性、同理心、好奇"的理念根本冲突。Satya Nadella 在 Microsoft 推动情商培训是一个例外，但大多数组织缺乏这种文化转型的意愿和能力。

反例 4：智慧工作的测量问题。知识工作可以用"知道什么、能做什么"来测量（考试、认证、产出数量），但智慧工作如何测量？情感清晰度、判断力、深层连接都是内在状态，难以量化。如果组织无法测量智慧工作，它就无法激励和奖励智慧工作——这会变成"大家都知道这很重要，但没人知道怎么做"的尴尬局面。

跨来源综合：AI 时代人类价值的三层模型

综合 Knowledge Work Is Dying—Here’s What Comes Next、Management as AI superpower 和 AI-Era-Taste-and-Judgment 三个来源，可以构建一个更贴近工作系统的三层模型：

层次核心问题关键能力来源
诊断层知识工作为什么在终结？理解知识商品化与关系/判断升值的机制Knowledge Work Is Dying
操作层如何委托、验收并治理 AI 工作？判断力、委托能力、验收标准Management as AI superpower
质量层如何拒绝“看起来能用”的低质产出？品味、拒绝、特异性、承担后果AI-Era-Taste-and-Judgment

这三层不是递进关系，而是互补关系：诊断层解释“为什么”，操作层回答“怎么分工”，质量层解决“怎么不被合格噪音淹没”。Wisdom-Work-Evolution 的意义，就在于把它们重新接回人类能力结构，而不是把价值迁移误读为单纯的工具熟练度提升。

关系图谱

反向链接