周六在出差重庆的路上，因为受霍尼韦尔的邀请，跟他们一起找了三个头部共创客户，试用搭建在钉钉DEAP和悟空上的AI，清晨8：07分，高铁离开杭州东的时候，我还没戴上耳机。
窗外的田野从城市的水泥灰里挣脱出来，退成一片模糊的绿。刚好我的AI-coding新项目“谛听”，一个自动解析小宇宙、B站音视频，自动总结的Agent，帮我生成了《十字路口》对Rolling AI两位创始人的采访，刚好躺在我的手机里，时长五十五分钟，封面是一只正在过马路的斑马。我把它存进了离线缓存，打算在手机信号断断续续的隧道里听完。
一个半小时后，列车已经贴着长江飞驰，车窗外的江面被正午的阳光切成碎金。
听这个是因为，最近经常会陷入「人怎么被重新组织」的思考预言中，阿甘和刘开，Rolling AI的两位创始人，记得2024年还来给钉钉做分享，讲他们怎么给蒙牛搭建营销智能体，彼时还是搭建workflow的“上古AI”时期，记得当时搭建在Dify上，一晃两年过来了，时过境迁。
阿甘他们从2022年GPT-3.5开放API的时候就开始做企业AI转型，到今年服务了近一百个大客户，平均客单价几百万到千万元级。团队六十多个人，扁平得像一支特种部队，合伙人亲自下一线，带着AI这个「徒弟」一头扎进客户的工厂、门店、仓库。
上月初，OpenAI和Anthropic在同一天宣布各自成立十亿美元级的企业AI合资公司，同步做FDE。
FDE（Forward Deployed Engineer），我之前写文章还曾一度写错缩写，这个词最早来自Palantir，他指的是派工程师进驻客户公司内部，从零开始帮他们定制、构建、落地一套AI系统。近期的个人体感，与其在做生态的合作，不如说我最近都是在做FDE的工作：
AI不是卖给客户一套软件，然后教他怎么用。它是派一个人过去，把AI当作一个新员工，塞进企业的组织架构里，让它入职，让它上手，让它陪着一线的店长和销售一起干活。
从「工具」到「劳动力」。
这个转变，细想起来，像一个人从学会用火，到意识到自己正在驯养一种生物。
博客中，刘开说，他们服务过一家零售企业，想做高端品类转型，但原来的销售体系撑不住。全国真正专业的「营养顾问」只有大约四十万人，而需要服务的人群是八千万。差了二百倍。
他们的做法是：做了一个健康模型的微调，加上智能体平台，服务一线的小姑娘。注意，是小姑娘，不是营养学专家。这些小姑娘可能学历不高，可能对营养学只有粗浅的理解，但她们站在门店里，每天面对真实的人。
结果是什么。单次服务成本降到一毛钱，甚至四分钱。
一毛钱很夸张，它不是「降本增效」四个字能概括的。它说的是：四十年积累下来的那四十万专业顾问的稀缺性，被一种新的组织方式绕过去了。不是消灭了那四十万人，而是让八千万人都能享有接近他们的服务。
刘开在播客里说了一句让我停下来想了很久的话——「AI不应该只是一个降本的工具，改变商业结构和商业模式才能真正创造价值。」
降本增效是结果，不是目的。
如果一个人买了AI，只是为了少雇两个人，那他其实什么都没变。他只是把同样的做事方式压缩了一遍，像把一块海绵压得更紧——体积变小了，但密度没有变。
真正的变化是：当你发现服务八千万人的成本可以降到一毛钱，商业模式本身就变了。价格结构变了，渠道 策略变了，客户关系管理变了，连招聘的逻辑都变了。
这不是技术带来的。这是把人重新组织之后带来的。
「Better Ops」。
他们早期做的事，听起来很像是咨询公司的标准做法：把全国最好的金牌销售、培训师拉过来，做访谈，萃取最佳实践，总结出一套标准化的做事方式，然后推广。
但从2025年下半年开始，他们不这么干了，原因很有意思。他们发现，商业社会里的最佳实践，没有标准解法。
那个最厉害的店长，在雨天的时候会把临时工提前打发回去省成本；这个方法在隔壁城市就不灵，因为那个城市的消费者在下雨天反而更愿意出门；再换一个城市，消费者的决策周期又不一样，你根本没办法把一个人的 经验变成一套可复制的方法论。
那怎么办？
他们在优秀门店里装上「天眼」，让店长每天下班后和AI副店长复盘。不是AI去问店长「你今天做了什么」，而是AI观察店长的行为，沉淀他的经验。一个金牌销售身边放一个陪跑助手，持续观察和学习。
阿甘打了个比喻，我很喜欢——这很像师徒传承。FDE教AI去学习最好的老师傅。
老师傅不说话，但徒弟在看。徒弟看了三年，把老师傅每天早上检查货架时手指划过第三层的那一下记住了，把他在结账的时候随口问一句「家里有几口人」的语气记住了，把他在雨天调整叫货量的直觉记住了。
这些东西没法写进SOP，但AI可以记住。
而这意味着，「经验」这件事，第一次可以被规模化地复制了。
这其实，是个不断互动演进的过程。
经验的传承，期待和回报的落差
说到经验，刘开讲的另一个细节。
中国零售场景里有大量「街口智慧」——某个店员在某个方面想到的技巧特别有效，但这些智慧很难通过层层传达推广。
比如某门店的店员发现，下雨天如果提前报备，下午的客流就会变差，可以提前和临时工打招呼避免浪费。 这个发现传播出去，全国一千家门店，一年可以省几百万。
这不是一个技术问题，这是一个信息流动的问题。在没有AI的时代，这种智慧被困在一个人的脑子里，等着被偶然发现，或者永远不被发现。
AI副店长能做什么？它能和店长一起分析冷柜酸奶为什么在这家店卖得比隔壁七家都差。AI以为是人群定位的问题——可能是周边居民消费层次更高，喜欢大包装。结果呢？旁边开了一家乐福超市，更大，更便宜。所以那家店的大包装酸奶卖不动。
AI发现了这个，分析了这个，给出了建议：改卖「独供的、有竞争优势」的品类。销量立即提升。
一个人被萃取出经验的优秀基层员工，是这个环节最大的人才宝藏。
他们花几百万买系统，然后让IT部门去推动落地。IT部门问：你们的核心业务数据在哪里？业务部门说：我们有很多经验，但很难表达出来。IT部门说：那我们先上个数据看板吧。
然后系统上线了，报表漂亮了，业务没有任何变化。
这就是阿甘在播客里说的AI转型失败率超过50%的第一个原因：CEO的期待超出现实。
很多CEO认为AI是「超人」。以为接了AI，企业就能起飞。实际上AI只是工具，而且是一个需要你先把house打扫干净才能搬进来的工具。
第二个原因更致命：不能让IT团队独自承担。
大量企业让IT团队负责AI落地。但选货盘、预测营业、应对客户——这些核心业务都依赖业务团队的经验。IT无法提供这些支持，就像你不能让HR去给病人做手术。
第三个原因，是组织架构没有做对应的机制改变。
AI带来的是新的生产力。人与人的关系、人与组织的关系、目标，都在变。你必须重新定义「做什么事情应该被激励」和「什么不需要再做」。
刘开在播客里提到一个细节，他们推动一家企业把激励机制从「100%结果导向」改为「80%结果+20%过程导向」。过程指标包括：学习了多少内容、能获得多少积分。
销售群体的特点是「跟自身利益没太大关系的事什么都不会做」。如果激励机制不变，AI不可能真正落地。
这句话听起来功利，但你细想，它说的其实是人的基本逻辑：一个人不会主动去做一件对他没有好处的事。
传统管理追求SOP，追求标准操作流程，保住底线60分。但AI时代的目标是让每个节点都能做到85到90分，而非60分。
这意味着什么？意味着总部不再只是管控门店的销售网络，而是变成「赋能型总部」——告诉每个节点怎么能做得更好，而非说「你不能乱搞」。
刘开比较了台湾和大陆的管理差异。台湾偏过程管理，大陆企业家只要结果，不管路径。
你可以说大陆企业家更务实，但你也可以说，正是这种务实，让他们在AI时代更容易接受「不管怎么做的，只要结果好就行」的新逻辑——因为AI本质上就是帮你找到新路径的工具。
但前提是，你得先承认自己需要新路径。
让AI构建你的决策能力
长租公寓的管家案例，是我最喜欢的案例之一，因为决策成本往往是老板的最高成本。
这个「管家」角色，管理所有租客的大小事务：收租、带看、空调报修、邻里纠纷。在出租率足够的情况下，公司的业务在下滑，应该卖更多服务——加装保洁、上门服务——但管家被日常琐事困住，没有时间去主动销售。
AI介入之后，重新定义「人该做什么」：人做有温度的、情感连接的主动营销；所有情绪化的、日常琐事的回复交给AI处理。
结果：人均服务租客数从一比五百，提升到一比一千二百，再到今年目标一比两千。
管家的日常工作发生了质变。更多精力放在主动营销和客户关系维护。服务质量和客户好评率提升，续租率提升，服务附加值提升。这才是AI应该做的事。
不是让一个人做更多同样的事，而是让一个人去做更值钱的事。
阿甘在播客里说：「AI能帮你降本增效，但不能替你做最终决策。」AI提供充分的上下文，帮助一线做出正确决策。
但「决策」本身，永远属于人。
FDE的三大职责：业务融合、技术支持、系统对接
Forward Deployed Engineer这个词在Palantir的语境里，指的是派工程师驻扎在客户现场，从零开始帮他们构建系统。
刘开说，Rolling AI团队把自己叫Builder，但做的事和FDE完全一致。甚至OpenAI官方视频里展示的FDE工作内容，也和他们一致。
业务融合是最难的：你要带着AI这个「徒弟」进入企业，找到企业的优秀师傅——那些真正懂业务的人。然后帮他们建立信任。
刘开说，FDE要像「公仆」。先帮师傅做一点事，比如排班建议、年货规划，让他觉得AI有用，他才愿意教AI。
FDE需要三种核心能力：
-
咨询能力，能一眼看穿业务本质，分清什么是核心问题还是表面问题；
-
人机协作的原生能力，能把工作拆解成任务和子任务，把人放在最重要的位置，判断哪些事由人做，哪些事由AI做；
-
快速构建能力，能在半天到两天内把MVP构建起来。
这不是一个纯技术岗位。这是一个需要同时在商业和技术之间穿针引线的人。
而刘开说，AI时代需要什么样的人才——商业判断力和Taste。
在AI能给出足够多答案和信息的时代，下一步应该怎么做、往哪个方向走，类似「品鉴」而非学术研究。
你不需要记住所有知识，你需要知道哪个知识是对的，哪个方向是值得走的。
这个定义，在我的理解里，说的是人类工作正在发生的一次根本性迁移：从执行劳动时代，进入决策劳动时代。
情绪价值
听到这部分的时候，让我想到我最近的工作，服务制造业和电商(跨境电商)的头部老板们：
纯执行性的内容——写内容、查资料、打字快、回复准——AI都能做，但「让人开心」只有人能做到。
刘开举了个例子。传统认知中的「好销售」等于打字快、回复准。新时代「好销售」等于能提供情绪价值，让人开心、放松。
管理的本质是对「激发善意」的释放。
在AI时代，如果你的管理是「控制、约束、限制能量」，一定失败。如果你的管理是「激发善意、让每个人更好地成长」，才有可能成功。因为如果是控制思维，直接用机器就好了。
这句话让我的思绪飘到了中间管理层。
中间管理层将被大幅压缩。传统组织结构从基层到区总到分区到plex，中间两到三层。过去数字化和SOP能压缩一部分中间层，但AI时代将压缩更多。
中间层的两大职能：信息清洗——整理一线员工的情绪化、非结构化反馈；信息聚合——分析一百个下属的信息。
这两个职能，AI现在可以做得更好。
「很多性格反弹来自管理者自己不理解自己在消失。真正被消失的是那个岗位，不是那个人。管理者应该帮助员工看到新的岗位机会，而不是为旧的岗位辩护。」
给入行的朋友的建议：培养商业sense，锻炼网感和手感：
传统咨询行业里年轻人能做的事情已经非常少，行业有断层风险。但有商业sense的年轻人，第一天就和中老年顾问一样好用。
有些是天生的。有的人家里做小生意，观察力特别强。这种年轻人比很多中老年顾问更好用，因为他们更开放、更好奇。
关键特质：对问题是否有好奇心，是不是「Problem Solver」，看到问题眼睛是否发光。
年龄和资历变得越来越不重要。做事方式很重要，性格很重要。
阿甘提到，他们公司最年轻的员工是高二学生，解决问题能力和有五年经验的中年顾问一样强。
我想到自己的高二。那年我在读《数字化生存》，觉得世界上最终会被计算机改变。
现在的高二学生，在用AI解决便利店预测不准的问题。
时代还是飞跃进步了
回到商业模式，重要的是选择
Rolling AI有一个选择标准：他们的使命是帮助客户Business Growth。如果客户想要的东西不是这个，不管多大的单都不接。
核心判断标准：对方最终业务目标是什么？
他们不喜欢的客户特点：内部决策层非常撕裂，来来回回没有定论；只想买软件、买工具、不想改变业务；IT部门发起，而非业务一把手发起；目标飘忽，来来回回没人能讲清楚最终业务目标。
最可怕的类型：没有责任人，目标是移动的。
这种项目进去做不了，最后双方都麻烦。
这句话听起来像是在说客户选择，但我总觉得，它同时也在描述一种更普遍的时代病症：方向不清晰，责任人模糊，目标总是漂移。
你把AI换成任何一个变革性工具，这条警告都成立。
而关于更大的商业机会，阿甘提了一个有趣的洞察：大模型对行业的改造，最终能获得的回报远不止「卖一个软件」的钱。谁能帮企业真正转型，谁就能拿到那部分巨大的价值。只收服务费永远收不到那个upside，必须和PE一起入场去改变被投企业，才能分到资本层面的钱。
这个判断背后有一个更大的逻辑：AI转型本质上是服务业。大模型要改变所有政府和企业，靠的不是模型本身，而是工作流程、机制、人才。需要既懂AI又愿意深入行业的「服务者」进入这些行业，才能真正改变世界。
OpenAI和Anthropic为什么同时做FDE？因为数据短缺。大模型进入某一行业时，行业私有数据的短缺是瓶颈。去访谈各行业专家，一个一个请教，太慢。直接收购能获得更直接的数据和行业理解。
但这背后还有一个更深的原因：AI转型是服务业，它需要人，需要深入现场的人，需要能够把技术和业务捏在一起的人。
这和做通用模型完全不同。通用模型追求的是规模效应，是边际成本趋近于零。而企业AI服务，注定是重的，慢的，贵的，但它能创造真正的壁垒。
播客快结束的时候，阿甘说了一句话，像一块石头扔进深潭。
「AI革命的影响会超过互联网，类似电力革命、电影革命。电力革命取代体力劳动，AI革命将大量取代智力劳动。还处于早期：可能需要十年、十五年、二十年，现在才刚开始。」
技术占比不超过三分之一。核心是业务模式、管理模式、人才的变化。接入大模型只是很小的一部分。
他打了一个比喻：如果落后者用了电、用了AI，但生产方式、组织方式没有变，依然会被超越。真正的转型是整个生产资料的重新构建。
每次大革命都会淘汰90%的企业。电力革命、互联网革命都是如此，AI革命也不例外。
我坐在高铁上，听完这句话，窗外的风景正好经过一片平原。水稻绿着，风吹过来，秸秆轻轻弯下去又弹起来。
我不知道那些种地的人有没有在用AI。但我知道，如果他们只是把锄头换成了无人机，然后继续用同样的方式种地，他们的收成不会变。
技术从来不承诺确定性。它承诺的，只是一种新的可能性。而可能性，只有在你愿意改变做事方式的时候，才会变成现实。
列车在下午四点十二分抵达重庆。
我下了车，拖着行李穿过长长的出站通道，手机信号恢复了，满屏的消息涌进来。我没有立刻回复。我站在出口的扶梯上，抬头看了一眼天。
灰的，不是那种干净的灰，而是被山城的湿气包裹着的、有点黏的灰。
我在想这期播客里的那句话：「AI不是工具，而是劳动力。」
工具是被动的。你拿起它，用完放下。
劳动力是主动的。它需要入职，需要培训，需要管理，需要激励，需要被尊重。
当一家公司开始把AI当作劳动力来管理，而不是当作工具来采购，AI才真正开始变成这家公司的竞争壁垒。
而那些能够教会AI学习老师傅手艺的FDE——那些既懂技术又懂业务、既能构建MVP又能读懂人心的人——正在成为这个时代最稀缺的人才。
他们不是程序员。他们不是咨询顾问。他们是某种新的物种。一种在技术与人性的交界处生长出来的物种。
出口处有很多人，有的举着牌子，有的刷着手机，有的在打电话。
每一个人，都在某种工作里，等待着被重新定义，我要继续上路了
以上，既然看到这里了，如果觉得不错，随手关注、点赞、转发三连吧
下次见。
播客原链接《OpenAI 和 Anthropic 共同看好的 FDE：AI 时代的新岗位出现，旧分工松动｜对谈 Rolling AI》：https://www.xiaoyuzhoufm.com/episode/6a1e4022ac7bdb080c348b41
从「工具」到「劳动力」。
这个转变，细想起来，像一个人从学会用火，到意识到自己正在驯养一种生物。
博客中，刘开说，他们服务过一家零售企业，想做高端品类转型，但原来的销售体系撑不住。全国真正专业的「营养顾问」只有大约四十万人，而需要服务的人群是八千万。差了二百倍。
他们的做法是：做了一个健康模型的微调，加上智能体平台，服务一线的小姑娘。注意，是小姑娘，不是营养学专家。这些小姑娘可能学历不高，可能对营养学只有粗浅的理解，但她们站在门店里，每天面对真实的人。
结果是什么。单次服务成本降到一毛钱，甚至四分钱。
一毛钱很夸张，它不是「降本增效」四个字能概括的。它说的是：四十年积累下来的那四十万专业顾问的稀缺性，被一种新的组织方式绕过去了。不是消灭了那四十万人，而是让八千万人都能享有接近他们的服务。
刘开在播客里说了一句让我停下来想了很久的话——「AI不应该只是一个降本的工具，改变商业结构和商业模式才能真正创造价值。」
降本增效是结果，不是目的。
如果一个人买了AI，只是为了少雇两个人，那他其实什么都没变。他只是把同样的做事方式压缩了一遍，像把一块海绵压得更紧——体积变小了，但密度没有变。
真正的变化是：当你发现服务八千万人的成本可以降到一毛钱，商业模式本身就变了。价格结构变了，渠道 策略变了，客户关系管理变了，连招聘的逻辑都变了。
这不是技术带来的。这是把人重新组织之后带来的。
「Better Ops」。
他们早期做的事，听起来很像是咨询公司的标准做法：把全国最好的金牌销售、培训师拉过来，做访谈，萃取最佳实践，总结出一套标准化的做事方式，然后推广。
但从2025年下半年开始，他们不这么干了，原因很有意思。他们发现，商业社会里的最佳实践，没有标准解法。
那个最厉害的店长，在雨天的时候会把临时工提前打发回去省成本；这个方法在隔壁城市就不灵，因为那个城市的消费者在下雨天反而更愿意出门；再换一个城市，消费者的决策周期又不一样，你根本没办法把一个人的 经验变成一套可复制的方法论。
那怎么办？
他们在优秀门店里装上「天眼」，让店长每天下班后和AI副店长复盘。不是AI去问店长「你今天做了什么」，而是AI观察店长的行为，沉淀他的经验。一个金牌销售身边放一个陪跑助手，持续观察和学习。
阿甘打了个比喻，我很喜欢——这很像师徒传承。FDE教AI去学习最好的老师傅。
老师傅不说话，但徒弟在看。徒弟看了三年，把老师傅每天早上检查货架时手指划过第三层的那一下记住了，把他在结账的时候随口问一句「家里有几口人」的语气记住了，把他在雨天调整叫货量的直觉记住了。
这些东西没法写进SOP，但AI可以记住。
而这意味着，「经验」这件事，第一次可以被规模化地复制了。
这其实，是个不断互动演进的过程。
经验的传承，期待和回报的落差
说到经验，刘开讲的另一个细节。
中国零售场景里有大量「街口智慧」——某个店员在某个方面想到的技巧特别有效，但这些智慧很难通过层层传达推广。
比如某门店的店员发现，下雨天如果提前报备，下午的客流就会变差，可以提前和临时工打招呼避免浪费。 这个发现传播出去，全国一千家门店，一年可以省几百万。
这不是一个技术问题，这是一个信息流动的问题。在没有AI的时代，这种智慧被困在一个人的脑子里，等着被偶然发现，或者永远不被发现。
AI副店长能做什么？它能和店长一起分析冷柜酸奶为什么在这家店卖得比隔壁七家都差。AI以为是人群定位的问题——可能是周边居民消费层次更高，喜欢大包装。结果呢？旁边开了一家乐福超市，更大，更便宜。所以那家店的大包装酸奶卖不动。
AI发现了这个，分析了这个，给出了建议：改卖「独供的、有竞争优势」的品类。销量立即提升。
一个人被萃取出经验的优秀基层员工，是这个环节最大的人才宝藏。
他们花几百万买系统，然后让IT部门去推动落地。IT部门问：你们的核心业务数据在哪里？业务部门说：我们有很多经验，但很难表达出来。IT部门说：那我们先上个数据看板吧。
然后系统上线了，报表漂亮了，业务没有任何变化。
这就是阿甘在播客里说的AI转型失败率超过50%的第一个原因：CEO的期待超出现实。
很多CEO认为AI是「超人」。以为接了AI，企业就能起飞。实际上AI只是工具，而且是一个需要你先把house打扫干净才能搬进来的工具。
第二个原因更致命：不能让IT团队独自承担。
大量企业让IT团队负责AI落地。但选货盘、预测营业、应对客户——这些核心业务都依赖业务团队的经验。IT无法提供这些支持，就像你不能让HR去给病人做手术。
第三个原因，是组织架构没有做对应的机制改变。
AI带来的是新的生产力。人与人的关系、人与组织的关系、目标，都在变。你必须重新定义「做什么事情应该被激励」和「什么不需要再做」。
刘开在播客里提到一个细节，他们推动一家企业把激励机制从「100%结果导向」改为「80%结果+20%过程导向」。过程指标包括：学习了多少内容、能获得多少积分。
销售群体的特点是「跟自身利益没太大关系的事什么都不会做」。如果激励机制不变，AI不可能真正落地。
这句话听起来功利，但你细想，它说的其实是人的基本逻辑：一个人不会主动去做一件对他没有好处的事。
传统管理追求SOP，追求标准操作流程，保住底线60分。但AI时代的目标是让每个节点都能做到85到90分，而非60分。
这意味着什么？意味着总部不再只是管控门店的销售网络，而是变成「赋能型总部」——告诉每个节点怎么能做得更好，而非说「你不能乱搞」。
刘开比较了台湾和大陆的管理差异。台湾偏过程管理，大陆企业家只要结果，不管路径。
你可以说大陆企业家更务实，但你也可以说，正是这种务实，让他们在AI时代更容易接受「不管怎么做的，只要结果好就行」的新逻辑——因为AI本质上就是帮你找到新路径的工具。
但前提是，你得先承认自己需要新路径。
让AI构建你的决策能力
长租公寓的管家案例，是我最喜欢的案例之一，因为决策成本往往是老板的最高成本。
这个「管家」角色，管理所有租客的大小事务：收租、带看、空调报修、邻里纠纷。在出租率足够的情况下，公司的业务在下滑，应该卖更多服务——加装保洁、上门服务——但管家被日常琐事困住，没有时间去主动销售。
AI介入之后，重新定义「人该做什么」：人做有温度的、情感连接的主动营销；所有情绪化的、日常琐事的回复交给AI处理。
结果：人均服务租客数从一比五百，提升到一比一千二百，再到今年目标一比两千。
管家的日常工作发生了质变。更多精力放在主动营销和客户关系维护。服务质量和客户好评率提升，续租率提升，服务附加值提升。这才是AI应该做的事。
不是让一个人做更多同样的事，而是让一个人去做更值钱的事。
阿甘在播客里说：「AI能帮你降本增效，但不能替你做最终决策。」AI提供充分的上下文，帮助一线做出正确决策。
但「决策」本身，永远属于人。
FDE的三大职责：业务融合、技术支持、系统对接
Forward Deployed Engineer这个词在Palantir的语境里，指的是派工程师驻扎在客户现场，从零开始帮他们构建系统。
刘开说，Rolling AI团队把自己叫Builder，但做的事和FDE完全一致。甚至OpenAI官方视频里展示的FDE工作内容，也和他们一致。
业务融合是最难的：你要带着AI这个「徒弟」进入企业，找到企业的优秀师傅——那些真正懂业务的人。然后帮他们建立信任。
刘开说，FDE要像「公仆」。先帮师傅做一点事，比如排班建议、年货规划，让他觉得AI有用，他才愿意教AI。
FDE需要三种核心能力：
■
咨询能力，能一眼看穿业务本质，分清什么是核心问题还是表面问题；
■
人机协作的原生能力，能把工作拆解成任务和子任务，把人放在最重要的位置，判断哪些事由人做，哪些事由AI做；
■
快速构建能力，能在半天到两天内把MVP构建起来。
这不是一个纯技术岗位。这是一个需要同时在商业和技术之间穿针引线的人。
而刘开说，AI时代需要什么样的人才——商业判断力和Taste。
在AI能给出足够多答案和信息的时代，下一步应该怎么做、往哪个方向走，类似「品鉴」而非学术研究。
你不需要记住所有知识，你需要知道哪个知识是对的，哪个方向是值得走的。
这个定义，在我的理解里，说的是人类工作正在发生的一次根本性迁移：从执行劳动时代，进入决策劳动时代。
情绪价值
听到这部分的时候，让我想到我最近的工作，服务制造业和电商(跨境电商)的头部老板们：
纯执行性的内容——写内容、查资料、打字快、回复准——AI都能做，但「让人开心」只有人能做到。
刘开举了个例子。传统认知中的「好销售」等于打字快、回复准。新时代「好销售」等于能提供情绪价值，让人开心、放松。
管理的本质是对「激发善意」的释放。
在AI时代，如果你的管理是「控制、约束、限制能量」，一定失败。如果你的管理是「激发善意、让每个人更好地成长」，才有可能成功。因为如果是控制思维，直接用机器就好了。
这句话让我的思绪飘到了中间管理层。
中间管理层将被大幅压缩。传统组织结构从基层到区总到分区到plex，中间两到三层。过去数字化和SOP能压缩一部分中间层，但AI时代将压缩更多。
中间层的两大职能：信息清洗——整理一线员工的情绪化、非结构化反馈；信息聚合——分析一百个下属的信息。
这两个职能，AI现在可以做得更好。
「很多性格反弹来自管理者自己不理解自己在消失。真正被消失的是那个岗位，不是那个人。管理者应该帮助员工看到新的岗位机会，而不是为旧的岗位辩护。」
给入行的朋友的建议：培养商业sense，锻炼网感和手感：
传统咨询行业里年轻人能做的事情已经非常少，行业有断层风险。但有商业sense的年轻人，第一天就和中老年顾问一样好用。
有些是天生的。有的人家里做小生意，观察力特别强。这种年轻人比很多中老年顾问更好用，因为他们更开放、更好奇。
关键特质：对问题是否有好奇心，是不是「Problem Solver」，看到问题眼睛是否发光。
年龄和资历变得越来越不重要。做事方式很重要，性格很重要。
阿甘提到，他们公司最年轻的员工是高二学生，解决问题能力和有五年经验的中年顾问一样强。
我想到自己的高二。那年我在读《数字化生存》，觉得世界上最终会被计算机改变。
现在的高二学生，在用AI解决便利店预测不准的问题。
时代还是飞跃进步了
回到商业模式，重要的是选择
Rolling AI有一个选择标准：他们的使命是帮助客户Business Growth。如果客户想要的东西不是这个，不管多大的单都不接。
核心判断标准：对方最终业务目标是什么？
他们不喜欢的客户特点：内部决策层非常撕裂，来来回回没有定论；只想买软件、买工具、不想改变业务；IT部门发起，而非业务一把手发起；目标飘忽，来来回回没人能讲清楚最终业务目标。
最可怕的类型：没有责任人，目标是移动的。
这种项目进去做不了，最后双方都麻烦。
这句话听起来像是在说客户选择，但我总觉得，它同时也在描述一种更普遍的时代病症：方向不清晰，责任人模糊，目标总是漂移。
你把AI换成任何一个变革性工具，这条警告都成立。
而关于更大的商业机会，阿甘提了一个有趣的洞察：大模型对行业的改造，最终能获得的回报远不止「卖一个软件」的钱。谁能帮企业真正转型，谁就能拿到那部分巨大的价值。只收服务费永远收不到那个upside，必须和PE一起入场去改变被投企业，才能分到资本层面的钱。
这个判断背后有一个更大的逻辑：AI转型本质上是服务业。大模型要改变所有政府和企业，靠的不是模型本身，而是工作流程、机制、人才。需要既懂AI又愿意深入行业的「服务者」进入这些行业，才能真正改变世界。
OpenAI和Anthropic为什么同时做FDE？因为数据短缺。大模型进入某一行业时，行业私有数据的短缺是瓶颈。去访谈各行业专家，一个一个请教，太慢。直接收购能获得更直接的数据和行业理解。
但这背后还有一个更深的原因：AI转型是服务业，它需要人，需要深入现场的人，需要能够把技术和业务捏在一起的人。
这和做通用模型完全不同。通用模型追求的是规模效应，是边际成本趋近于零。而企业AI服务，注定是重的，慢的，贵的，但它能创造真正的壁垒。
播客快结束的时候，阿甘说了一句话，像一块石头扔进深潭。
「AI革命的影响会超过互联网，类似电力革命、电影革命。电力革命取代体力劳动，AI革命将大量取代智力劳动。还处于早期：可能需要十年、十五年、二十年，现在才刚开始。」
技术占比不超过三分之一。核心是业务模式、管理模式、人才的变化。接入大模型只是很小的一部分。
他打了一个比喻：如果落后者用了电、用了AI，但生产方式、组织方式没有变，依然会被超越。真正的转型是整个生产资料的重新构建。
每次大革命都会淘汰90%的企业。电力革命、互联网革命都是如此，AI革命也不例外。
我坐在高铁上，听完这句话，窗外的风景正好经过一片平原。水稻绿着，风吹过来，秸秆轻轻弯下去又弹起来。
我不知道那些种地的人有没有在用AI。但我知道，如果他们只是把锄头换成了无人机，然后继续用同样的方式种地，他们的收成不会变。
技术从来不承诺确定性。它承诺的，只是一种新的可能性。而可能性，只有在你愿意改变做事方式的时候，才会变成现实。
列车在下午四点十二分抵达重庆。
我下了车，拖着行李穿过长长的出站通道，手机信号恢复了，满屏的消息涌进来。我没有立刻回复。我站在出口的扶梯上，抬头看了一眼天。
灰的，不是那种干净的灰，而是被山城的湿气包裹着的、有点黏的灰。
我在想这期播客里的那句话：「AI不是工具，而是劳动力。」
工具是被动的。你拿起它，用完放下。
劳动力是主动的。它需要入职，需要培训，需要管理，需要激励，需要被尊重。
当一家公司开始把AI当作劳动力来管理，而不是当作工具来采购，AI才真正开始变成这家公司的竞争壁垒。
而那些能够教会AI学习老师傅手艺的FDE——那些既懂技术又懂业务、既能构建MVP又能读懂人心的人——正在成为这个时代最稀缺的人才。
他们不是程序员。他们不是咨询顾问。他们是某种新的物种。一种在技术与人性的交界处生长出来的物种。
出口处有很多人，有的举着牌子，有的刷着手机，有的在打电话。
每一个人，都在某种工作里，等待着被重新定义，我要继续上路了
以上，既然看到这里了，如果觉得不错，随手关注、点赞、转发三连吧
下次见。
播客原链接《OpenAI 和 Anthropic 共同看好的 FDE：AI 时代的新岗位出现，旧分工松动｜对谈 Rolling AI》：https://www.xiaoyuzhoufm.com/episode/6a1e4022ac7bdb080c348b41