AI转型必须要上的一课
晚上九点，你还在公司。白天的早会上，领导刚宣布全面拥抱 AI，各部门都要考核使用率。你让 AI 写周报，三秒生成，结构漂亮，用词专业，只有一个小问题：里面三个数据是它编的。你花四十分钟逐条核对，逐条改掉，比平时自己写还多花了二十分钟。
关文档的时候，你有没有闪过这个念头：这工具到底是替你干活，还是你替它干活？

这样的情况每家公司都在发生。网上流传最广的那句吐槽，说的就是你：AI 提效 50%，工作量涨了 100%。
与此同时，客服岗位在消失，初级白领招聘在萎缩，这些人空出来的工作量说是给了AI但依然有很多工作盲点其实分摊给了其他人，AI转型发现一个结果，公司人员是减少了，但留下的人并没有因为AI的介入和人员的减少而精简工作量，反而工作量变的更大了。

为什么一项“缩短劳动时间”的技术，让劳动者的日子变得更长、更累？
机器本身，和机器的应用方式，是两回事。机器本身是缩短必要劳动时间、减轻劳动的手段；机器的资本主义应用，却延长工作日、强化劳动强度、把工人变成机器的附属物。同一台机器，两种相反的结果，决定结果的不是机器，是机器被嵌入的关系。

机器缩短的是必要劳动时间。缩短出来的时间归谁？归你，是解放；归资本，就是剩余劳动的增加。马克思说得更彻底：财富的真正尺度不是劳动时间，而是可以自由支配的时间。

拿这个尺度量一量你的晚上九点：AI 替你省下写周报的五十分钟，这五十分钟去哪了？变成了四十分钟核对，加上领导新布置的"再优化一版"。你的必要劳动缩短了，你的工作日一分钟没变。提效是真的，解放没有来。

所以"AI 替代劳动"这句话，准确的说法是：“AI 当前的应用方式在替代你的劳动”。这句话还有更深一层的毛病，你可能已经中过招——它本身就是一种威慑工具。"你不接受降本方案，AI 随时可以替代你。"这句话今天在办公室里被讲的次数，远远超过 AI 真正替代人的次数。

说到这里，我可以把立场讲全了：“AI 的本质是解放劳动——它实实在在地缩短你的必要劳动；它此刻表现为替代，是因为它嵌入的关系把解放从你手里拿走了。”

要改变这个情况，我们需要回过头看一下古田会议。
1929 年的军面对的是同一个问题：理论够好，组织不吸收。马克思主义预设的是工人政党，红军九成是农民，很多不识字；队伍从旧军队转化而来，打人成风，"官长不打士兵"的口号提了多年，"简直没有什么效力"。
古田会议的价值不在道理，它的价值是一套让理论在十万人组织里不走样的执行设计。我把它整理成五个接口，每个接口都是理论落地的一个失真点，也都对应着 AI 落地的一个死法。

语境差：理论生成的语境不等于应用的语境。工人政党学说套在农民红军头上，长出八种非无产阶级思想。古田的办法是思想建党：不放弃理论，改造理论的落地形态，教育材料开十项，教育方法开十八种。美国 大语言模型的那套标准化订阅落地法，搬到中国的定制、私有化、关系型采购场景，批量死亡。供应商交付即走、不做驻场改造的，就是死在语境差，这就是为什么GPT Claude大语言模型层出不穷，但真正的工业生产段反而倾向于盘古等国产模型的原因，因为这种集中式模型，只能作为软件公司写写代码用，而且还充满了风险。

对象差：方案假设的用户不等于真实的用户。古田的教育对象是文盲士兵，方法里就有"对不认字党员读书报"、个别谈话。不是降低理论，是改造通道。按理想用户设计的 AI 培训，在数字素养参差、还怕被替代的一线员工那里，只会得到隐性抵抗：表面会用，私下绕开。培训后活跃率逐周衰减的，死在对象差，我们想一想，有很多人连下载个软件都不会，修改个安装路径都不懂，从小是玩手机，平板长大，老人就更不用说了，多少上了年纪的智能机都用的磕磕绊绊，你让他们拥抱AI，那肯定会变成抱着完任务的心态去执行，培训我参加，现实我抵触，但这个抵触并非是对先进生产力的抵触，而是这个先进生产力并不是“先进”，出了事还是需要我来负责，凭啥我要冒风险？

习惯差：口号推不动习惯，《废止肉刑问题》的办法是五件套：原则不让步；双向解释，对官长说废止后更利于管理，对士兵说要自觉守纪律，一个改革两套话语；预见反复，"临时不良现象是会有的"，预先声明不许借口不良现象回退；程序固化，改条例、发通令、双方开会；替代机制，用群众的纪律制裁替代肉刑，旧功能必须有新出口。"系统不好用，还是老办法快"，就是 AI 时代的"军官打得要死"。上线头三个月效率必降，方案里没有"预见反复"这一条的项目，很多负责推动的管理者，心里压根就没想到过，拥抱AI会造成初期的生产效率衰退，反而怪员工不够聪明努力，要不就怪AI这个工具是笨蛋，根本没法用，回退率极高。

方法差：正确目标最危险，因为它给错误方法背书。1943 年，教员写下全文百字的《防奸工作的两条路线》：正确路线是首长负责、调查研究、分清是非轻重、争取失足者；错误路线三个字，逼、供、信。AI 转型的逼供信已经成形：逼，强压使用率指标；供，刷对话量、演示造假；信，层层报喜。KPI 强压式推进的企业，那么造成的结果一定是：假成功。首先转型AI领导必须要明白，自己负责，生入一线实际工作场景梳理出工作流，然后搞明白那些重要的事情不能用AI，那些重复性工作可以用AI，各个岗位不同的工作流中那些可以使用AI，那些不能使用AI，走通一条完整的业务线，而这个业务线也因为AI的介入工作变的轻松，效率得到提升，从而带动其他人主动式的学习和转型，这就是老带新，进步帮助落后。

反馈差：古田会议举行以后全军掀起了抢救落后份子运动，但很快过火，但教员认为过火不是绝症，没有纠错机制才是，所以很快就制定出了纠错政策，而且将这套纠错机制嵌入到了后续的所有工作中，AI 狂热期必有过火峰值，可能是因为焦虑，可能是因为业务瓶颈，可能是因为发展需要，但没有"允许推翻项目"机制的组织会学会沉默：失败无人上报，同一批坑换一批人再踩，必须要设置如果AI转型中出现错误该怎么办，所有节点中失败的情况如何奖惩，如何鼓励发现问题，如何奖励解决问题的人，对于瞒报，欺骗的人如何处罚，这都是要在制度设计出来的。

AI 行业的古田会议还没开。FDE（前置部署工程师）今年爆发，本质是市场在自发寻找"政委制"：把懂技术的人嵌进业务单位。但这是萌芽，行业的集体共识还没有形成，终局可能不是旧企业吸收 AI，而是 AI 原生组织淘汰旧企业。
AI 什么时候算成了生产力？等它进入重组后的劳动过程，等收益和成本的分配不再错位，等没有企业再开会讨论"怎么落地 AI"的时候。