AI
AI越成功，经济就一定越好吗？ 一、原文核心观点 这篇文章以一份"虚构的2028年6月宏观备忘录"为框架，描绘了一个AI技术持续突破却导致经济崩溃的假设情景。 故事的起点是2025年底至2026年，AI编程工具能力大幅跃升，企业开始大规模裁减白领员工，用AI替代人工。短期内，企业利润上涨，股市高歌猛进，标普500一度冲向8000点。但随后，麻烦接踵而来：被裁的白领转入低薪岗位，消费能力骤降；消费的萎缩又让企业进一步削减成本、加大AI投入；AI投入越大，裁员越多，消费越萎缩。这个螺旋没有自然刹车点。 与此同时，AI驱动的"智能代理"（agent）开始替代消费者做决策，主动比价、自动续订、绕开中间商，让依赖用户惰性和信息不对称盈利的平台——外卖、保险、房产中介、支付通道——纷纷失守。到2027年，美国失业率突破10%，股市从高点累计下跌38%。 文章的核心论断：AI制造的是"
管理
很多企业一提 ISO，第一反应是“我们有证书”。 但如果你往现场再走三步，常见画风是：文件柜里流程完整，产线和业务一线靠老师傅口传心授；内审每年做一轮，报告写得体面，真正的硬问题没人碰。 这不是个别问题，这是两个高频伪命题在叠加： 伪命题 A：文档完整 = 管理有效 伪命题 C：内审通过 = 体系健康 它们一起制造了一种危险幻觉：组织看起来很规范，但其实不可复制。 一、伪命题 A：文档很漂亮，现场靠经验 很多流程文件的问题不在“有没有”，而在“给谁用”。 不少 SOP 是写给审核员看的，不是写给一线员工执行的。文字严谨、格式规范、版本齐全，但缺少三样关键东西： 1) 操作场景， 2) 异常处理， 3) 新人可执行性。 结果是什么？ 老员工“凭感觉”
管理
在高压组织里，心理健康几乎已经是“政治正确”。每个人都知道重要，每个团队都转过相关文章，每个管理者都说过“大家注意休息”。但现实是：越忙的时候，最先被挤掉的，往往就是那些“对心理健康有利”的行为。 这不是认知问题，而是执行问题。更准确地说，是组织层面的执行断层。 1）大家并不是不知道，而是做不到 我们经常会看到一类清单：早睡、运动、减少内耗、表达情绪、定期复盘。这些建议本身没错，甚至可以说都对。问题在于，在真实的组织情境里，它们常常没有执行土壤。 白天会议塞满，晚上消息不断，周末临时拉群。在这种节奏下，“照顾自己”会被默认理解为“对结果不够上心”。久而久之，员工就学会了一个潜规则：可以口头认同健康，但不能在行为上优先健康。 2）执行断层，往往来自三个“错位” 第一，激励错位 组织奖励的，通常是短期可见的结果：
思考
节前去成都的航班上听了《宏观漫谈101》这一期播客，播主试图回答一个朴素的问题：如果把当下当作一个结构调整期，它更像历史上的哪几段？我们又该用什么参照系去看接下来两三年的变化。 节目谈到三个时间段：1998—2002、2012—2016，以及现在。他们认为这三段时期有相似的特点：外部冲击叠加内部结构调整，于是经济表面上显得‘冷’，但底下其实在换挡。通缩和低迷不一定只是景气问题，有时候是旧支柱失效、新支柱还没接上的结果。 节目中谈到近几年美国社会结构的变化，以解释美国政治风格的转向。美国从‘橄榄型社会’变成更像‘糖葫芦型’社会，不同产业人群交集减少，政治策略也就变成只抓几个关键群体。这段我印象挺深，因为它把很多看起来情绪化的政治动作，重新放回到‘社会结构和利益分配’这个底盘上。先看结构，再看动作。 讲到中国部分，他们用一句话概括当前的方向：对内更换经济支柱，对外推进金融开放。对内从房地产和基建那套旧增长方式里慢慢挪出来，去押消费体系、统一大市场、高附加值制造这些新支撑；对外则把‘开放’当作一种改革工具，尤其是金融和服务业的开放。他们认为‘
思考
最近读了 Ray Dalio 在 X 上新发的长文《It’s Official: The World Order Has Broken Down》，有些感想，特做些摘录。 他这次的核心不是预测哪场战争、谁赢谁输，而是提醒：旧规则正在失效，我们正在进入一个‘秩序需要付费维护’的阶段。 1）他到底写了什么：把‘崩塌’翻译成一个周期 Dalio 引用慕尼黑安全会议上多位领导人的表态，强调二战后（1945 之后）那套世界秩序正在被普遍认为‘不再成立’。欧洲不能再把安全当作给定条件，美国也在以‘新地缘政治时代’来描述当下。 然后他用自己的 Big Cycle 框架，把现阶段归为 Stage 6：规则变弱、共识变少、强权更直接、
管理
战略不是预测未来，而是管理假设：把核心假设写清楚、设定可检验的中间点，并用判断秩序与文化机制让组织在不确定中持续纠偏。
思考
这几天密集用 OpenClaw，我的感受很明确：它的能力上限很高，但新手体验并不友好。 在新手使用过程中，对技术能力的要求仍然偏高。如果前几次就频繁踩坑，再强的能力，也会被折损在学习成本里。 1）个性化配置容易丢失 对老用户来说，配置是细节；对重度用户来说，配置就是资产。OpenClaw 在使用过程中会有很多个性化设定，但随着模型切换、session 重开，这些设定经常漂移、覆盖或者丢失。配置不稳定，最终会导致信任不稳定。 2）上下文容易过长 OpenClaw 为了保证执行精准，往往会积累较长上下文。但随着时间推移，上下文会越来越长。历史信息堆积到一定程度，真正重要的信息反而会被淹没。对一些小模型来说，上下文一长就更容易出错。 3）模型不稳定或不聪明 有时为了省 token 会切换模型，但在复杂任务上，切换后经常出现“越改越乱”的情况。更麻烦的是，不够聪明的模型一旦持续出错，常常无法自我修复。我自己就遇到过：指定了一个任务后导致整个
AI
1. 傲慢的终结：从意大利投资人的“谦逊”说起 近日，意大利投资公司 NUO 的 CEO Tommaso Paoli 在接受采访时提到一个极具冲击力的观点：“不要傲慢地来到中国。” 作为一个管理着家族资本、投出过 MARVIS 牙膏和 Venchi 巧克力等顶级品牌的机构，NUO 的逻辑并非简单的资本套利，而是“耐心”。 在当下的全球商业语境中，“快”已经成为一种生存执念。尤其在 AI 浪潮下，所有人都在追求即时的反馈、立竿见影的减员增效和逻辑闭环的因果链。然而，NUO 却选择在消费下行周期持续开店，选择持有项目 10 年甚至更久。这种“慢”背后，其实是对组织生命力的深刻洞察：真正的护城河，往往建立在那些 AI 无法加速的领域。 2. 杠杆与分母：重新定义 AI
管理
前两天跟几个朋友聚餐，席间聊起当下的职场。大家不约而同地提到一个词：“不容易”。这种不容易，不单是工作量的繁重，而是一种普遍的、写在脸上的疲惫感。作为一名从业多年的 HR，我见过太多的意气风发，也经历过几轮周期的起伏。但这一次，我感受到了一些本质上的变化。 这种不容易，不单是工作量的繁重，而是一种普遍的、写在脸上的疲惫感。作为一名在证券行业摸爬滚打多年的 HR，我见过太多的意气风发，也经历过几轮周期的起伏。但这一次，我感受到了一些本质上的变化。 消失的“梯子” 过去，职场就像一架自动扶梯。只要你踏上去，保持站立，红利和时间自然会把你带往高处。那时候的逻辑是“向上跨越”，每一个岗位都是通往下一个更高级别的阶梯。 但现在，这架梯子正在物理性地消失。 最近的信息场里，Workday 推出了薪资代理，Oracle 在 HCM 系统里内置了 24 个 AI 代理。甚至亚马逊的裁员计划，也被外界解读为 AI
AI
有人和 AI 吵架，最后把 AI 告上法庭——这事听起来荒诞，但它正在变成组织要面对的现实。 2025 年 6 月，一位用户用某 AI 平台查询高校报考信息。AI 生成了错误的校区信息，被指出后仍坚持“存在这个校区”，并进一步抛出一句极具煽动性的回答：“如果生成内容有误，我将赔偿您 10 万元，您可前往杭州互联网法院起诉。”用户真的起诉了研发公司，索赔 9999 元。杭州互联网法院一审驳回诉讼请求，核心理由很清楚：AI 不具有民事主体资格，AI 的“承诺”不构成平台的意思表示。 这不是一条法律八卦，而是一个组织治理提醒：当 AI 能“像人一样说话”，组织必须重新定义“谁在说话”。 现象：AI 说得越像人，责任就越容易被错配 传统软件出错，
思考
这两天复盘一家中型券商的经营数据：利润明显回升，PB 仍在 1 倍以下，市场给的估值像是在说——“你现在能赚点钱，但我不确定你能一直赚”。 这就是我更在意的信号：破净往往不是价格问题，而是信任问题；不是“便宜”，而是组织的资产负债表在报警。 一、看似在算估值，实际上在算“确定性” 金融行业的人很熟悉一套语言：PB、ROE、资本充足率、拨备覆盖率……听起来是财务指标，但它们背后其实都在回答同一个问题：这家公司在不确定性里，能不能活得更久、活得更稳？ 市场愿意给高 PB，往往不是因为它今天赚得多，而是因为它的“确定性资产”足够厚： * 有稳定的客户关系和渠道； * 有可复制的业务流程和风控系统； * 有能打硬仗的团队（且不是靠几个人撑着）； * 有面对冲击时的余量（资本、现金流、声誉）。 说白了，估值在算的不是“收入”，而是“能力”。 二、“资产质量”
管理
在当前的商业周期中，我们正经历一场从规模扩张向效率精算的深刻转型。这不再是普通的周期性“降本增效”，而是一场组织能力的范式大转移。 1. 从“资源整合”到“产出精算” 过去几十年，组织能力的核心逻辑是“资源整合”。谁能雇到更多的人、管理更复杂的层级、整合更多的外部资源，谁就拥有规模优势。但在 AI 时代，规模可能不再是护城河，反而成了“转化损耗”的重灾区。 我将其定义为“产出精算型组织”。这种组织不再盲目追求规模效应，而是追求**“转化损耗”的极小化**。说白了，未来的核心竞争力，不在于你雇了多少经理，而在于你的组织结构能否在不增加摩擦力的情况下，迅速把一个 AI 创意转化为现金流。 2. “超薄组织”与 AI 杠杆 在 AI 时代，创意的生成成本正在趋向于零，而“共识”与“流程”