第 2 章从「使用者」到「老板」：超级个体的心智模型

上一章我们确立了一个判断：AI 不是一件更好用的工具，而是一场你必须参与的革命。但「参与」这个词，最容易被廉价地理解——很多人以为，每天打开对话框问几个问题，就算参与了。这一章要处理的，正是这个误解。在全书第一部「重置」里，第 1 章解决的是「要不要上场」，这一章解决的是「上场之后，你站在哪个位置」——是站在工具这一头抡它，还是站在一支队伍前面带它。这是全书的第一个心智模型，后面所有的方法、工程和判断，都架在它上面。

我先抛出这一章的核心判断，然后再用整章去论证它：在 AI 这件事上，决定你天花板的，不是你会不会用它，而是你会不会带它。

先看一件真事。2025 年 6 月，一家刚满六个月的公司，被 Wix 用 8000 万美元现金收购。公司叫 Base44，产品是让人用一句话生成可用的应用。被收购时，它有 30 万用户，年经常性收入（ARR）350 万美元。这些数字放在今天的创业圈不算惊人，真正让人停下来的是另一个——这家公司的股权表上，从头到尾只有一个名字。创始人 Maor Shlomo 没拿过一分外部投资，六个月里绝大部分时间是他一个人在干，直到交易前六周才招进第一名员工，卖出时全公司八个人。

一个人起手，半年，八千万美元。注意那个「六周前才招第一个人」——在长达四个多月的时间里，这家估值八千万的公司，人力配置就是他自己。如果你的第一反应是「他一定是个天才程序员」，那你已经用错了镜头。

Shlomo 后来复盘，说他做的第一件事不是埋头写产品，而是记录自己的时间都花在了哪里。然后，他开始一件一件地把这些事交出去——交给 AI。他造了一个智能体（agent）专门翻用户反馈工单、把里面的产品建议拎出来；造了一个在自己的产品里到处爬，发现体验毛病就报上来；造了一个跑质量测试；还造了一个盯着他每天提交的代码，自动把它变成能发出去的营销内容。

这些活，放在一家正常公司里，得由一个产品经理、一个测试工程师、一个开发分着干。Shlomo 把它们拆开，分给了不同的 AI。

所以他不是一个「特别能干的人」，他是一个「会带队的人」——只不过他带的，是一支 AI 组成的队伍。

一、锤子的上限

大多数人用 AI 的方式，是「帮我」。帮我写封邮件，帮我把这篇报告总结一下，帮我改改这段代码。AI 在这里是一把锤子，一把比从前快很多的锤子——你抡，它响；你不抡，它就躺在那儿。

这没有错。但它有个隐形的上限：你的产出，永远卡在你一个人能抡多少下。让我们算一笔账。假设这把锤子每次帮你省半小时，你一天抡十次，省五小时——听上去可观，但这条曲线有天花板：你只有一双手、一天二十四小时，省下的时间去哪了？多半被下一件同样要你亲手抡的事填满了。你衡量它的标准，是「这回帮我省了多少时间」，而省时间这门生意，上限就是你自己的时间总量。锤子换得再快，你还是那个抡锤子的人。

老板思维不一样。老板不问「这件事 AI 能帮我快多少」，他问「这件事能不能整个交出去」。他要做的，是把一摊子事拆成几块，想清楚哪块交给谁、怎么验收，然后让这些活在他不盯着的时候也在跑。他衡量的不是省了多少时间，是撬动了多少产出。

举个具体的对照。同样是做一份竞品分析——

用锤子的人会打开对话框，敲一句「帮我分析一下这三个竞品」，拿到一段还不错的文字，复制走，下次再来一遍。

带队的人会先想：这件事其实是四步——搜集每家的公开信息、按统一维度拉成对照、找出别人没占的空位、写成给老板看的结论。于是他给这四步各配一套指令，让前一步的产出自动变成后一步的输入，跑一遍出一份完整的东西；下次来了新竞品，他改个名字，整条产线再跑一遍。产线的账和锤子的账不是一种账：搭产线多花的那半天是一次性投入，之后每跑一遍都几乎不再花你的力气——跑十遍是十倍，跑一百遍是一百倍，而你的时间投入不变。

第一种人，每次都从零开始。第二种人，建了一条以后能反复用的产线。差别不在谁更聪明，在脑子里装的是「我来做」还是「我来安排」。

这两种人平时也聊 AI，但聊的内容完全不同。用锤子的人聊的是「哪个模型现在最好用」「这个新功能你试了吗」，话题永远围着工具转；带队的人聊的是「我上个月又把一条流程整个交出去了」，话题围着自己的摊子转。工具月月在换，摊子一天天在长大。

「我来做」的人，能力增长是线性的：今天比昨天熟练一点。「我来安排」的人，每搭好一条产线，产能就叠上去一层——他在攒的不是熟练度，是杠杆。

二、带队是分工能力，不是编程能力

你可能会说：Base44 那是个程序员，我不会写代码，学不来。

那我们看另一个人怎么干的。

Garry Tan 把一套 AI 开发工作流开源出来，取名 gstack。开源后四十八小时，拿到一万颗星。更值得看的是他自己的产出：此后五十天，他平均每周写出一万行代码、提交一百个合并请求（pull request）——注意，是每周。他的「团队」规模是：一个人，加二十来个 AI 专家。

注意「专家」这个词。他没把这些 AI 当成一群一模一样的助手，轮流回答他的问题；他给每一个都派了岗位、定了职责、划了边界，像搭一家小公司那样把它们组织起来。Tan 真正的工作，不是自己敲多少行代码，而是想清楚一件复杂的事该拆成哪些角色、每个角色对什么负责、它们之间怎么交接。过去要几十人协作才能转起来的完整软件生命周期，被一个想得清楚的人加一组写得清楚的指令，整个重新搭了一遍。

这套本事，跟会不会编程关系不大。它更像每个带过项目的人都懂的东西——分工、对齐、交付。如果你做过产品、带过团队、哪怕只组织过一场公司年会，你已经有这套肌肉了。想想你筹备年会时干的事：把一台晚会拆成节目、场地、流程、物料，每块找一个靠谱的人，定好什么时候交什么，最后彩排验收。把这套动作原样搬过来，对象从同事换成 AI，就是 Tan 在 gstack 里干的全部事情。AI 时代只是把它的价值放大了无数倍：过去你能调动的是几个同事，现在你能调动的是一群随叫随到、不喊累、可以同时开工的数字下属。

会写代码当然有帮助。但真正稀缺的从来不是那个，是「把一件事拆开、派出去、再收回来」的能力。

三、岗位说明书：把标准写到能脱手

值得把 gstack 的岗位表摊开看一看，我挑其中十二个。不是为了学软件工程，是为了看懂一个会带队的人，是怎么思考「岗位」这件事的。

第一个岗位最出人意料：CEO 审查官。它不写一行代码，专干一件事——拒绝平庸的需求，把那些「做了也没用」的功能挡在门外。一个一人公司，最先设的岗位居然是个说「不」的。这不是行为艺术。Tan 很清楚，当执行变得近乎免费，最大的浪费不再是做得慢，而是做了不该做的东西。所以他把自己的取舍标准写成一份岗位说明书，让一个 AI 先替他过一遍每个想法。

接下来是干活和把关的几个：测试工程师，全天候找毛病，测出 bug 不是报上来等人处理，而是直接动手修；代码审查，专挑那种「持续集成能过、上了生产会炸」的隐藏问题——这一条的妙处在于，它针对的不是「错的代码」，而是「看起来对的代码」，那恰恰是人最容易放行的；设计审计，拿着一份八十项的清单逐条过界面，按钮对不对齐、状态全不全、文案有没有歧义；发布工程师配着一个会「看」浏览器的视觉检查，部署完自动打开页面，肉眼级别地验收上线效果。

剩下的岗位更安静，但同样有名有姓：一个做工程复盘，把每次踩的坑沉淀成下次的规矩；一个盯文档，代码一变，说明文档跟着同步；一个管会话状态，让长链路的协作不丢上下文；还有自动化压测、调试指导、性能调优，各管一段。

你发现没有，这张组织图上没有一个岗位叫「帮我写代码」。每个岗位对应的都是软件团队里一道真实的质量关卡：需求关、测试关、审查关、设计关、发布关、沉淀关。Tan 做的事，本质上是把一家几十人公司的分工和关卡，用岗位说明书的形式复刻了一遍，然后把每个位子上坐的人换成了 AI。

再细看一层，这些岗位其实分成两类：动手的和把关的。动手的负责产出，把关的负责拦截。数一数你会发现，把关的岗位一点不比动手的少——审需求的、审代码的、审设计的、审上线效果的，占了将近一半。这不是 Tan 多疑，这是所有带过队的人共同的常识：产出可以委托，质量必须设关。一个只设动手岗、不设把关岗的团队，跑得越快，翻得越惨。

这对不写代码的你意味着什么？意味着每一个岗位都是一条被写下来的判断标准。「CEO 审查官」是他对「什么值得做」的定义，「设计审计的八十项」是他对「什么叫做完了」的定义。这些标准原本只在他脑子里，平时靠他亲自出手来执行；写成岗位说明书之后，它们第一次可以脱离他的双手运转。

换到你的行当，这张组织图照样画得出来。一个写作者可以设一个毙选题的（你的读者是谁、什么话题碰都不碰）、一个查事实的（每个数字必须有出处）、一个审风格的（哪些词永远不许出现）、一个管排版发布的；一个设计师可以设一个过规范的、一个挑可用性毛病的、一个整理交付物的。岗位长什么样不重要，重要的是——你对「好」的标准，能不能清楚到写成一份说明书。写得出来，你就有了团队；写不出来，你拥有的只是一堆昂贵的聊天窗口。

把标准写成岗位，还有个不显眼的副产品：位子和坐在位子上的「人」分开了。模型半年一换代，今天最强的明天就平庸，但你的岗位说明书不跟着作废——换个更强的模型坐上去，整个团队当天升级。攒在你手里的，从来不是对某个工具的熟练，而是这张组织图本身。

我自己团队的日常配置没有那么多，基本是一个人加三到五个深度定制的领域 AI：有的专管竞品动向的日常梳理，有的盯交互方案是否守住设计规范，有的负责把散落的用户访谈整理成能查的档案。但逻辑一样：每个 AI 上岗前，先把它的职责和验收标准写清楚。这件事我吃过亏。竞品那个岗位，我第一版说明书只写了一句「盯住几家竞品的动向，重要的变化报给我」。上岗第一周，它每天准时交作业，交上来的全是对方官网换了张图、公众号发了篇推文这类「动向」——没有一条是我真想知道的。我起初怪它不开窍，改到第三版才承认：不是它分不清轻重，是我从来没说清楚过「什么算重要」——定价变了算，产品线动了算，换张头图不算。把这三条写进说明书，它第二天就好用了。这个过程对我自己是一面镜子：写不清楚的那部分，往往不是 AI 的短板，是我自己还没想明白。

四、拆解：把模糊切成清楚

当老板，要做的其实是三件事：拆解、分派、验收。这三件不是并列的，是有结构的：拆解画的是图纸，分派定的是交法，验收守的是署名——图纸画不清，后两件全是空转。听起来简单，三件里有两件大多数人做不好。

这三件事你其实并不陌生。任何带过项目的人天天都在做，只不过过去的对象是人，现在换成了 AI。对象一换，难点跟着挪了位置：带人的时候，你一半精力花在沟通、情绪和积极性上；带 AI，这些全免了——它不抱怨、不内耗、不要鼓励。剩下的难处只有一个，而且躲不掉：你自己到底想清楚了没有。

先说拆解。拆解，是把一个模糊的目标拆成几块边界清楚、能各自交付的活。检验拆没拆好，有个朴素的办法：想象你要把这块活交代给一个第一天入职的新人，你能不能在五分钟内说清楚他要做什么、拿到什么算做完？说不清楚，说明这块活还黏在你脑子里，没切下来。

大多数人嫌拆解麻烦。直接甩一句大而化之的话过去，多省事——「帮我做个方案」「帮我优化一下这个流程」。这个病有个名字，叫「喂愿望」：喂进去的是愿望，不是任务。然后 AI 还你一坨大而化之的东西，你皱着眉改半天，得出结论：AI 不行。其实不是 AI 不行，是你把「想清楚」这一步偷掉了，它只好替你瞎猜。换了对象是个真人下属，结局也一样：你交代得含糊，他就只能交回来一个安全但平庸的东西。拆得越清楚，AI 干得越准；你喂进去的是愿望，吐出来的就只能是套话。

拿一件不写代码的活试一遍。假设你要给新产品写一篇上线文章。整块丢出去，一句「帮我写篇上线稿」，回来的多半是一篇谁家都能用的通稿。拆开看，这件事其实是五块：定读者和那句最核心的卖点，这块只能你来，因为它就是判断本身；从访谈记录和内部文档里收集素材，这块可以整个交出去；按定好的结构出初稿，可以交；逐条核对文中的事实和数字，可以交，而且 AI 比犯困的你查得仔细；最后定稿润色、署上你的名字，又回到你手上。五块活，三块能委托，两块必须亲自——这个比例，就是拆解给你画出来的分工图。不拆，你就得五块全干；拆了，你只干那两块最值钱的。

拆解的对象也不只是手头的任务，还有你自己的时间。还记得 Shlomo 起步的第一件事吗——记录自己的时间都花在了哪里。这个动作谁都做得了：把过去一周的活摊在纸上，标出哪些是重复出现的、哪些是只有你能做的。重复的那一列，就是你的待拆清单；只有你能做的那一列，就是你该把省下来的时间投进去的地方。

拆解还有个隐藏的好处：它逼你提前定义验收标准。「搜集三家竞品的公开信息」这句话一说出口，你自然会跟着想：哪三家？什么算公开信息？要到什么程度？这些问题在你拆的时候答掉，比在 AI 交活之后吵架要便宜得多。

怎么拆，第四章会用一整章专门讲方法。这里你只要记住一件事：拆解不是体力活，它是你的专业判断第一次落到纸面上的时刻。

五、分派：整块交，还是贴身盯

拆完了，第二件事是分派——判断每块活该用什么方式交出去。

这里没有标准答案，但有个手感：越是流程清楚、重复性高的活，越能整块委派，给一套指令，让它自己跑完，你只看结果；越是要现场判断、来回试的活，越得你贴身协作，一步一步对，随时掰方向。前者像把整批衣服扔进洗衣机，后者像手洗一件真丝衬衫。

能整块交的活有几个共同特征：一是输入和输出说得清楚，二是做十次步骤基本一样，三是出了错你一眼能看出来。周报、纪要、资料汇总、格式转换，大多属于这一类。得贴身盯的活则相反：标准还在你脑子里没成型，做的过程本身会改变你对目标的想法，错了不容易发现、发现了代价还大。新方案的方向探索、关键的对外措辞，属于这一类。判断不准的时候，问自己一句：这件事如果做砸了，我是「重跑一遍」就行，还是「擦三天屁股」？前者大胆交，后者贴身盯。

翻车通常翻在错配上，而且两个方向都翻，两种病也都有名字。一种叫「弃养」：把一个需要反复权衡的方案设计一句话丢出去，回来一看面目全非，气得直接弃用——这不是委派，是把队伍扔在半路。另一种叫「替班」：明明是每周一次、步骤固定的数据周报，每次还坐在那儿一句一句喂，喂完一遍下周再喂，等于雇了个员工，然后替他上班。弃养错在高估了系统，替班错在低估了它；病灶都一样——没花时间摸清这支队伍的脾气。

手感是练出来的，不是想出来的。靠谱的练法是从小块开始试派：挑一件流程最清楚的活，整块交出去一次，看它在哪一步走样，把那一步的指令补清楚，再交一次。两三轮之后你会摸到这套系统的脾气——哪类活它一次就稳，哪类活永远需要你搭把手。这个脾气清单，就是你作为「老板」的第一份管理经验。带人的经理花几年才能攒出对每个下属的判断，你攒出对这支队伍的判断，只要几个星期。

还有一类活，根本不该出现在分派清单上：决定做什么、不做什么的那个判断本身。这个版本怎么取舍、这份东西见不见客户、这个方向追不追——它不是不能问 AI 的意见，而是不能让 AI 替你拍板。把这类活也甩出去的人，不是在带队，是在退位。

六、验收：署名永远不外包

真正被低估的是第三件——验收。

很多人一听「交给 AI」，脑子里想的是「那我就不用管了」。错。委托执行，不等于委托责任。把「交给 AI」过成「甩给 AI」，是这套心智模型里最贵的一种病。

借厨房打个比方——这个比方值得记住，后面还会用到它。你是主厨，你可以让别人切菜、颠勺、摆盘，但菜端到客人桌上那一刻，署的是你的名字。客人吃出问题，没人会去怪那个切菜的。AI 就是你的后厨——手脚快、不知疲倦、能同时炒八个锅，但它偶尔会把盐当成糖。那一勺盐放下去，赔礼道歉、扛后果的，是你。

这不是吓唬人，这笔学费我交过。有一回我让 AI 起草一封给客户的报价邮件，它写得文采斐然、格式漂亮，只是把一个数字搬错了位。我扫了一眼，觉得「写得真好」，点了发送。客户回信指出那个数字的那一刻我才明白：AI 犯的错和我犯的错，在对方眼里是同一个错——署名处写的是我。后面道歉、更正、重建信任花掉的时间，是当初省下的几十倍。这笔学费换来一句可以复用的判断：错得越漂亮的东西，越需要有人不被漂亮迷惑。

所以在这套新分工里，有一类工作不但没消失，反而是新长出来的：验证、设兜底、留检查点。过去这部分工作藏在同事的专业素养和团队流程里——测试会拦住烂代码，法务会拦住危险措辞，老同事会顺口提醒你那个数不对。你从来没为这张网付过钱，所以你感觉不到它的存在。现在那些隐形的网都没了，布网变成了你这个「老板」明晃晃的责任。它不是可做可不做的善后，是一块要明确排进日程的新增工作量。

检查点怎么设？几个拿来就能用的做法。第一，凡是要出你这道门的东西——发给客户的邮件、交给老板的报告、发到公开渠道的内容——必须过你的眼睛，没有例外，这是最后一道关卡，永远不外包。第二，数字和事实单独抽查：AI 编造一个像模像样的数据时，语气和真的一模一样，所以规矩是「每个关键数字都要能指出来源，指不出的当它不存在」。第三，给它一条「不会就问」的纪律：在指令里写明，没把握的时候停下来问你，而不是硬着头皮蒙一个——AI 默认的毛病是永远自信，这条纪律就是治它的。第四，高风险动作留人工开关：凡是发出去收不回的——发邮件、改线上数据、花钱——一律设成「它准备好、你按发送」。第五，量大的活用抽检代替全检：一百条里随机抽十条细看，质量稳了放宽，出过错就收紧——跟工厂质检一个道理。

知道 AI 会出错之后，流行两种反应。一种人从此逐字重做，AI 交来的每一份都从头核一遍——那委托就失去了意义，等于后厨炒完你再炒一遍；另一种人被头几次的顺利养出了全信，看都不看直接放行——迟早栽在那勺盐上。两种都不是成熟姿态。成熟的做法介于其间，像你带一个新员工：你不会盯着他敲的每一个键，但你会看他的周报、抽查他的交付物，头一个月看得紧，靠谱了慢慢放手。对 AI 也一样，给每类活在心里记一本信任账：这类活它连续十次没出过错，检查点往后挪；那类活上周刚翻过车，关卡加密。验收的艺术不在于看得多，在于知道在哪看、看什么。

验收还分两层。浅的一层是验这一次的活：这份东西，能不能出门。深的一层是验这条产线：这次出的错，是偶然失手，还是指令里本来就埋着坑？如果是后者，就回去改那份岗位说明书，让同样的错从此绝迹。只验活不验线的人，永远在打地鼠；每抓到一个错就顺手修一次产线的人，系统一天比一天结实。

这几条会不会让你慢下来？会，慢一点。但请注意方向：随着信任建立，检查点可以越设越少、越设越靠后；而跳过验收省下的时间，迟早连本带利地赔回去。

到最高那一级，这件事会看得更清楚：当你的系统真的能自己跑业务时，你每天做的唯一一件事就剩下监督。监督不是带队带剩下的残余工作，它是这套模型里最后一项、也是最不能交出去的工作。所以「老板」在这本书里从来不是个头衔，它是一种责任结构：执行可以全部交出去，署名和后果永远绑在你身上。

七、瓶颈的迁移：从「做不完」到「该不该做」

当执行变得几乎免费，整个工作的瓶颈会挪位置。

让我们再算一笔账。一个三百人的公司，一个想法要落地，得过四层审批，从提出到上线，三个月。一个三人的小团队，没有审批这回事，想法当天就能变成产品。中间差了一百倍。

这一百倍，过去你会以为差在「人手」——人多力量大，三百人当然比三人能干。但今天不是了。三人加上一群 AI，能干的活不比三百人少。那差的一百倍，差在哪？差在三百人那边，一个想法要过几个人的手、开几次会、排几轮期；而三人这边，想到就做，做了就改。

也就是说，当 AI 把「做」的成本压到接近零，决定你快慢的，不再是你做得多快，而是你想得多清楚、决定得多果断。

把镜头再拉近一点。同样上线一个小功能，老办法是六个人拉齐开六次会、排三天期，才能小心翼翼地灰度上线；新办法是一个人想清楚之后，下十来条连贯的指令，当天生成、当天上线。两边的人都没偷懒，差别在于：老办法里大部分时间花在「人等人」，新办法里几乎所有时间都花在「想清楚」。

看到这儿你可能想说：道理是好道理，可我在三百人那边上班，审批层又不归我管。别急着把自己摘出去，这道数学题对上班的人同样成立，而且至少成立在三个地方。

第一，在你自己的一亩三分地里，你就是那个三人小队。你负责的项目、你手上的模块，从你起念到你交付，中间有多少来回是你自己造成的——反复开会拉齐、等人给你做一张你其实可以让 AI 做的图、把两小时能验证的想法在脑子里盘三个星期？组织的审批层你动不了，自己这一段的「想到」和「做到」之间的距离，你完全做得了主。当别人还在排期的时候，你已经带着跑通的原型出现在会议室，这本身就是发言权。

第二，当「做得完做不完」不再是挡箭牌，你在会议室里的发言质量会被看得更清楚。过去说「这个做不了，没人力」可以结束讨论，现在这句话越来越站不住——做的成本塌下去之后，露出来的是判断：你提的这件事，到底该不该做？为什么是它不是别的？公司里那些平时靠「忙」来证明价值的人会最先感到不适，而想得清楚、敢拍板的人，辨识度会前所未有地高。换个角度说，你的老板自己也淹在每天要拍的板里，谁能把一件事想透了再端给他、替他省掉三轮来回，谁在他眼里就在升值。

第三，组织自己也在变。审批层层叠叠的公司，正在被这道一百倍的数学题逼着扁平化。有人甚至给未来的标准建制开出过一个夸张的配方：三个想得清楚的人，加二十个不知疲倦的 AI。配方未必当真，方向却很难反驳——组织最终只会剩下薄薄的两层，做决定的，和跑执行的。中间那层传话、汇总、排期的薄下去的时候，你最好已经站在会做决定的那一边。

过去你大量时间花在「把事做出来」——做表、写稿、画图、跑数据，这些正在被 AI 大幅接管。被腾出来的时间，会逼你去回答一个更难、也更值钱的问题：在我能做的一百件事里，哪两三件是真正对的？这个问题之所以难，是因为它没有标准答案可抄，也没有忙碌可以躲。「做不完」是个舒服的借口，「想不清」不是。

这恰恰是机器最不擅长、而你最该练的地方。判断力这条线，第九章会给它开刃，第十五章会把它收顶，我们会反复回到它。

八、四级台阶：你现在站在哪一级

从「会用 AI」到「带着 AI 创造资产」，中间不是一步，是四级台阶。这套台阶的好处是，每一级的标准都是动作，不是感觉——「我觉得我挺会用 AI 的」不算数，它看的是你手里沉淀了什么、跑着什么、留下了什么。对照一下，你大概知道自己站在哪儿，下一步往哪迈。

第一级，执行。你用 AI 干你本来就在干的活——写会议纪要、改文案、查资料，核心动作是把高频重复的任务变成可以随时调用的模板。我认识一位公众号编辑，她的起步动作很笨也很有效：花一个星期把自己每天干的活记下来，挑出选题整理、标题打磨、错别字校对这三样最重复的，各做成一套固定指令。现在她每天的活七成靠现成模板一键调起；她的同事也天天用 AI，但每次都是新开一个对话框从头聊，聊完即弃。两个人用的是同一个工具，一个在攒资产，一个在攒聊天记录。失败的信号是：你每次都从零打开对话框，什么都没沉淀——会用，但不会复用。跨过去的标志是：你日常七成的活，都有现成模板或指令可以直接调。

第二级，增强。你开始用 AI 做你本来做不到的活——设计师做出能跑的原型，产品经理写出脚本，一个人独立完成过去要外包的用研分析。有位交互设计师，从没写过一行代码，拿 AI 把自己的设计方案做成了能真点真滑的原型，直接放到用户面前测。第一轮测试就把她原先笃定的两个方案全测翻了，第三版才站住。这件事过去要排队等开发资源，一个来回两个星期，现在两天。那一刻她交付的不是省下来的时间，是一项她昨天还没有的能力。失败的信号是：你只敢用 AI 做「我本来就会」的事，那是提效，不是增强。跨过去的标志是：你至少交付过一件靠 AI 突破了自己能力边界的东西。

第三级，驱动。你不再一句一句喂 AI，而是搭起智能体和自动化流程，让它主动跑，你只做验收和护栏。一位产品经理给自己搭了条流水线：每天夜里自动抓取各渠道的用户反馈，分好类、标好严重程度、附上原文链接，早上九点一份摘要躺在他桌面上。他还给流水线立了条规矩：拿不准怎么归类的反馈，单独放一堆等他亲自看——护栏不是搭完系统再补的，是系统的一部分。他没有比从前多干活，但他每天比同行早两个小时知道用户在骂什么。失败的信号是：离开你，它就停转。跨过去的标志是：你至少有一条流程，是「你睡觉的时候它也在跑」的。

第四级，超级个体。你的产出形态变了——从「交付物」升级成「会复利的资产」：课程、产品、内容、客户系统。Base44 和 gstack 就站在这一级。一个不写代码的版本长这样：有位写作者把自己多年改稿的判断标准，封成一套别人拿来就能用的指令包卖出去，买的人在用，他不用到场。失败的信号也很清楚：换个赛道、换个客户就得从零再来，那说明你攒下的只是收入，不是资产。判断标准很硬：你超过一半的收入或影响力，来自昨天你没有动手的产出。换句话说，前三级衡量的是你出手时有多强，这一级衡量的是你不出手时还剩下什么。

回头看这几个人——编辑、设计师、产品经理、写作者，没有一个是靠代码吃饭的。他们的共同点在别处：都在某个时刻停下来问了一句「这件事，能不能不由我亲手干」。台阶就是从这一问开始的。

这四级没有捷径，也别想跳级。没有第一级攒下的模板，你第三级的流程就没有零件可装；没有第二级摸到的能力边界，你第三级设的护栏就全凭想象。每一级都是上一级的地基。但四级有个共同的内核：每往上一级，你做「执行」的比重就少一点，做「判断和设计」的比重就多一点。说白了，你越来越像一个老板，越来越不像一个干活的。

本章要点清单

核心判断：在 AI 这件事上，决定你天花板的，不是你会不会用它，而是你会不会带它。
锤子思维省时间，上限是你的二十四小时；老板思维搭产线，攒的不是熟练度，是杠杆。
带队是分工能力，不是编程能力：把一件事拆开、派出去、再收回来。
你对「好」的标准，能不能清楚到写成一份说明书——写得出来，你就有了团队；写不出来，你拥有的只是昂贵的聊天窗口。
岗位和模型分离：模型半年一换代，你的组织图不作废。
老板三件事有结构：拆解画图纸，分派定交法，验收守署名。
拆解的病叫「喂愿望」：你喂进去的是愿望，吐出来的就只能是套话。
分派的两种病：弃养（高估系统）与替班（低估系统）；判断口诀是「重跑一遍」大胆交，「擦三天屁股」贴身盯。
委托执行，不等于委托责任；产出可以委托，质量必须设关；署名永远不外包。
错得越漂亮的东西，越需要有人不被漂亮迷惑。
验收分两层：验活治标，验线治本；只验活的人永远在打地鼠。
瓶颈正在从「做不做得完」挪向「该不该做」：「做不完」是个舒服的借口，「想不清」不是。
四级台阶：执行攒模板、增强破边界、驱动搭流程、超级个体造资产；前三级看你出手时多强，第四级看你不出手时还剩下什么。

小结

回到开头那个一个人卖了八千万的故事。Maor Shlomo 厉害的地方，从来不是他比别人多会一门技术，是他在所有人还把 AI 当成「更快的自己」的时候，先一步把它当成了「替自己干活的人」。这一念之差，就是工具思维和老板思维之间的全部距离。

而这个「老板」的当法，这一章已经摊开了：先把事拆开，再把活派出去，最后把关收回来；标准写成说明书，责任留在自己手里；然后沿着四级台阶，一级一级往上走。没有一步需要你会写代码，每一步都需要你想得清楚。你可以让后厨炒八个锅，但菜单是你定的，署名是你签的——这就是「老板」在这本书里的全部含义：不是头衔，是责任结构。

这一章讲的是姿势——怎么站、怎么想、怎么带。但你心里可能还有个问号：这套姿势，是不是只对那些想创业、想单干的人才有用？我每天还在公司上班，它跟我有什么关系？

关系大了。因为当 AI 把「会做」变得越来越廉价，整个社会衡量一个专业人士的那把尺子，正在被悄悄换掉。这把新尺子量的是什么，为什么它会让一些人迅速贬值、另一些人身价倍增——是下一章的事。