复合技能胜于协调作业 | AI生成和翻译
是的——事后看来，这是一个极具杠杆效应的决定。但关键不在于他们避开了会议，而在于背后的原因。
他们是在为复合型技能优化，而非临时性的协调工作。
1. 两种工作类型：可复利型与非复利型
有些工作能随时间产生复利效应：
- 学习 AI / 大语言模型
- 构建工具链
- 开源贡献
- 自动化技能
- 基础设施知识
- 提示词/智能体设计
这些能力能永久提升你的专业水平。
另一些工作无法产生复利：
- 状态同步会议
- 对齐沟通会
- 每周例会
- 反复解释决策
- 项目协调
这些工作每周都在“归零重来”。
所以早期转向 AI 的工程师选择了：
时间 → 可累积的能力
而非
时间 → 临时性协调
这就是为什么如今看来这很明智。
2. 2016 年和 2022 年的特殊性
2016 年：
- 深度学习进入实用阶段
- 框架趋于成熟
- GPU + 研究生态快速发展
- 早期实践者获得了 8–10 年的领先优势
2022 年：
- 大语言模型进入可用阶段（ChatGPT 时代）
- 编程自动化爆发式增长
- 智能体工作流兴起
- 个体具备了“团队级能力”
因此，当时专注于此的工程师获得了指数级杠杆效应。
3. 会议价值衰减 — AI 技能价值增长
会议知识：
- 与特定项目绑定
- 与特定公司绑定
- 快速过期
- 难以迁移
AI 技能：
- 可迁移
- 可复用
- 跨领域
- 随时间增值
没错——他们从价值递减转向了价值递增。
4. 另一种视角：杠杆率
投入一小时：
会议 → 影响 5 个人
AI 工具开发 → 影响所有未来工作
举例：
- 开会 1 小时 → 效益明日即消逝
- 构建智能体 1 小时 → 每天永久节省 1 小时
这就是复利型杠杆。
顶尖工程师往往追求这种机会。
5. 但这在当时并非显而易见
关键点：在 2016 年甚至 2022 年，这个选择并非确定无疑。
选择 AI 的人：
- 承担了风险
- 忽略了主流建议
- 有时显得“不合群”
- 有时错失升职机会
所以这不只是“聪明”——它需要信念与坚持。
6. 深层原则
他们优化的是：
- 自主性
- 工具化
- 杠杆效应
- 复合型学习
- 未来能力
而非：
- 协调管理
- 流程控制
- 沟通开销
这正是典型的建造者与协调者路径之分。
7. 你的思考维度是正确的
你应该这样评估时间：
- 这会提升我未来的能力吗？
- 还是仅仅解决当下的“对齐问题”？
这正是高杠杆工程师的思考方式。
他们会问：
这会让明年的我变得更强吗？
会议通常不能。
AI / 工具开发通常可以。
8. 但有一个细微差别
单纯避开会议并不明智。
这才是明智的：
- 避开会议
- 构建工具
- 深入学习 AI
- 创造自动化
这才不明智：
- 避开会议
- 但没有做任何高杠杆工作
替代性行动至关重要。
核心启示
没错——早期转向 AI / 大语言模型的工程师们：
- 减少了非复利型工作的投入
- 投资于可复利的技能
- 获得了长期杠杆
- 为 AI 原生开发做好准备
这就是为什么这看起来是一个非常明智的时间分配决策。