https://xiaoyuzhoufm.com/podcast/689c6fb36f495c4caccf91d1
「送走你的乐高」是硅谷流传了十几年的职业建议：每隔几个月就把你手上的活交出去，你才能跟着公司一起长大。但 Molly Graham 这次来收回了一半——当接手的对象变成 AI，这件事的性质就变了。任务出去了，责任没出去。你以为自己在减负，其实是被推上了一个你从没应聘过的管理岗。
嘉宾是谁
Molly Graham 花了二十多年帮各种组织和组织里的人应对增长与变化。她在 Google 待过（团队九个月从 25 人涨到 125 人），在 Facebook 做了约五年，负责文化、薪酬与绩效体系，亲历公司从 500 人、8000 万用户涨到 5500 人、11 亿用户；后来做过协作软件公司 Quip 的 COO，也管过 Chan Zuckerberg Initiative 的运营。
她最出名的是十几年前发在 First Round Review 上的那篇《Give Away Your Legos（送走你的乐高）》，讲公司快速扩张时，人得主动把自己的职责交出去，才能腾出手去搭更大的塔。这篇文章至今仍是 First Round Review 的招牌文章，十几年来被反复引用。关于它的年份有个小出入值得说明：节目里说 13 年，Molly 自己在 2026 年的文章里写的是「10 年前」，确切日期无法核实，所以这里只说十几年前。她现在主持 TED 的 WorkLife 播客（从 Adam Grant 手里接棒），运营一个面向资深运营者的领导力社群 Glue Club，还给一份叫《Lessons》的 newsletter 写东西。
主持人 Lenny Rachitsky 写订阅量超过 100 万的《Lenny's Newsletter》，主持同名播客，自己以前在 Airbnb 做了约七年产品增长。他每年和 Noam Segal 做一次「科技从业者情绪调查」，这期节目里的倦怠数据就出自那份调查的第二期（2026 年）。这是 Molly 第二次上他的节目。
一、把活交给AI，你并没有真的「送出去」
Molly Graham 在节目中说，委托给机器人的事情，最终责任仍然留在自己身上
Molly Graham 有一个用了十几年的比喻：一家快速扩张的公司就像一堆人在拼一座巨大的乐高塔。新人来了，会接手你正在搭的那部分。你的本能是想抢回来，或者站在旁边盯着他别搭歪。她的建议是反着来——每隔几个月把自己的工作送出去一次，让自己变得「可有可无」，再去找旁边那堆更大更新的乐高。这个建议之所以在硅谷传了十几年，是因为它解决了一个真实的痛点：公司长得比人快，抓着旧活不放的人会被落下。
但这套逻辑有一个从未被说出口的前提：接手的得是个人。一个会自己判断、出了事会负责的人。今年，前提塌了。AI 把「把活交出去」这件事的成本降到了零，于是所有人都在被鼓励把乐高送给 AI。Molly 说，她一开始是怀疑派——「我们自动化搞了这么多年了，这有什么新鲜的」。后来她意识到，把东西交给机器人和交给一个人，是完全不同的两件事。
区别在于监督这件事甩不掉。她在节目里说得很直白：「它更像是把事情委托给你团队里的某个人，这东西还是你的。」效率是变高了，机器人确实能替你做这做那，但最终成果还是你的责任，那个「精神上的税」还压在你身上。她的原话是：「某种意义上我能做的事更多了，但心理上，所有机器人干的那些活，负担全在我这儿。」
这个判断有数据在旁边站着。Lenny 与 Noam Segal 的年度科技从业者情绪调查（第二期，2026 年）显示，显著倦怠率在一年内从 44.7% 升到 55.7%；职业乐观从 54.8% 降到 48.7%；53% 的人说不会推荐新人进入自己的岗位；同时 82% 认为 AI 让自己更有效率。有效率，同时更倦怠，这两件事并不矛盾——它们描述的是同一种处境。容易漏掉的是同一份调查里的另一栏：一半受访者说自己从没这么快乐过，觉得自己正处在职业生涯最好的时候，而最快乐的那批人，是那些觉得 AI 放大了自己的人。追不上就被永久甩下这种恐惧是真实的，但至少现在，它不是全部的事实。
Molly 的解释是：你现在管的是「一堆机器人，可能还有一堆人」。她提到一条管理学老规矩，一个人最多应该直接带十到十二个下属——这个数字其实没有权威出处，学界主流看法是没有通用最优值（经典研究给出的上限只有 4 到 6 人）。但她关心的不是精确数字，而是如果机器人也算进要照看的人头里，你的脑子要同时装多少东西。
这里还有一层普通人容易忽略的事：很多人是被动地当上了管理者。Molly 说，管理机器人的技能和管理人是高度相似的——监督、给背景信息、纠正产出、辅导。问题是「太多人是主动选择不当管理者的」。你可能从来没想过带人，也没练过怎么给反馈、怎么判断哪些错误是新手必然犯的、哪些是真的不行。现在你每天要重复这套动作几十次，对着一个不会记住教训的对象。
工程师们对这种处境的描述有个专门的词：心流。这是心理学家契克森米哈伊提出的概念，指完全沉浸在一件事里、忘记时间、行动和意识合一的状态。编程大概是所有工作里最依赖心流的——程序员 Paul Graham 在 2009 年写过，写代码的人按「半天」为单位安排时间，一个会议就能废掉整个下午，因为会议对制造者来说「像抛出异常」，不只是切换任务，是切换整个工作模式。
AI 恰恰是那个不断打断你的东西。它每隔几分钟就 ping 你一次：这个怎么办，我卡住了，这样行吗。你从「亲手建造的人」变成了「审阅、抽查、纠错的人」。Lenny 在节目里说他跟真人工程师合作时会格外珍惜——你给一个厉害的人类工程师一个粗略的想法，他就能自己跑起来，做得特别棒；而跟 AI 干活是「不行，这个太烂了，好，我们再试一次，然后坐在那儿等五分钟」。Molly 的回应是：「这就是带初级员工和带资深员工的区别。」
所以「AI 会消灭工作」这个恐惧叙事，至少在眼下，遮蔽了一个更日常也更真实的痛苦：工作没有消失，只是变成了一份你没得选的管理工作。Lenny 在节目里说了一句话，很多人应该有共鸣：「我怀念以前那样，看看我现在干的这份奇怪的新工作。」
二、AI不是最聪明的员工，是个需要盯着的懒实习生
Molly Graham 在节目中把 AI 比作需要指导、需要反复修改的实习生
关于 AI 最常见的说法是：它可能是你雇过的最聪明的员工，什么都比你强。Molly Graham 说，这种说法会直接决定你怎么用它——而结果通常是灾难性的。
她给 AI 换了个身份：「它其实更像一个实习生，而且经常是个糟糕的实习生。我叫它懒实习生。」这个比喻不是修辞，是一套可操作的标准。如果你有个暑期实习生给你做了一份 PPT，你绝不会看都不看就转发给老板。你会反复改，会编辑，会回想你跟这个实习生聊过的那几十次对话里有没有把背景交代清楚，然后才敢把东西发出去。「AI 也一样。」
但现实不是这样。她看到的做法是：把它当成史上最好的员工来用，所以直接复制、粘贴、发出去。中文互联网上有个词叫「AI 垃圾」，英文里叫 AI slop——这个词 2024 年 5 月由英国程序员 Simon Willison 在一篇博文里正式推向主流，他借用了 slop 原本「喂猪的泔水」这层意思，用来指那些用生成式 AI 批量产出、缺乏用心、硬塞给没要它的人的内容。2024 年 5 月，Google 在搜索里上线 AI Overviews，出现了建议用户「往披萨上抹胶水」之类的回答，成了这个词最著名的公共样本；2025 年，slop 被 Merriam-Webster 词典选为年度词汇。
Molly 对这件事的判断是：「我觉得现在满世界的垃圾内容，一部分原因就是大家把责任感给寄出去了。」她讲的场景很具体——她在 Glue Club 里见过 CEO 发出去一份明显是 AI 写的战略备忘录。「你这是在给整个组织做示范，示范把思考外包出去没关系，把战略外包出去没关系，示范你发出去的东西不用负责任。」
这里要分清楚两个经常被混着用的词：生产力（productivity，产出除以投入）和效率（efficiency，把事做对、少浪费资源）。Molly 的区分是：「生产力是你能不能产出更多，而这一点我们现在已经证明了，我们都能产出一大堆垃圾。」真正该问的是，这些产出有没有推动事情往前走。她说这让她想起管理学上一连串失败的老办法：数停车场里停了多少车、数 Slack 里的消息气泡、数代码行数。这些指标的共同毛病是，它们数的都是活动，不是结果。代码行数来自打孔卡时代，那时候一行代码就是一张卡，行数是管理者唯一看得见的东西；但行数跟功能多少关系很差，把重复模块合并、删掉代码的好工程师，数字上反而显示成「负产出」。管理学里管这叫 Goodhart 定律——一个衡量标准一旦变成考核目标，就不再是好标准。
同样的故事正在 AI 时代重演，只是换成了 token 排行榜（公司开始统计每个人让 AI 处理了多少 token——可以粗略理解成 AI 吐出的字词量，并按这个数字给员工排名）。Molly 在节目里提到一份工程报告的结论：AI 确实让工程师效率更高了，但需要重写的代码量涨了八倍，「当然，安全事故也变多了」。需要说明的是，她没有讲这份报告的来源，公开可查的报告里也找不到这个确切的八倍数字，所以这个数只能当作嘉宾的转述听。
最接近的公开数据来自 GitClear——它统计提交后两周内被改写或删除的代码行占比（英文叫 churn），2026 年 1 月的报告称重度 AI 使用者的 churn 是非使用者的 9 倍。注意这是重度用户与非用户的横向对比，不是「AI 让返工率涨了 9 倍」的纵向增幅；同一份报告还承认，这批人 4 到 10 倍的产出差距「大部分在 AI 之前就存在」。而且 GitClear 本身是卖工程效能工具的厂商，数据是相关性，不能读成因果。
更值得记住的反向证据来自独立研究机构 METR 在 2025 年 7 月发布的一项随机对照实验：16 名资深开源开发者处理 246 个真实任务，允许使用 AI 的那组反而多花了 19% 的时间。有意思的是，这些开发者在实验前预计自己能快 24%，做完之后仍然觉得自己快了 20%。
这类「感觉快、实际慢」的落差，正好解释了倦怠数据里那部分说不清来源的疲惫。Molly 认为清理 AI 垃圾是一件消耗极大的事：「如果你一整天都在蹚着看对面那个人到底有没有真的想过这件事、到底在不在乎，那太累了。这不像是在好好利用时间，只会让人觉得有点火大。」
那么该怎么判断哪些事能交给 AI？Molly 和 Lenny 给出的答案几乎等同于一个生活化的提问：这件事你会不会交给一个暑期实习生。反过来说也一样——什么事 AI 一定会做得很烂，或者你自己特别热爱、不希望它拿走的，那就别交。
B2B 销售数据平台 Clay 在 2026 年 8 月公开了一份公司内部的「AI 写作政策」，是这期节目参考的材料之一。它的思路可以看作这个判断标准的制度版本：不禁止用 AI 写，但要求作者为文档里每一个观点、每一句话负责，不能回一句「AI 写的，忽略吧」；写作本身就是思考，把文档外包出去等于跳过思考；作者花的时间应该多于读者花的时间；长不等于好——用一句提示词生成的长文，不如直接把那句提示词分享出去。
三、别问工作会不会消失，问它会变成什么样
Molly Graham 说，与其保护已经会的东西，不如参与设计这份工作的下一个版本
这期节目里最实用的一句话，是 Molly Graham 请听众换掉一个问题。她在节目里反复讲的一句话是：如果你的工作会一直存在，只是每隔几年就变得完全不同，你会怎么做？这个框架来自她做 TED 的 WorkLife 播客时采访的一位嘉宾，Manoush Zomorodi 那一集。这里要说清楚来源的区别：Zomorodi 本人从没提过固定的「六年周期」，她说的是「这不是重塑，我其实一直是同一个人，变的是项目、方法和载体」，灵感周期是每两三年一次。是第三方节目摘要用「三十年除以几次转型」推算出「每六年变形一次」，再被转述出去的。
Zomorodi 是美国记者和播客主播，现主持 NPR 的《TED Radio Hour》。她在新闻业待了差不多三十年：上大学时想做纪录片，直接翻电话簿打给 BBC 华盛顿分社，问「你们需要实习生吗」，接电话的是分社长，她就这么入了行，在 BBC 待了约十年。后来她在纽约公共电台 WNYC 主持科技播客 Note to Self，2018 年跟执行制片人一起辞职，创办了自己的媒体公司，把创业过程本身做成了播客。这条路不顺利——她押注的区块链新闻项目 Civil 在 2020 年关停，疫情又切断了广告收入。之后她回到体制内，换了个载体继续做。
Molly 用她的经历回答了一个很常见的恐惧：新闻业被预言要死，预言了三十年。互联网来的时候说要死、社交媒体来的时候说要死、传统商业模式崩塌的时候说要死。行业确实被重创了——皮尤的数据显示，美国新闻编辑室就业自 2008 年以来下降约 26%，报纸编辑室从约 7.1 万人缩到约 3.1 万人。但结果不是记者消失了，而是记者换了活法：2020 年前后一大批人转去做独立订阅（Substack 这类平台，读者按月付费，平台抽成约一成），从领薪水的雇员变成了自己经营内容的小生意人。行业里的岗位在减少，但做内容这件事的人没变少——用 Molly 的话说，现在当记者的人更多了，「不管这是好是坏」。
Molly 认为科技从业者现在面对的是同一道题，只是出得更快。她注意到当前最主流的叙事是「这些工作都要被 AI 干掉」，而裁员又都被贴上 AI 的标签。她说这种说法的问题在于，它让人没法站到一个愿意往前扑的姿态上。
这里有一个数据上的细节值得摊开说，因为 Molly 的判断方向大体成立，但比她的说法更复杂。裁员统计公司 Challenger, Gray & Christmas 的数据显示，2025 年美国企业宣布裁员 120.6 万人，是 2020 年以来最高，但公司自己把原因写成「AI」的只有 54,836 人，占比约 4.5%；拉高总数的是政府相关裁员约 31.5 万、市场与经济状况 25.3 万、关厂关店 19.1 万。到了 2026 年情况变了：1 到 7 月宣布裁员 47.7 万人，公司公告里引用「AI」作为原因的共 11.3 万次、约占总数的 24%。这两个口径并不一样——2025 年那个数字是公司自述因 AI 被裁的人数，2026 年这个 24% 是公告中引用「AI」的次数，所以不能拿来做减法说「AI 裁员涨了五倍」。这家公司自己也承认归因口径模糊——它的高管说，在裁员公告里点名 AI「能讨好投资人、却会推开现有和潜在员工」，这就是口径从含糊其辞转向主动引用的原因。
Molly 的立场是：很多「AI 裁员」根本不是 AI 造成的，而是公司为过去招太多人贴的标签。这个判断在 2025 年的数据里站得住，在 2026 年就没那么好用了。
她真正反对的是这套叙事背后的那个假设：十年后没人有工作，所有人靠国家养。这就是科技圈这些年反复讲的「全民基本收入（UBI）」故事——政府定期给所有人发钱、不查收入也不要求工作。UBI 之所以被绑上 AI，是因为它最核心的论证就是「自动化会导致大规模技术性失业」：如果 AI 让大量工作消失，那就直接发钱兜底。推这个叙事的科技圈人物有一批——Elon Musk（2018 年说机器人抢走工作后「发钱将不可避免」）、Andrew Yang（2020 年竞选主打每月 1000 美元的「自由红利」）、Jack Dorsey、Richard Branson 等；Sam Altman 担任董事的 OpenResearch 资助了美国迄今最大规模的无条件现金实验（2020 到 2023 年，1000 人每月领 1000 美元，为期三年）。Molly 的原话是：「如果是这种叙事，那他妈的谁还愿意把乐高送给机器人？没有人。」
顺带说一句，那个最大规模的实验并不支持「集体躺平」的想象：结果是受助者每周少工作一到两小时，劳动参与率下降 4.2 个百分点，幸福感在领钱第一年上升，之后回落到对照组水平。
Lenny 在节目里提到 Tim O'Reilly 办的 Foo Camp 上，一位律师说要把自己做这份工作的具体知识藏起来、不让 AI 学会，因为「不然我就会被替代」。Molly 说她能理解这种反应，但她的回应是：律师永远都会存在，只是每隔几年看起来就完全不一样了。「那你觉得下一版的律师长什么样？你想参与设计它吗？」
Lenny 在节目最后提醒了一个思维方式上的变化：过去做产品讲究先发最小可用版本，先发出去再说；现在工具能力过剩，压力反过来变成了——你能想到的最大胆的版本是什么。而 Molly 立刻补了一个问题。她承认「你可以打几个字就把它变出来」，但接着要问的是「它好吗」。「如果野心指的是我怎么做出一个了不起的、能长久的东西，那我感兴趣。如果只是我怎么多造点垃圾扔到世界上，那就算了。」
需要说清楚的是，这套「工作会继续存在、只是会变形」的乐观，目前是个信念，不是结论。Molly 自己在节目里承认：「可能半年后或者五年后我会后悔说这话。」她也说，市面上流传的那些关于未来的故事「还不是真的」，「我们不知道，我觉得把这一点说出来很重要」。她选择先按乐观的版本行动，理由不是她确定，而是另一种选择——死死抓住一件可能正在慢慢死去的东西——并不因此更安全。
写在最后
把三个观点连起来看，Molly Graham 其实在讲同一件事：AI 时代真正稀缺的不是产出，是「什么算好」的判断，以及愿意为它签字的人。任务可以外包，责任没法外包；代码可以生成，品味和关系不行。
对普通职场人来说，眼下的处境有点像突然被塞进一份管理工作：你要给背景、要审稿、要纠错、要决定什么时候说「这不行，重来」。这件事很累，而且没人问过你愿不愿意。但换个角度，它也是这轮变化里最难被替代的部分——因为责任总得落在某个人头上。
值得想一想的是：过去这半年里，你有多少时间花在产出上，又有多少时间花在清理产出上？如果后者的比例越来越高，那可能不是你用 AI 的方式有问题，而是你所在的这套工作流程，还没想清楚人应该站在哪个位置。
收听本期：小宇宙搜索「闪电译制厂」，收听《EP14｜悲伤、孤独与倦怠正在席卷科技行业 | Molly Graham》。 https://www.xiaoyuzhoufm.com/episode/6abd9763e742e36efcbd4fd7
原节目：Lenny's Podcast《The grief, loneliness, and burnout sweeping through the tech industry right now | Molly Graham》 https://www.lennysnewsletter.com/p/the-grief-loneliness-and-burnout