AI時代最值錢的能力：能動性Agency
摘要
能動性（Agency）是指自己發現問題、定義目標、主動推進到結果的完整認知回路，卻是幾乎所有教育體系都未明確教授的能力。AI普及後，執行工作價值快速下滑，而主動定義問題、發起任務的人才價值正達歷史高點。長期依賴AI執行指令，反而會讓主動判斷能力萎縮。影片提供四個實踐切入點：問題所有權、最小發起實驗、反外包判斷、復盤發起記錄，幫助任何人有意識地培養這項關鍵能力。
完整逐字稿
有一種能力，幾乎所有教育體系都沒有明確教過，大多數職場培訓也從未單獨列為課程，但在過去兩百年裡，它一直是區分推動事情發生的人和等事情發生的人之間最穩定的變量。這種能力叫做 Agency，中文可以譯為能動性。
在 AI 工具還不存在的年代，能動性的高低還不太容易被放大，一個執行力強但缺乏主動判斷的人，仍然能靠熟練度在職場裡占穩位置。但從現在往後數十年，情況會發生根本性的改變。執行的成本正在快速趨近於零，一個人能寫程式、能做設計、能完成分析報告，這件事本身的價值正在被重新定價。而真正開始升值的是另一種東西：誰在決定做什麼，誰在定義問題，誰在把一個模糊的意圖推進成真實的結果。
這條視頻想討論的就是這件事——Agency 到底是什麼，為什麼它在 AI 時代變得如此關鍵，以及一個普通人從現在開始可以怎樣有意識地去培養它。
過去幾年，一個現象開始在各類職場裡悄悄浮現。AI 工具的普及速度遠超預期，但使用這些工具的人並沒有因此變得更有創造力，反而有相當一部分人在工作上變得更加依賴指令。工具變強了，怎麼人反而變被動了？
觀察一下具體的使用方式就清楚了。大多數人使用 AI 的方式是接到一個任務，然後讓 AI 幫自己完成。老闆說寫一份報告，就讓 AI 寫報告；客戶說做一個方案，就讓 AI 生成方案框架。整個過程裡，人的角色是傳令兵，把外部指令轉化成 AI 的輸入，再把 AI 的輸出交出去，這個角色本身並沒有任何主動判斷的成分。
麻省理工學院在 2023 年做過一項追蹤研究，觀察了一批使用 AI 寫作輔助工具的知識工作者。數據顯示，短期內他們的產出質量明顯提升，但在持續使用六個月後，其中約四成人在獨立完成複雜任務時的表現反而出現了下滑。研究者給出的解釋是：當一個人習慣了有工具托底的狀態，他主動構建問題框架的能力會逐漸萎縮，因為這部分認知負擔被長期外包出去了。
這是人類大腦的基本運作方式。大腦對任何長期不需要調用的回路都會降低維護優先級，你不用的能力會以肉眼看不見的速度慢慢退化。當一個人的工作方式變成等指令、用工具、交結果，他實際上正在把自己最重要的職業資產——主動判斷的能力——一點一點地兌換成短期的便利感。
這個交換在當下看不出代價，但再往後數年，當 AI 可以獨立完成所有執行工作的時候，那些從未真正主動發起過任何事情的人，會發現自己處在一個非常尷尬的位置。工具比他們更能執行，而他們又從未建立過定義問題、推動議程的習慣。那個時候，他們拿什麼來證明自己的位置？
這個問題值得在搞清楚 Agency 的定義之前先認真想一想。
很多人聽到「能動性」這個詞，第一反應是主動、積極、勤奮、努力。這個理解偏掉了關鍵的一層。Agency 描述的不是努力程度，而是一種完整的認知回路：自己發現問題，自己定義目標，自己決定路徑，自己推進到底，並且在過程中持續根據現實反饋做出調整。這個回路的核心是發起權在自己手上。
同樣是發現公司的用戶流失率在上升，兩個人會有截然不同的反應方式。第一個人注意到數據異常，等著上級安排專題會議討論。第二個人注意到數據異常之後，自己先花兩天時間梳理了流失用戶的行為路徑，找到了三個可能的原因，然後帶著初步假設和一個可執行的小測試方案去找上級談。這兩個人的努力程度可能差不多，但 Agency 的強度完全不同。第一個人在等待系統給他分配任務，第二個人把自己變成了一個局部的任務發起者。
心理學裡有一個概念叫「內控源」，由心理學家朱利安·羅特在上世紀 50 年代提出。內控源強的人相信事情的結果主要由自己的行動決定，外控源強的人相信結果主要由外部環境和他人決定。研究數據顯示，內控源傾向與長期職業成就、收入增長速度、創業成功率之間存在穩定的正向關聯。Agency 可以看作是內控源這種心理傾向在行為層面的外在表現。
Agency 高的人並不是那種什麼事都要親力親為、不信任任何人的控制型性格。他們通常非常善於授權和借力，因為他們清楚自己要把事情推向哪裡，所以能非常有效地調動周圍的資源。他們用 AI 的方式也和大多數人不同，不是讓 AI 完成任務，而是讓 AI 加速自己的判斷過程。這一層差異決定了他們在使用同樣工具的情況下，能積累出完全不同的能力厚度。
Agency 強的人有一個外部可觀察的特徵：他們身邊總有事情在發生，總有項目在推進，而這些事情很少是別人安排給他們的。這種狀態是長期訓練的結果。
至於這種訓練為什麼會在 AI 時代變得格外值錢，還得從一個更基礎的經濟學邏輯說起。經濟學裡有一條規律：當某樣東西的供給量快速增加，它的單位價值就會下降。這條規律在勞動力市場裡同樣成立。過去幾十年，知識工作者的價值很大程度上建立在執行稀缺性上，能寫程式的人稀缺，所以程式設計師薪資高；能做財務分析的人稀缺，所以分析師有溢價。但當 AI 可以在幾秒鐘內完成基礎程式碼和財務建模，執行的供給量發生了數量級的變化，執行本身的價格自然隨之下壓。部分初級程式設計師崗位的薪資增速在過去兩年明顯放緩，不少內容生產類崗位的招聘需求也在收縮。這個趨勢會持續，而且會延伸到越來越多的執行類工種。
與此同時，另一側的價值在快速上漲。Sequoia 資本的合夥人在 2024 年一篇廣泛流傳的文章裡，把未來最值錢的工作者描述為「能夠使用 AI 軍團的獨立作戰單元」。這個比喻背後的含義是：一個人如果具備足夠強的 Agency，能夠自己定義問題、設計方案、調度 AI 工具完成執行並對結果負責，他實際上能產出過去需要一個小團隊才能完成的工作量。這樣的人在人力市場上的定價邏輯，和傳統的執行型員工完全不同。
Sahil Lavingia 是設計工具 Gumroad 的創始人，他在 2023 年公開分享了一件事：公司在大幅壓縮員工規模之後，借助 AI 工具維持了幾乎相同的產品迭代速度。留下來的人沒有一個是純粹的執行者，每個人都是某個方向的發起者和負責人。Sahil 說他現在招人只看一件事：這個人有沒有在沒人要求他的情況下，自己把一件事從零推到結果的經歷。
這是 Agency 在職場市場上最直接的定價信號。雇主願意為能主動推動事情發生的人支付溢價，因為這種能力正在變得真正稀缺。執行工作可以外包給 AI，但誰來決定做什麼、做到什麼程度、往哪個方向推，至少在相當長的時間裡，仍然需要人來承擔。
問題是，這種能力不是看幾篇文章就能長出來的，它需要在真實的行動裡一次一次地被練出來。
很多人意識到 Agency 重要之後，第一反應是去尋找一套方法論。這個反應本身就有點矛盾，等待別人告訴你該怎麼培養主動性，在某種程度上仍然是一種被動。Agency 的培養從來不是靠學到某個框架完成的，它是一種行為習慣，而習慣只能通過重複真實的行動來建立。
有幾個切入點，是普通人在日常生活裡可以立刻開始實踐的。
第一個是問題所有權。當你遇到一個問題的時候，先在心裡問自己一句話：如果沒有人來解決這件事，後果是什麼？這句話的目的是讓你真實感受到一個問題是否值得你主動接下來。很多人從不主動發起，不是因為懶，而是因為從未真正感受過「這件事如果我不推就沒人推了」的那種責任感。刻意練習感受這種責任感，是 Agency 的起點。
第二個是最小發起實驗。每週給自己定一件沒有人要求你做的事，把它從想法推進到一個可見的結果。不需要很大，可以是整理一份沒人讓你整理的文件、提出一個沒人讓你提出的建議，或者發起一次沒人安排的討論。關鍵不在於這件事有多重要，而在於發起的動作本身。每一次完整地走完「發現問題、決定行動、推進到結果」這個回路，大腦裡對應的神經連接就會加深一點。
第三個是反外包判斷。在使用 AI 工具的時候養成一個習慣：在把問題丟給 AI 之前，先花五分鐘自己想一遍。這是為了保持自己構建問題框架的能力，就像即使有計算器，數學老師仍然讓學生手算，目的是讓思維回路保持活躍。
第四個是復盤發起記錄。每隔兩週問自己一次：這段時間裡，有什麼是我主動發起的，有什麼是我在等別人安排的？這兩列清單的比例，是你 Agency 強度最誠實的鏡子。如果「主動發起」這一列長期是空的，不需要給自己找理由，只需要知道這個習慣需要被有意識地培養。
Agency 不是某種神秘的天賦，也不是性格外向者的專利。歷史上那些推動過真實變化的人，有相當一部分是沉默的，甚至是有些內向的。他們的共同點不是話多，而是他們從不等待系統告訴他們該做什麼，他們自己在持續地發現問題、定義方向，然後一步一步地把事情推進去。
這種能力任何人都可以從現在開始練，而且越早開始練，複利越大。
有一件事可以作為觀察入口：在你身邊，真正推動了某件事從無到有的人，占所有人的比例大概是多少？這個比例在大多數組織裡都出奇地低。絕大多數人一生中的大部分時間，都處在響應模式裡，響應老闆、響應客戶、響應系統發來的任務。這不是批評，這是人類在大規模協作體系裡自然形成的分工狀態。只是在 AI 大規模接管執行工作之後，響應模式所能換來的回報會越來越有限。
一個值得認真對待的現實是：AI 的出現正在同時做兩件性質相反的事。一方面，它讓執行的門檻接近於零，讓越來越多的人可以高效地完成任務；另一方面，它也把「誰在發起任務」這件事的價值，推到了一個歷史性的高點。未來十年，這兩股力量會持續分化，把人群推向兩個截然不同的位置。每個人都站在這個分岔口上，而且每天的選擇都在悄悄積累朝向哪一側的慣性。
有一個問題，或許值得在這條視頻結束之後，找一個安靜的時候認真想一想：你上一次在沒有任何人要求你的情況下，把一件事從零推進到結果，是什麼時候？
今天的分享就到這裡，我們下期再見。
優優獨播劇場——YoYo Television Series Exclusive
在 AI 工具還不存在的年代，能動性的高低還不太容易被放大，一個執行力強但缺乏主動判斷的人，仍然能靠熟練度在職場裡占穩位置。但從現在往後數十年，情況會發生根本性的改變。執行的成本正在快速趨近於零，一個人能寫程式、能做設計、能完成分析報告，這件事本身的價值正在被重新定價。而真正開始升值的是另一種東西：誰在決定做什麼，誰在定義問題，誰在把一個模糊的意圖推進成真實的結果。
這條視頻想討論的就是這件事——Agency 到底是什麼，為什麼它在 AI 時代變得如此關鍵，以及一個普通人從現在開始可以怎樣有意識地去培養它。
過去幾年，一個現象開始在各類職場裡悄悄浮現。AI 工具的普及速度遠超預期，但使用這些工具的人並沒有因此變得更有創造力，反而有相當一部分人在工作上變得更加依賴指令。工具變強了，怎麼人反而變被動了？
觀察一下具體的使用方式就清楚了。大多數人使用 AI 的方式是接到一個任務，然後讓 AI 幫自己完成。老闆說寫一份報告，就讓 AI 寫報告；客戶說做一個方案，就讓 AI 生成方案框架。整個過程裡，人的角色是傳令兵，把外部指令轉化成 AI 的輸入，再把 AI 的輸出交出去，這個角色本身並沒有任何主動判斷的成分。
麻省理工學院在 2023 年做過一項追蹤研究，觀察了一批使用 AI 寫作輔助工具的知識工作者。數據顯示，短期內他們的產出質量明顯提升，但在持續使用六個月後，其中約四成人在獨立完成複雜任務時的表現反而出現了下滑。研究者給出的解釋是：當一個人習慣了有工具托底的狀態，他主動構建問題框架的能力會逐漸萎縮，因為這部分認知負擔被長期外包出去了。
這是人類大腦的基本運作方式。大腦對任何長期不需要調用的回路都會降低維護優先級，你不用的能力會以肉眼看不見的速度慢慢退化。當一個人的工作方式變成等指令、用工具、交結果，他實際上正在把自己最重要的職業資產——主動判斷的能力——一點一點地兌換成短期的便利感。
這個交換在當下看不出代價，但再往後數年，當 AI 可以獨立完成所有執行工作的時候，那些從未真正主動發起過任何事情的人，會發現自己處在一個非常尷尬的位置。工具比他們更能執行，而他們又從未建立過定義問題、推動議程的習慣。那個時候，他們拿什麼來證明自己的位置？
這個問題值得在搞清楚 Agency 的定義之前先認真想一想。
很多人聽到「能動性」這個詞，第一反應是主動、積極、勤奮、努力。這個理解偏掉了關鍵的一層。Agency 描述的不是努力程度，而是一種完整的認知回路：自己發現問題，自己定義目標，自己決定路徑，自己推進到底，並且在過程中持續根據現實反饋做出調整。這個回路的核心是發起權在自己手上。
同樣是發現公司的用戶流失率在上升，兩個人會有截然不同的反應方式。第一個人注意到數據異常，等著上級安排專題會議討論。第二個人注意到數據異常之後，自己先花兩天時間梳理了流失用戶的行為路徑，找到了三個可能的原因，然後帶著初步假設和一個可執行的小測試方案去找上級談。這兩個人的努力程度可能差不多，但 Agency 的強度完全不同。第一個人在等待系統給他分配任務，第二個人把自己變成了一個局部的任務發起者。
心理學裡有一個概念叫「內控源」，由心理學家朱利安·羅特在上世紀 50 年代提出。內控源強的人相信事情的結果主要由自己的行動決定，外控源強的人相信結果主要由外部環境和他人決定。研究數據顯示，內控源傾向與長期職業成就、收入增長速度、創業成功率之間存在穩定的正向關聯。Agency 可以看作是內控源這種心理傾向在行為層面的外在表現。
Agency 高的人並不是那種什麼事都要親力親為、不信任任何人的控制型性格。他們通常非常善於授權和借力，因為他們清楚自己要把事情推向哪裡，所以能非常有效地調動周圍的資源。他們用 AI 的方式也和大多數人不同，不是讓 AI 完成任務，而是讓 AI 加速自己的判斷過程。這一層差異決定了他們在使用同樣工具的情況下，能積累出完全不同的能力厚度。
Agency 強的人有一個外部可觀察的特徵：他們身邊總有事情在發生，總有項目在推進，而這些事情很少是別人安排給他們的。這種狀態是長期訓練的結果。
至於這種訓練為什麼會在 AI 時代變得格外值錢，還得從一個更基礎的經濟學邏輯說起。經濟學裡有一條規律：當某樣東西的供給量快速增加，它的單位價值就會下降。這條規律在勞動力市場裡同樣成立。過去幾十年，知識工作者的價值很大程度上建立在執行稀缺性上，能寫程式的人稀缺，所以程式設計師薪資高；能做財務分析的人稀缺，所以分析師有溢價。但當 AI 可以在幾秒鐘內完成基礎程式碼和財務建模，執行的供給量發生了數量級的變化，執行本身的價格自然隨之下壓。部分初級程式設計師崗位的薪資增速在過去兩年明顯放緩，不少內容生產類崗位的招聘需求也在收縮。這個趨勢會持續，而且會延伸到越來越多的執行類工種。
與此同時，另一側的價值在快速上漲。Sequoia 資本的合夥人在 2024 年一篇廣泛流傳的文章裡，把未來最值錢的工作者描述為「能夠使用 AI 軍團的獨立作戰單元」。這個比喻背後的含義是：一個人如果具備足夠強的 Agency，能夠自己定義問題、設計方案、調度 AI 工具完成執行並對結果負責，他實際上能產出過去需要一個小團隊才能完成的工作量。這樣的人在人力市場上的定價邏輯，和傳統的執行型員工完全不同。
Sahil Lavingia 是設計工具 Gumroad 的創始人，他在 2023 年公開分享了一件事：公司在大幅壓縮員工規模之後，借助 AI 工具維持了幾乎相同的產品迭代速度。留下來的人沒有一個是純粹的執行者，每個人都是某個方向的發起者和負責人。Sahil 說他現在招人只看一件事：這個人有沒有在沒人要求他的情況下，自己把一件事從零推到結果的經歷。
這是 Agency 在職場市場上最直接的定價信號。雇主願意為能主動推動事情發生的人支付溢價，因為這種能力正在變得真正稀缺。執行工作可以外包給 AI，但誰來決定做什麼、做到什麼程度、往哪個方向推，至少在相當長的時間裡，仍然需要人來承擔。
問題是，這種能力不是看幾篇文章就能長出來的，它需要在真實的行動裡一次一次地被練出來。
很多人意識到 Agency 重要之後，第一反應是去尋找一套方法論。這個反應本身就有點矛盾，等待別人告訴你該怎麼培養主動性，在某種程度上仍然是一種被動。Agency 的培養從來不是靠學到某個框架完成的，它是一種行為習慣，而習慣只能通過重複真實的行動來建立。
有幾個切入點，是普通人在日常生活裡可以立刻開始實踐的。
第一個是問題所有權。當你遇到一個問題的時候，先在心裡問自己一句話：如果沒有人來解決這件事，後果是什麼？這句話的目的是讓你真實感受到一個問題是否值得你主動接下來。很多人從不主動發起，不是因為懶，而是因為從未真正感受過「這件事如果我不推就沒人推了」的那種責任感。刻意練習感受這種責任感，是 Agency 的起點。
第二個是最小發起實驗。每週給自己定一件沒有人要求你做的事，把它從想法推進到一個可見的結果。不需要很大，可以是整理一份沒人讓你整理的文件、提出一個沒人讓你提出的建議，或者發起一次沒人安排的討論。關鍵不在於這件事有多重要，而在於發起的動作本身。每一次完整地走完「發現問題、決定行動、推進到結果」這個回路，大腦裡對應的神經連接就會加深一點。
第三個是反外包判斷。在使用 AI 工具的時候養成一個習慣：在把問題丟給 AI 之前，先花五分鐘自己想一遍。這是為了保持自己構建問題框架的能力，就像即使有計算器，數學老師仍然讓學生手算，目的是讓思維回路保持活躍。
第四個是復盤發起記錄。每隔兩週問自己一次：這段時間裡，有什麼是我主動發起的，有什麼是我在等別人安排的？這兩列清單的比例，是你 Agency 強度最誠實的鏡子。如果「主動發起」這一列長期是空的，不需要給自己找理由，只需要知道這個習慣需要被有意識地培養。
Agency 不是某種神秘的天賦，也不是性格外向者的專利。歷史上那些推動過真實變化的人，有相當一部分是沉默的，甚至是有些內向的。他們的共同點不是話多，而是他們從不等待系統告訴他們該做什麼，他們自己在持續地發現問題、定義方向，然後一步一步地把事情推進去。
這種能力任何人都可以從現在開始練，而且越早開始練，複利越大。
有一件事可以作為觀察入口：在你身邊，真正推動了某件事從無到有的人，占所有人的比例大概是多少？這個比例在大多數組織裡都出奇地低。絕大多數人一生中的大部分時間，都處在響應模式裡，響應老闆、響應客戶、響應系統發來的任務。這不是批評，這是人類在大規模協作體系裡自然形成的分工狀態。只是在 AI 大規模接管執行工作之後，響應模式所能換來的回報會越來越有限。
一個值得認真對待的現實是：AI 的出現正在同時做兩件性質相反的事。一方面，它讓執行的門檻接近於零，讓越來越多的人可以高效地完成任務；另一方面，它也把「誰在發起任務」這件事的價值，推到了一個歷史性的高點。未來十年，這兩股力量會持續分化，把人群推向兩個截然不同的位置。每個人都站在這個分岔口上，而且每天的選擇都在悄悄積累朝向哪一側的慣性。
有一個問題，或許值得在這條視頻結束之後，找一個安靜的時候認真想一想：你上一次在沒有任何人要求你的情況下，把一件事從零推進到結果，是什麼時候？
今天的分享就到這裡，我們下期再見。
優優獨播劇場——YoYo Television Series Exclusive