AI时代的"代际折旧"——AI第一个干掉的是老板的判断
今天知乎热榜上有一条：南大教授孙智伟自掏工资悬赏解题，还提出上千个数学猜想。
我看到的第一反应不是感动，是一个很现实的问题：他为什么要花自己的钱，去换别人来解决一个"可能几十年没人解得出"的问题？
因为数学界有个残酷的规则：提出一个好问题，比解它更难，也更容易被时间检验为错。他押上的不是钱，是自己的判断力——几十年后如果那些猜想被证伪，他的名字就跟"一千个错误方向"绑在一起。
同一天，另一条热榜在说：特朗普新任白宫发言人上任仅5天就被解雇，创下史上最短纪录。五天。选人的人，看走了眼。
两条放一起，就是一个很刺眼的事实：在AI时代，最容易被高估的能力是执行力，最容易被低估的是判断力——而判断力最贵的人，恰恰是老板。
本质：老板的"经验红利"正在归零
过去三十年，一个老板的核心竞争力是什么？
说到底就三样：信息比你早、经验比你多、见过的坑比你多。这三样构成了"判断力"的全部原料。
现在这三样全废了。
- 信息——AI秒级汇总，你比他早知道一小时，没有意义。
- 经验——AI读过的案例比你一辈子见过的多几个数量级。
- 踩过的坑——这一条还成立，但AI也算出了坑在哪，只是没真的疼过。
这就是我想说的代际折旧：不是老板老了，是"靠积累获得权威"这套机制，在AI面前开始加速贬值。
代际折旧，指的是在知识更新速度快于个人经验积累速度的环境里，资历不再自动等于判断力，而且折旧速度还在加快。
我在培训现场见过太多次这种场面。一个五十多岁的老总，讲自己做市场的经验，讲得非常好，逻辑清晰、案例扎实。然后一个二十七八的运营说："这个我们上个月用AI跑过，结论差不多，但我们发现渠道变了，您说的那个渠道现在占比不到5%。"
老总愣了三秒，然后说："你们年轻人说。"这三秒，就是这个时代的所有张力。
三个真实场景
场景一：老板的判断，正在变成"高级常识"
一家做医疗器械的公司，老板最得意的是"我对政策节奏的判断从来没出过错"。上了AI政策分析系统之后，他发现系统给出的判断跟他一样，而且早三天。
他跟我说了句挺扎心的话："我不是被替代了，我是发现自己一直在做一件可以被外包的事。"
这才是真正的问题。不是AI强，是很多"老板的独家判断"，本来就是信息不对称的产物，不是洞察力的产物。信息一对称，它就没有了。
场景二：年轻员工的"AI资历"开始超过"司龄"
一个客户做组织盘点，发现一个反常现象：入职一年、把AI用到极致的新人，产出超过了入职五年、按部就班的老员工。
HR的第一反应是给老员工做AI培训。但真正的问题不在技能，在老员工的核心价值被重新定价了——他过去值钱的是"我知道怎么干"，现在值钱的是"我知道什么不能这么干"。
技能可以培训，价值被重新定价这件事，需要重新设计岗位，而不是加一门课。
场景三：老板集体开始"说不清自己为什么做决定"
这是我最近观察到最普遍的现象。老板做了对的决定，但你问他为什么，他说"我感觉"。
以前这叫"商业直觉"，是褒义词。现在这叫"无法解释"，是危险信号——因为一旦无法解释，组织就学不到、复制不了、也纠正不了。
一个人靠直觉决策，组织是靠运气。这中间隔着一整条管理线。
判断力的三个新来源
说清楚了贬值，得说怎么增值。我认为AI时代老板的判断力，只剩三个来源。
| 旧来源 | 新来源 | 怎么建 |
|---|---|---|
| 信息比别人早 | 提出好问题 | 训练"哪里不对劲"的敏感度 |
| 经验比别人多 | 真实体感 | 保留一手接触，不经过报告 |
| 踩坑比别人狠 | 承担后果的意愿 | 敢署名、敢押上自己 |
孙智伟教授给了个极好的样本。他提出的上千个猜想里，一定有错的。但他敢公开提、敢拿钱悬赏，就等于把自己的判断押在了桌面上。数学界不会因为一个猜想错了就否定他，只会因为他不敢提而忘了他。
反过来，那个五天就被解雇的发言人，问题也不在他——问题在那个选人的人，他没有为"判断"付出应有的成本：没有试岗、没有验证、没有留后路。五天后才发现，代价是公开的。
组织要做的三件事
1. 建"问题档案"，不建"答案库"
大多数企业的知识管理都在存答案：SOP、案例、最佳实践。AI时代，答案是最不值钱的东西。
要存的是问题：我们当初为什么这么选？当时放弃了哪条路？哪条路现在看起来更有希望？这些AI答不上来，因为答案没发生。
做法很简单：每次重大决策，附一页纸——放弃的方案、放弃的理由、什么条件下会重启它。三年后这一页纸，比任何SOP都值钱。
2. 让老板保留"一手接触"
老板最大的风险，是被层层汇报隔离在信息之外。AI让汇报做得更漂亮，也让隔离更彻底。
我建议每个老板给自己定个硬规矩：每月至少见三个一线员工或客户，不带任何汇报材料，只聊天。你会发现的问题，比季度经营分析会上多得多。
3. 把"判断"变成可训练的动作
判断力不神秘，可以拆。我的拆法是三问：
- 这个结论依赖哪个假设？（找假设）
- 如果这个假设错了，我会亏多少？（量代价）
- 我能用什么最小的成本，先验证这个假设？（找验证点）
这三问，AI能帮你答，但问的人必须是你。而且，愿不愿意答第三问，就是判断力和空谈的分界线。
游戏化怎么帮上忙
我做游戏化培训，客户常问："能不能设计一个游戏，训练管理者的判断力？"
能。而且这是我做的所有设计里，转化率最高的一类。因为桌游的核心机制，就是"在信息不完全的情况下做决定，并且承担后果"。
我在一个中层管理项目里用过这种设计：一场30分钟的决策游戏，每个角色拿到的是不完整且部分错误的信息，必须在有限时间内下注，然后翻开后果。第一轮几乎所有人都栽——他们习惯了要"更多数据"。
第二轮开始，有人学会了一件事：数据不够的时候，比"再等等"更贵的，是"不敢下注"。
这就是判断力训练。不是在课堂上学"如何做决策"的模型，是在一次一次的押注中，校正自己对不确定性的感觉。
AI能算出所有可能性，但算不出"该在哪个可能性上押注"——因为押注需要的不是概率，是胆量和责任。
"我可能错"这句话，AI说不出来，因为它不会错——它只会被调参。而人能说出这句话，还能继续签字，这才叫判断力。
孙智伟教授押上工资去悬赏，那个发言人五天后被解雇。两件事的共同点是：判断这件事，从来是要付代价的。
AI最了不起的地方，是把所有执行的成本降到了接近零。但它同时也让"判断"这件事，从一种隐形的、可以靠资历蒙混过关的能力，变成了一种必须公开、必须署名、必须付代价的能力。
对老板来说，这可能是AI带来的最难的一课：你过去积累的一切，只值那么多；你未来敢押的东西，才值剩下的。
🧠 测一测：你的判断力在折旧还是在增值？ →