某金融公司的数据团队负责人带着 8 个人去年做了一件漂亮事。搭了个 AI 辅助取数工具响应时间从 2 天缩到 4 小时。效率翻了十几倍。他兴奋地跟老板汇报觉得这是年底述职最硬的一页 PPT。老板沉默了五秒钟然后问那是不是意味着我们不需要 8 个人了他愣住了。请功的战报成了缩编的证据。亲手打造的效率工具成了砍向自己的刀。这不是段子。类似的事正在各行各业的数据团队里上演。够用是最狠的刀数据团队过去的死法是做得差——报表出错、口径打架、系统崩了。新的死法是做得够用。过去数据团队被砍理由通常是没价值——老板觉得你做的东西没人用ROI 算不清楚砍了省预算。这种死法虽然憋屈但至少有活路你可以证明自己有价值做几个漂亮的分析救回几个业务决策重新赢得信任。但够用是另一种逻辑。够用的意思是你做的事有价值但AI 做的也够用了——而且 AI 不要社保、不会请假、不会离职带走知识。这就像一个厨师被告知不是你菜做得不好是预制菜够用了。食客没那么挑老板没那么多预算差不多就是新标准。过去你跟 AI 比的是谁做得好现在比的是谁更便宜。一旦竞争维度从质量滑向成本血肉之躯永远赢不了硅基。AI 不淘汰最差的AI 淘汰最贵的。这是需要刻进脑子里的新现实。资本市场的叙事最近有个新闻估计大家都看了。Block原来叫 Square刚裁掉 4000 人占公司四成。CEO Dorsey 说得直白AI 让更小的团队能干同样的活。关键是Block 去年毛利涨了 24%。赚着钱裁你——不是因为你不行是因为你的行AI 也行。裁员消息出来股价盘后暴涨 23%。资本的翻译很直白裁人 利好。有分析师说 Block 本质是清理疫情期间的过度招聘AI 只是遮羞布。但这块遮羞布恰恰是最该警惕的信号——它说明在老板和资本市场的认知里AI 可以替代这些人已经是一个被接受的叙事。决策者不需要证据只需要叙事。而够用就是当下最有说服力的叙事。你的老板砍你的预算、缩你的编制不需要 AI 真的能完全替代你。他只需要相信差不多够用了就够了。这才是真正可怕的地方——不是 AI 的能力而是AI 给了决策者一个合理的理由去做他们本来就想做的事。回到你每天干的活。取数、跑报表、做分析、搭看板——有一个共同特征标准化、流程化、可描述。这三个词恰好是 AI 容易吃掉的领域。不是 AI 比你聪明是你的活儿容易被写成一个 prompt。揭 AI 的短是最没用的事很多人听到这种话本能反应是AI 不懂业务上下文AI 不能做跨部门协调AI 没法处理数据质量问题。没错这些目前确实是 AI 的短板。但这个思路有一个致命漏洞你在用AI 做不到什么来定义自己的价值。这就跟当年马车夫说汽车不能喂草、不认识路、遇到坑会颠散架一样——全是事实但不重要。重要的是汽车在核心维度上赢了更快、更便宜、不需要休息。你证明AI 做不了我的活的速度赶不上 AI 进化的速度。今天 AI 不懂你的业务上下文给它 RAG 加上你的文档库三个月后它懂。今天 AI 不能做数据质量判断等 Agent 框架再迭代两轮它能做 80%。你真正需要回答的问题不是AI 能不能替代我而是当 AI 能做我 80% 的工作时剩下那 20% 值不值一个全职 headcount很多人心里的答案是不值。那怎么办说完恐怖故事得说活法。第一步给自己做一次AI 替代审计拿出你过去一个月的工作日志把每项工作归进三个桶红桶AI 已经能做——标准化、流程化、有明确输入输出。比如固定报表刷新、SQL 取数、格式化数据清洗、看板搭建。你该做的尽量主动交给 AI不要等别人替你交。黄桶AI 一年内能做——有一定复杂度但可描述。比如基础数据分析、异常检测、简单归因。你该做的现在就学会用 AI 做把自己变成AI人的组合体。绿桶AI 短期做不了——需要组织上下文、跨部门博弈、利益协调。比如指标口径谈判、数据治理推动、业务需求翻译。你该做的往这儿靠这是你的生存区。如果你发现 80% 的时间在红桶和黄桶里——这就是你的警报。第二步重写你的岗位说明书不是 HR 那个版本是你自己心里的那个版本。问自己三个问题如果我明天消失AI 一个实习生能不能撑三个月如果能你的位置并不是不可或缺。我做的事里有哪些是只有我能做的不是因为只有我会写这个 SQL而是因为只有我理解背后的业务逻辑和组织政治。我上一次做的不可被 prompt 描述的工作是什么时候你的新岗位说明书应该像这样我不是做报表的人我是确保老板拿到正确数字做正确决策的人。AI 跑数据我确保 AI 能跑起来判断 AI 给的数据该不该被信任、该给谁看、该怎么解读。这不是文字游戏这是生存叙事的重构。第三步做组织里 AI 做不了的那个人对老板和 CDO 来说——你觉得 AI 可以省人可以。但得同时回答一个问题谁来保障 AI 活着省掉的人负责的判断谁来做如果出了事谁背锅落到实处你需要掌握三套话术 对老板当老板问AI 能不能替代你们团队能。取数、跑报表、基础分析这些活就该交给 AI。但 AI 不是插上电就能跑的——谁来喂它数据、谁来确保它吃进去的东西是干净的、谁来在它输出错误的时候追到根因、谁来管它不该看的数据它看不到我们团队的角色正在变从直接服务业务变成服务 AI。基础设施谁运维、语料谁治理、输出谁审计、安全谁兜底——这一整套保障体系少一环 AI 就是在裸奔。Block 留下的那 6000 人干的就是这个。砍掉干活的人可以砍掉让 AI 能干活的人AI 也转不起来。 对业务同事当业务说你们的活 AI 也能干了没错简单取数你直接问 AI 就行不用找我们了。但你拿到 AI 给的数之后发现跟上个月的趋势对不上、跟隔壁部门的数打架了——这时候你找谁你不会去问 AI你为什么错了因为它只会给你另一个你不确定对不对的答案。我们现在的活不是替你查数是替 AI 的结果兜底——查出来哪里不对、解释为什么不对、追到源头把它改对。你自己用 AI 越多越需要有人帮你确认它没骗你。 对团队成员当团队焦虑我们是不是要被裁了不会突然被裁但会慢慢被压缩。我们现在要做的不是证明 AI 做不了我们的活而是让自己变成那个用 AI 做得更好的人。从下周开始每个人挑一个手头的任务先试试用 AI 来做。当然不仅限于此AI 做不了的还包括在会议室里读懂老板的脸色知道这个需求背后是政治博弈还是真实痛点。在业务老王拍桌子的时候判断该硬顶还是该让步。在三个部门吵口径的时候找到一个大家都能接受但不完美的中间地带。说白了AI 做不了组织里的人际操作系统。不要去证明AI 做得没我好这看起来是最本能的自救——你打开 ChatGPT 让它写一个 SQL然后指着错误说看AI 还是不行吧。为什么这条路走不通因为你证明的是AI 今天不行但老板赌的是AI 明天行。你赢的是一场战役输的是整场战争。更要命的是你每花一个小时证明 AI 的缺陷AI 就在背后多学会一个技能。而且说句更难听的老板根本不需要 AI 做到 100 分。做到 60 分成本降 80%他就签字了。你跟 AI 比做得好是死路。你要比的是做得对——对的口径、对的人、对的时机。这是 AI 的盲区也是你唯一的战场。最后说两句这篇文章读起来不舒服。但比读起来不舒服更不舒服的是半年后你的团队或预算被优化了你才开始想这些问题。Block 的故事不是终点。Dorsey 说一年之内大多数公司会跟进。这当然是太悲观了——但趋势大致是不会错的。做决策的人不需要 AI 真的成熟他只需要AI 够用了这个故事足够有说服力。而这个故事每一天都在变得更有说服力。正如大模型对数据治理的理解一年前我还觉得不过如此现在我得向它致敬。因此建议你今天就打开你的工作日志把自己的工作往那三个桶里分一次。红桶里的工作越多就越危险。共勉欢迎加入「与数据同行」专业群第一时间推送数据领域的深度文章并围绕真实问题进行专业讨论。适合数据治理 / 数据技术 / AI/ 数智化/数据负责人不适合闲聊 / 拉广告 / 求资料「与数据同行」为求职者和招聘方提供了一个交流场所欢迎加入。