我变忙了，比之前忙很多。
不过这不是一个坏的变化。忙意味着充实，意味着不会因为失业持续找工作而焦虑。与之前的状态相比，现在还是更好一点。之前的工作上，焦虑里带一点迷茫；现在的工作里，匆忙中带一点焦虑。
虽然这是两家文化迥异的公司，但是都能够给我带来职业生涯的成长，值得庆幸。之前的公司让我第一次感受到了复盘和学习的力量，而现在的公司提供了足够的土壤可以实践，非常完美。
01 职业的“第一性”与 SQL Boy 的焦虑
但是，任何事情都有但是。
短短一个月，我的工作地点从偏远的临平搬到了高楼大厦的萧山，伴随而来的工作内容的变动，让我觉得与好像与一开始的职业规划产生了偏离。我的人生问题又得开始续写了：职业规划怎么办？我一开始的想法怎么办？
离开的最后一天是个雨天
我的脑海里好像出现了两个人在打架。
在上一家公司的第一年，我形成了自己对职业的第一性理解：任何职业从初级走向资深，积累的不是技术、经验、谈吐、人脉，应该是对行业和用户的理解。 高级销售运营一定懂客户，高级人力总监一定懂老板和员工。
25年4月份的思考
那么数据行业呢？我们的客户是谁？我能比销售懂客户吗？不太能。我也没总监懂老板，那我应该懂什么？
我痛苦地意识到：技术本身在电商这个行业是不值钱的，会写 SQL 等于 0，这是注定被 AI 吊打的能力。
于是在这种焦虑的思维下，我形成了我的第一个职业规划判断：要继续走向业务，去做和市场接近的岗位，要懂客户。
我开始学习消费者决策心理，希望能打好基础框架。这些理论当时学起来还是非常有意思，我整理了一个又一个思维导图，但到现在，基本上属于“关掉就忘”的程度。我知道做消费者触点管理会对品牌有帮助，也就仅此而已了。
我没有实践的土壤，回家也是打游戏，根本无法坚持和输出。
02 试图转行 GTM：一场花钱买来的“碰壁”
这个时候，【GTM】（Go-to-Market），一个带着点高大上想象和市场火热气息的岗位进入了我的视野。
于是我花了点时间研究，投入了三千块的高额学习资金，系统了解了一下工作框架。很快啊，五看三定、渠道管理、sell in、sell out、定价策略……统统进入我的收藏夹。虽然没有实践机会，但是“看过能讲等于会”。
我满怀信心地上了 Boss 直聘，扫完一遍杭州的 GTM 岗位。很好，转行机会基本等于 0。
这不是一个会点理论知识就能上岗的岗位。他们基本上只招两种人：第一种你有全流程经验，有成绩有项目；第二种你从同赛道相近岗位转行，但是上家名气得大，学历够响。
好吧，虽然机会没了，但是怨念还在，不甘心。
看着手里干着的数据活儿，感觉自己就像黄昏下推着石头的西西弗斯，我这块石头还能推多久？
我好像没有转行的可能性。转管理吗？我适应力还行，理解能力不错。有那么点潜力，但是新闻总是说中层管理是最先被裁掉的，令人害怕，我也不愿意成为那种没办法创造价值的中层管理。可能我的印象还停留在那种国企里天天带个红点联想笔记本、拉人开会的 Polo 衫秃顶中年人形象。
我希望有一点核心竞争力，保持一点思考，在未来的时代有一点底气。
没有确定性，才是最能确定的一件事
03 被 AI 震撼：个人能力的边界正在被无限拓宽
最近我经常关注 AI 对裁员的影响。毕竟每个人都在压力下或主动或被动的选择着自己要走的路，而这也能给我一些参考
有人说，这一次裁员和历史上每一次技术进步都不一样，因为 AI 是节约成本型创新，不会像电力、互联网一样让人类的总需求规模增大。有人说，AI 会让人类不再被视为生产资料，最终被边缘化，直至自然消亡。
这些观点我都不太认同，我还是相信人类找出路的能力和适应痛苦的能力。
当然，不会特别差，不代表不会变差。于是为了对冲一下风险，我决定买点黄金和 CPO。既然逃不掉 AI 的苦，那就先分享一下 AI 的甜。同时也为了在忙碌中保持对 AI 方向的敏感，不至于钱沉大海，我听完了三节 ANKER（安克创新）的企业内 AI 应用实践分享课。
怎么说呢，听完有点震撼。
不是震撼 AI 的应用效果，而是震撼：好像个人能力的边界正在被 AI 无限拓宽。怎么就进化到了现在这个程度？ 组织的阻力呢？沟通的卡点呢？
我不觉得自己能力弱，但是现阶段，有人好像能穿上“能力增强铠甲”。这不公平。在一个文化流程沟通都复杂的组织里，怎么就短时间完成了系统级工程的搭建？这不是 AI 技术的差距，这是 AI 应用能力的差距。
安克在课程上呈现的人机协作方式，让我重新思考：GTM 这些岗位，是不是没我想象的那么安全？
一个月前我面试入职现在这家公司时，我曾提出我对AI落地的想法：将传统的 IPMS 和 IPD 流程里的 checkpoint 与 AI 结合，实现团队经验的积累与复用。
没想到，Anker 真的做到了，而且做得更彻底——他们将全部的业务流程，直接迁移到了 Agent 平台上。
每个人都在和 Agent 交互，将自己的工作结果流转给下一链路的 Agent 和员工。于是，不再需要那么多冗长的会议，不再需要反复的“拉通对齐”。上游的产品信息一旦发生变化，下游的渠道营销部门就能被实时触发和感知。
图中每一块都是多个agent串联执行
不得不感叹，当你的一切工作流程都可以被 Agent 化的时候，意味着：能使用 Agent 的人，只需要做“判断”就可以了。而判断这个事情，会随着产品推向市场从而被快速验证，也快速迭代着我们对市场、对用户的理解（也就是我前文提到的职场第一性）。
当一个初级员工的主要工作内容，是用自己的高级人类大脑不断地向 Agent 输入判断、收取反馈，再生成更多的市场因子提交给 AI 时……他的成长速度和未来高度，相比于花三千块去听 GTM 框架课、学一肚子理论知识的我来说，完全是降维打击。
04 退回原点：数据 + AI 的绝佳想象空间
那么这个时候，我想，我应该更改一下自己的想法了。
当海边不再浪漫，家里成片的油菜花多少也算个风景。数据，该如何结合 AI 给自己带来一些想象空间呢？
我看到了两个方向：
第一个方向：FDE (Forward Deployed Engineer 前线部署工程师)
FDE 是啥？简而言之，就是帮助企业内 AI 应用快速落地的交付工程师，专门解决“AI 很聪明很强，但是在企业里发挥作用不大”的问题。
企业组织内一般有两条流：业务流和数据流。而成为一名好的 FDE，帮助企业快速成长出人机协作能力的关键素质，就是对业务流和数据流的掌握程度。 未来一段时间内，随着“AI 赋能业务”这类案例在厂商的有意传播下，这类既懂业务又懂底层的复合人才，自然就会有极高的市场溢价。
第二个方向：AI 增强型分析人才
当数据和 AI 的结合更为紧密，数仓完善的公司自然拥有数据资产自动化挖掘的红利优势。这个时候，数据分析和业务运营的岗位边界可能已经趋于模糊。
未来的区别也许只在于：一个更熟悉平台规则和用户视角，一个更熟悉底层数据和分析框架。
但在 AI 时代，最终决定效益的，是谁能定义好问题，谁能设计好的 A/B 实验，谁有审美，谁有用户同理心，解决问题的能力正在被AI放大，岗位将不再是限制。
