AI没有先让我失业。它先让我失去了为自己低效辩护的权利。
凌晨三点十七分，我还没有睡。
房间里只剩几台机器的风扇声。屏幕上，几个任务正在同时往前跑：一个在整理白天留下的材料，一个在检查服务，一个在研究我随口提过的新方向，还有一个已经完成了报告，准备在天亮以前送到我手里。
它们不累。
不会看时间，不会问能不能明天再做，不会因为我下午说话重了一点，晚上就把情绪带回家。只要电还在，网络还在，规则没有写错，它们就继续工作。一个失败了，会按我事先安排的路线换另一个模型；一个进程死了，服务会把它重新拉起来；一台机器重启，它们会按顺序恢复，不需要我挨个叫醒。
这几乎是我过去二十年里对“执行力”的全部幻想。
我年轻时做自动化，后来做站群，做量化，写脚本，搭系统。我一直相信一个朴素得近乎粗暴的道理：人的痛苦，大部分来自执行力不够。手太少，时间太短，员工会累，流程会断，很多好想法还没来得及验证，就死在排队里。
所以我不停地造工具。
一件事每天重复，我就写成脚本；十台机器要做同一件事，我就把它变成批处理；两千个网站不可能逐个看，我就让系统只在异常时叫我。我的世界观是被这些经验一点点喂大的：只要能把执行成本继续压低，人的自由就会不断增加。机器替我做得越多，我就越有时间去想真正重要的事。
这套信仰救过我很多次。
直到我真的拥有了一群二十四小时不睡觉的AI。
那天凌晨，我突然发现，所有机器都在等我。
不是等我修复故障，也不是等我输入密码。它们在等待更糟糕的东西：等待我决定下一步到底要什么。
一个任务已经收集了足够多的资料，却不知道该押哪个方向；一个项目的几个方案都能做，差别只剩我愿意承担哪种风险；一个新成员已经有了身份、工具和权限，但我还没有说清楚它长期应该为什么结果负责；另一个系统正在持续产出，可产出的东西究竟有没有靠近生意，我自己也没有答案。
它们没有偷懒。
堵住整个组织的人是我。
我坐在屏幕前，第一次很清楚地感到：机器给了我一千只手，却没有给我第二个能够替我承担判断的大脑。执行越快，那颗唯一的大脑暴露得越彻底。过去那些被“太忙了”“人手不够”“先做完眼前的”掩盖的问题，现在全部越过员工、流程和时间，直接站到了我面前。
我没地方推了。
那一刻，我信了二十年的另一件东西也死了。
我过去以为，只要执行力足够强，问题迟早会被解决。
后来才知道，执行力只能更快地解决已经被定义的问题。一个没有被定义的问题，遇上无限执行力，不会自动长出方向，只会长出更多更快的混乱。
我终于养出了不会睡觉的军团。
然后发现，指挥官才是整支军团里最慢、最容易疲惫、也最不愿承认自己没有地图的那个人。
人类第一次失去了“时间不够”这个借口
创业者很喜欢说自己缺时间。
这句话通常不会有人反驳。一天确实只有二十四小时，任何认真做事的人都能列出一长串永远做不完的任务。产品要改，消息要回，资料要查，代码要修，账要看，团队要管。每一件都真实，每一件都着急。
“时间不够”是一个非常好用的解释。
它能同时保护能力和尊严。事情没完成，不是我判断错了，是时间不够；项目没有进展，不是方向有问题，是执行资源不足；没有想清楚下一步，不是我不敢决定，是杂事太多，等忙完这一阵再说。
这套解释在过去大多数时候都成立。
执行本来就昂贵。查资料需要人，写方案需要人，做设计需要人，测试需要人。一个管理者的大量注意力，被迫消耗在推动、提醒、检查和返工上。他就算知道真正重要的事情是什么，也可能没有余力去碰。
AI开始改掉这个前提。
它还没有让执行完全免费，但已经让很多过去排队数天的工作缩短到小时甚至分钟。调查可以并行，代码可以并行，文档可以并行，测试可以自动跑，报告可以在你睡觉时生成。执行层第一次可以比管理层更长时间地保持清醒。
这听起来像解放。
对很多人来说，它会先成为审判。
因为当执行层不再是主要瓶颈，所有没有进展的事情都会沿着系统向上追溯。追过工具，追过模型，追过流程，最后追到那个负责定义“到底做什么”的人。
你会发现，很多项目迟迟做不完，根源在于从来没有人敢把“什么算完成”写清楚。
很多团队从来不缺方案。真正卡住他们的是取舍会得罪人、会暴露偏好、会留下责任，所以大家宁可继续研究。
很多老板有时间思考，只是思考没有完成提示，没有进度条，不会像处理一百条消息那样不断奖励大脑。他于是把一天填满，用密集的动作证明自己仍然掌控一切。
忙，是现代管理者最体面的恐惧。
只要还在忙，就不用承认自己也许不知道下一步该往哪走。
过去，组织会配合这场表演。员工确实需要指令，流程确实需要协调，会议确实可以再开一次。管理者在奔跑中看起来很重要，因为每个人都在等他的某个动作。
AI组织不一样。
它能把大量动作提前做完，然后安静地站在那里，等一个真正的判断。
那种安静比催促更令人焦虑。
我以为自己在管理，后来发现自己只是在不停地点鼠标
我很长时间都把“亲自掌握”当成一种美德。
一个新工具接进来，我会自己登录后台，摸清每个旋钮；一条模型路线跑起来，我要看真实速度、上下文和失败时怎么切换；一个新Agent出生，我会管它的名字、身份、模型、记忆、权限和通信入口。系统重启以后，我还要确认数据库先起来，网关再起来，本地模型能服务，最终消息真的能收也能发。
这些并不是错的。
我吃过太多“看起来好了”的亏。进程活着，服务不一定可用；报告生成，不一定已经送达；界面显示大上下文，底层可能仍然只有一个更小的窗口；模型自称是谁，真实请求未必去了那个上游。技术系统不尊重口号，只尊重端到端证据。
所以我养成了往下摸一层的习惯。
问题出在，这种习惯非常容易越界。
它最初帮助我识破假验收，后来也让我对每个细节都产生一种“最好还是我自己看一眼”的冲动。查看配置能立刻获得确定感，跑一次测试会给出红或绿，调整一个参数几分钟就能看到变化。相比之下，决定一个Agent未来半年负责什么、一个项目是否应该死亡、哪条业务值得押上资源，这些判断没有即时回报。
它们甚至没有标准答案。
于是我会不自觉地逃回技术细节。
我可以花一小时验证一个模型每秒生成多少Token，却可能推迟一周回答：快出来的这些文字，最终替谁创造价值？
我可以把十几个服务的自动恢复做得非常漂亮，却没有及时决定：其中哪几个服务根本不值得继续活着？
我可以要求每个数字员工拥有独立工牌和账本，却迟迟没有给它们写出真正清晰的岗位损益表：它消耗了多少认知资源，换回什么结果，失败到什么程度应该被调岗或解雇？
技术细节没有错。
错的是我开始用技术上的勤奋，逃避管理上的悬空。
这种逃避很隐蔽，因为它会产生大量真实成果。配置被修好，速度被提升，服务更稳定，文档更完整。你很难指责一个每天解决十个问题的人没有工作。
可公司不会因为你解决了最多问题就自动接近目标。
有时候，问题越多，恰恰说明没有人愿意杀掉那个不断制造问题的方向。
管理者最危险的状态，不是什么都不做。
是每天做完很多事，却没有完成一个承重判断。
AI不会消灭管理，它会消灭管理里的表演
传统公司里，有很多动作的价值很小，组织仍需要通过它们确认权力还在运转。
汇报，抄送，层层审批，开会，复盘，再开一次会。一个信息从执行者走到决策者手里，可能经过几次整理，每一层都要留下自己的痕迹。管理者越多，信息在路上穿的衣服越多，最后抵达时已经不像事实，更像一份适合被批准的文学作品。
过去这套结构有现实理由。人能处理的信息有限，组织需要分层压缩。可当AI能持续整理、比对、追踪、生成结构化报告时，很多中间动作的成本会被压到很低。
那时，一部分管理岗位会突然失去遮挡。
他过去的价值，可能只是把下面的话换一种格式交给上面；把上面的模糊要求换一种更强硬的语气交给下面；在信息差之间维持一种“只有我知道全局”的位置。
AI不会立刻替代真正的管理者。
它会先替代管理的戏服。
当任何人都能得到摘要、进度、风险列表和历史对比以后，管理者不能再靠占据信息证明自己重要。他必须留下更难的东西：选择什么、不选择什么；谁可以行动、行动到哪里必须停；哪一种失败值得继续投入，哪一种成功只是漂亮的坏账。
这几件事没有模板。
也不能通过多开几个Agent解决。
恰恰相反，Agent越多，未被定义的判断会被放大得越快。一条含糊指令交给一个人，可能只产生一次返工；交给十个并行执行的AI，会在几分钟里长出十个方向一致、细节不同、看起来都很努力的错误。
过去的组织混乱是慢性的。
AI让它变成急性病。
这也是为什么我越来越不相信“多Agent等于组织”。把几个模型接起来，只获得了并行执行力。组织需要的东西更脏、更老，也更不性感：共同目标、角色边界、决策权、权限、交接、验收、升级条件和责任归属。
缺任何一项，Agent越多，热闹越大，责任越稀。
最后每个Agent都能证明自己完成了任务，只有公司没有得到结果。
真正的放权，会让管理者感到被冒犯
我嘴上一直赞成Agent独立。
我给它们不同名字，不同人格，不同记忆，不同工具。有些运行在独立机器上，有些住在隔离的容器里，有些共享一套运行环境但拥有独立Profile。我很在意边界：谁能碰机器，谁能调用调查工具，谁能读取哪些资料，谁只能做草稿，谁有权向外发送消息。
这套设计的出发点就是放权。
可放权真正发生时，我仍然会不舒服。
因为我后来才发现，绝大多数管理者想要的“独立员工”是一个不存在的物种：他不需要提醒，不需要监督，能主动完成任务，但必须永远走管理者脑子里那条没有说出来的路线。
他可以独立，但不能让我意外。
他可以判断，但判断结果最好和我一致。
他可以自主安排过程，但我一旦看不懂，就必须立即停下来解释。
这不叫放权。
这叫一根看不见的遥控线。
人类员工会用沉默、拖延和阳奉阴违抵抗这根线。AI不会。它会非常认真地读取所有显式规则，再用自己的方式填补没有说清的部分。于是管理者第一次看见，自己以为早已表达清楚的意图，实际上只存在于自己的脑内。
真正的放权，不是允许别人替你完成动作。
是允许别人不用你的方式抵达结果。
这句话很容易同意，现实里极难承受。因为过程一旦不再属于你，你会失去熟悉的控制感。对方也许选择了一条你不喜欢的路线，使用了你不会优先使用的工具，在你认为应该汇报的时刻继续推进。只要目标、边界和验收标准没有被破坏，你就必须忍住不把手伸回去。
管理者会感到被冒犯。
他会发现，原来自己不是每一步都必需。组织即使不复制他的动作，也能得到正确结果。许多以“负责”为名的控制，底下藏着一个更难看的需求：我需要通过被等待，确认自己仍然重要。
AI团队会把这种需求暴露得很快。
它们不需要情绪安抚，也不需要你不断在场。你如果仍然要求所有动作经过自己，组织就会形成一种荒唐结构：执行层二十四小时在线，审批层每天只有一个人类窗口；所有机器都能并行，所有决定最终串行。
你花很多钱造了一条高速公路，最后在出口放了一个只能手工抬杆的收费员。
那个收费员就是你。
一家公司为什么会被老板拖垮
我开始把自己当作系统瓶颈来检查。
这件事很不舒服。检查机器很容易，机器不会反过来保护自尊。CPU高了就是高了，服务挂了就是挂了，接口超时不会解释说最近状态不好。
检查自己不同。
管理者很容易把瓶颈解释成不可替代。所有事情都找我，说明我重要；没有我就停，说明我掌握核心；大家等我决定，说明我有最终判断力。
换一种系统语言，这些话也可以翻译成：单点故障、总线拥塞、权限过度集中、规则没有下沉。
我最后总结出四种最常见的老板瓶颈。
第一种：信息瓶颈
所有信息都要先流经老板。
员工怕遗漏，Agent怕越权，于是把原始资料、过程状态、异常和建议全部往上送。老板拥有全局，却被全局淹死。真正承重的信息和普通噪音混在一起，每一条都带着“请您判断”。
信息瓶颈的症状，往往是老板知道得太多。
解决它不能靠更长的日报。要定义升级条件：什么状态只记录，什么偏差自动处理，什么风险才有资格占用人的判断。
如果任何小事都能唤醒最高决策者，组织没有管理层，只有一个被所有传感器直接接入神经的病人。
第二种：授权瓶颈
每一步都要批准。
这是最直观的一种。看起来安全，实际上会让所有人停止承担责任。因为只要老板最后签字，执行者最合理的策略会变成把风险完整地推回去，做好判断反而排在后面。
Agent也一样。你不给它可自主处理的边界，它就会频繁询问；你又嫌它没有主动性。可主动性从来不是一句人格提示词，它是明确授权后的剩余空间。
什么金额以下可以自行决定，哪类文件可以改，哪些操作可逆，失败几次以后必须升级。边界越清楚，主动性越真实。
第三种：验收瓶颈
只有老板知道什么算对。
这是最隐蔽也最致命的一种。任务派出去了，执行者做完以后才发现老板脑子里还有一套没有写出来的标准。于是返工。返工多了，所有人学会在动手前不断确认，老板又开始抱怨团队不独立。
如果“什么算对”只活在一个人的脑子里，这家公司规模越大，那个脑子越接近爆炸。
验收标准必须尽可能提前写成机器也能理解的东西：结果格式、成功条件、失败条件、不能触碰的边界、需要真实验证的环节。模糊的品味可以留给人，确定的正确不能长期靠人肉记忆。
第四种：情绪瓶颈
老板一焦虑，整个组织就改变方向。
这比前三种更像人格问题，却同样能工程化观察。
今天看到一个新模型，优先级变了；明天某个服务报错，所有人停下手头工作去修；后天一条外部消息出现，原本的计划被推翻。每一次改变单独看都有理由，连成时间线以后，组织像一艘方向盘直接接在船长心率上的船。
船长焦虑，整艘船转弯。
解决情绪瓶颈，不是让老板没有情绪。那不可能。需要给方向变化增加摩擦：新想法先进入候选池，承重路线只有满足证据门槛才能替换；紧急事项必须说明不处理会失去什么；每次改变优先级都要记录被挤掉的东西。
情绪仍然可以发言。
不能直接执政。
我给自己的三层判断制度
发现自己是瓶颈以后，我没有选择彻底退出。
“老板只负责战略，其他全部放手”是一句很适合演讲、很不适合真实系统的话。判断不可能被一刀切成“人的”和“机器的”。很多事情既需要边界，也需要现场信息；既不能全自动，也不能每一步等人。
我把判断分成三层。
第一层：可逆判断，Agent直接做
做错以后能低成本回滚的，不准来问我。
文件草稿、资料分类、候选方案、非生产环境测试、可以重跑的数据处理，都属于这一层。它们的价值正是通过大量廉价试错逼近更好结果。
管理者最容易浪费判断力的地方，就是把可逆的小事当成承重决策。字体选哪一个、目录怎么命名、先试A还是B，只要错了几分钟能改，就应该让执行层自己承担。
可逆性是一种被严重低估的授权货币。
事情越容易回滚，越应该放权。
第二层：有边界判断，Agent做，触线才上报
这类事情可以自主推进，但必须有电网。
预算上限、时间上限、失败次数、权限范围、数据敏感级别、对外影响程度。只要在边界内，Agent可以决定具体路线；一旦触线，立即停止并升级。
比如一项研究可以自主搜索和整理，但不能把未核实的结论直接对外发布；一段代码可以在隔离环境修改和测试，但不能碰生产数据；一次服务恢复可以按预案执行，但发现不可逆风险必须停。
边界的意义不是限制智能。
是保护它不必为整个世界负责。
第三层：不可逆判断，必须由人承担
涉及资金、法律、身份、删除、公开承诺、长期方向和重大关系的决定，不能假装自动化。
AI可以收集信息、模拟后果、提出建议、反驳我的偏见。最后那一下必须由人按下去。
不是因为人一定更聪明。
是因为责任必须有一个能够承受后果的身体。
机器可以告诉你应该结束一个项目，不能替你承受解散团队后的目光；可以计算某条路线的收益，不能替你承担判断错误后失去的几年；可以生成一封道歉，不能替你成为那个需要道歉的人。
不可逆判断之所以属于人，不是对人类智能的赞美。
是惩罚。
谁拥有最后决定权，谁就没有资格把后果推给模型。
绩效账本里，老板也必须有一行
我给不同Agent分配独立调用身份时，最初想法很简单：我要知道谁干活最猛。
独立账本可以看到调用量、成本、模型、任务类型，进一步还能追踪一次完成率、返工次数、失败恢复和真实交付。没有账本，多Agent只是热闹；有了账本，才可能知道某个岗位是否值得继续存在。
后来我发现，这张表如果只有Agent，没有老板，它仍然是一份旧时代的考核表。
数字员工消耗了多少Token很容易统计。老板制造了多少等待，没人统计。
Agent返工几次可以记录。多少次返工源于老板没有提前说清验收标准，没人记录。
模型走了错误路线会被调低权重。老板因为情绪临时改变方向，通常被称为战略调整。
这不公平。
更重要的是，它会让系统永远优化错误的位置。
我开始认为，未来Agent组织的绩效看板里，管理者至少要承担五项指标。
第一，等待时长。任务有多少时间消耗在等待老板回复、批准或定义，而没有用于执行。等待越长，说明组织并没有因为AI而变快，只是把排队地点移到了管理者门口。
第二，指令返工率。多少返工来自执行错误，多少来自目标和验收标准后来变化。后者应该记在派工人名下。
第三，优先级抖动率。一个周期内有多少任务因为新想法被中途改向，被改向的工作损失了多少。灵活是优点，高频抖动是税。
第四，可下沉判断比例。本来需要老板参与的判断，有多少已经被写成规则、边界和测试，下沉给系统。这个比例长期不增长，说明组织仍然依赖个人英雄主义。
第五，死亡决策延迟。一个明显不再值得继续的项目，从证据出现到真正停止，拖了多久。管理者最贵的错误往往是迟迟不肯承认已经选错，最初那次误判反倒未必致命。
这些指标不会让老板好看。
所以它们有价值。
任何只考核员工、不考核派工者的系统，最后都会证明同一件事：所有失败来自执行不力，所有成功来自领导英明。
那不是管理。
是神话。
机器越勤奋，老板越容易暴露自己的空心
AI组织会制造一种新的羞耻。
过去，一个人可以靠掌握细节获得权威。程序员因为懂代码，经理因为懂流程，老板因为拥有更多信息。现在，细节正在变得廉价。模型能读文档、查代码、生成方案、整理市场、复盘历史。你用多年积累换来的某些熟练度，可能很快变成一个默认功能。
很多人会本能地抓得更紧。
他们会要求AI输出更多过程，要求每一步汇报，要求自己保留所有权限。表面是在控制风险，深处是在保护身份：如果机器能够独立完成，那我还剩什么？
这是纯Agent时代最疼的问题。
管理者不能再靠“我知道怎么做”证明价值。
他必须回答更上游的东西：为什么做，做到什么程度值得，什么时候停，谁可以行动，失败由谁承担。
这些问题没有漂亮界面。
它们常常意味着拒绝一个看起来不错的机会，杀掉一个已经投入很多的项目，承认自己过去的判断错了，或者在所有数据都不完整时做一个会影响很多人的决定。
执行带来完成感。
判断带来负罪感。
所以很多管理者宁可继续执行。他们亲自修改文档、亲自看每条日志、亲自回复每个问题。每天精疲力竭，晚上可以诚实地说自己已经尽力。
“尽力”是一张很温柔的免罪券。
判断没有这张券。
方向选错了，你再勤奋也只是带着整支队伍多走了几公里。甚至越勤奋，离正确位置越远。
机器越勤奋，错误方向的破坏力越大。
这就是为什么AI不会自动带来自由。它也可能把一个空心管理者的混乱，放大成二十四小时不停机的生产事故。
纯Agent公司首先淘汰的，可能不是员工
所有人都在讨论AI会淘汰哪些岗位。
客服、文案、程序员、设计师、分析师。名单不断变长，焦虑不断向下传递。普通员工被要求学习AI，仿佛只要熟练使用新工具，就能证明自己仍然值得一份工资。
很少有人把同一把刀朝上。
如果执行、整理、协调、汇报和信息压缩都越来越便宜，一些管理岗位存在的理由同样会消失。
过去，经理负责把工作拆给人。未来，Agent可以自动拆解。
过去，经理负责催进度。未来，系统天然记录状态和超时。
过去，经理负责汇总汇报。未来，所有事实可以实时生成。
过去，经理因为知道更多而拥有权威。未来，信息不再需要经过他才能被看见。
剥掉这些以后，管理还剩什么？
剩下定义问题、分配权限、设置死亡条件、选择承重方向、承担最终责任。
偏偏这几样最难量化，也最无法表演。
一个过去依赖流程位置获得权力的人，会在AI组织里感到强烈的不适。他突然必须证明自己真的拥有判断，而不只是占据判断发生的节点。
所以纯Agent公司首先淘汰的，可能不是最下面那个执行者。
它会先淘汰那些把“别人必须经过我”误认为“别人需要我”的人。
这包括很多老板。
也包括我。
我必须把自己从公司里删掉一部分
发现自己是瓶颈以后，最容易产生的冲动是走向另一个极端：全部自动化，让AI自己管理AI，自己派工、自己验收、自己复盘，人只看最终结果。
这又是一种逃避。
从控制一切，跳到什么都不负责，中间没有经过管理，只经过厌倦。
真正该做的，不是把自己整个人从系统里删掉。
是把那些不必属于我的部分，一点一点删掉。
我不该亲自记住每个服务状态，监控系统应该记。
不该亲自重复解释验收标准，契约和测试应该记。
不该每次判断小风险是否可接受，边界规则应该提前写。
不该让所有Agent把完整过程都塞给我，只有触线和承重变化值得升级。
不该因为自己能处理一个细节，就默认这个细节必须由我处理。
这是一种很奇怪的减法。
我过去造系统，是为了把自己的能力放大。现在我得造制度，把自己从系统里移除一部分。每移除一块，组织会更独立，我的存在感也会少一块。
这就是代价。
很多人以为管理升级会带来更大的权力。真正成熟的组织设计，经常在做相反的事：让越来越多的正确结果不再依赖管理者亲自出现。
如果一家公司离开老板一天就停，老板确实很重要。
也说明他把公司做坏了。
这两句话可以同时成立。
我过去喜欢证明没有我不行。现在我得练习另一件更难的事：证明没有我，许多事情照样行；而只有那些确实无法下沉的判断，才值得等我。
一个构架师最后构架的，可能不是一座处处留下自己签名的建筑。
是一套会逐渐忘记他日常动作、只保留他判断标准的系统。
那天凌晨，所有机器仍然在等我
写到这里，我又想起凌晨三点十七分那个房间。
风扇仍在转。几个数字员工没有抱怨，没有困意，也没有因为等待而焦躁。它们只是停在各自的边界前面。
过去，我会觉得那是能力不足。
然后继续给它们加模型、加工具、加上下文、加权限。希望下一次它们能更聪明一点，聪明到不用再问我。
现在我知道，有些问题不应该通过“让它更聪明”来消失。
该不该押上半年，哪一条底线不能为了速度后退，什么时候承认一个项目已经死亡，哪一个人值得继续信任——这些问题如果有一天完全不再需要人，消失的可能不是管理负担。
是责任本身。
机器停在那里，不一定因为它无能。
也可能因为那一步本来就应该由我走。
这让我稍微释然，又更加焦虑。
释然的是，我不需要成为一台比AI更快的机器。焦虑的是，我剩下的工作不会越来越轻松，只会越来越集中地落在那些最模糊、最承重、最没有标准答案的地方。
从前，一百件杂事里夹着三个真正困难的判断。我可以先处理九十七件杂事，到了晚上告诉自己今天很忙，困难的事明天再说。
AI会把那九十七件事拿走。
桌上只剩三个判断。
它们不会因为我盯着屏幕更久而变容易，也不会通过多开几个Agent自动得到答案。它们像三封没有退路的判决书，安静地等我签名。
这才是AI时代真正的效率。
它不是让人舒服地少干活。
它把所有可以逃避的工作拿走，只把无法逃避的责任留给你。
我曾经以为自由意味着机器替我完成越来越多的事情。
现在我怀疑，自由只是让你终于没有借口不去做那个最疼的决定。
那天凌晨，所有机器都在等我。
我看着它们，忽然明白，拖垮公司的从来不一定是最慢的员工。
有时候，是那个拥有最终决定权，却每天用解决更多问题来逃避选择问题的人。
他最忙。
他最累。
所有人都离不开他。
所以没有人敢告诉他，他才是那个应该最先被系统优化掉的岗位。
包括他自己。
Leave a Reply