北京
两周写出的「详实专业报告」，输给了半小时做出来的彩色表格。前亚马逊经济学家、前 Meta 数据科学家课代表立正在《听懂涨声》里讲这段亲历时，主播杨天楠的追问指向同一个问题：为什么专业度本身不构成价值？
立正给出的定义很直接：Fake Work 是既不为赚钱、也不为真正影响他人，纯粹服务于向上管理与汇报的劳动。他在 Meta 电商补贴项目里按博士训练做出两周的分析报告，老板只花半小时把数据放进表格、上色、讲清去年与今年的对比，大老板五分钟内就点了赞。
他还举了一个更极端的反例：把美国经济学教授的论文全部烧掉，GDP 也不会有任何变化。身处其中的人最容易把「投入大、门槛高」误当成「有价值」。
数据科学家的产品是决策，不是报告
立正引用 Meta 前数据负责人 Alex Schultz 给数据科学家开的课程《Better decisions》，把结论摆得很清楚：数据科学家的唯一产品是「更好的决策」，模型、看板与报告都只是手段。
他对照腾讯内网常见的文章：通篇讲模型多先进、仪表盘功能多全、数据清理多干净，却没人关心决策是否真的改变。而数据在决策中能起的作用可能只有一成到两成，够不到决策时，从业者就只能在报告上做表面功夫。
这是结构问题，不是文化问题
节目把 Fake Work 归因于结构，而非所有制、文化或单纯的规模问题，链条可以拆成几环：
- 知识工作本质上无法计件，归因链条太长、太软，历史不可重复，做不了真正的因果测试；
- 委托—代理问题使管理者的最优策略是招更多人，靠扩编获得升职；
- 只要责任有交接，每次交接责任就清零，交接点必然滋生表演；
- 再叠加只有一个大股东时的「皇帝效应」、多头诉求与老板的「价值添加病」，作品被反复改造，最终走向平庸。
他特别点出一种环境：人才密度高而增速低最危险，意义感稀缺，迫使聪明人靠加倍忙碌争夺合法性。在大厂中层，表演还包括为老板业务的合法性提供情绪价值。
先找那 10%，再谈工具
个体的可行策略是识别出那 10% 真正有价值的工作，用高价值工作挤掉低价值忙碌。立正的说法是，回看过去半年，往往只有两三周的工作决定了主要产出，所以要主动找出这类工作并反复做。
向上沟通可以要求「七句话加一个核心建议，并说明信心程度」；对不得不做的杂事，则用 AI、SaaS 或转交他人「兴高采烈地敷衍」。
关于 AI 的用法，他给了一个顺序：先改方法、习惯与思维方式，再学工具。养成使用 Codex、Claude Code 这类可操作本地电脑的通用 Agent 的习惯，把上下文沉淀成本地 markdown 与结果型 skill。重点是先改变约束条件、消灭不必要的流程，而不是自动化本不该存在的流程——「你要去消灭很多流程，而不是去自动化很多流程。」
AI 先放大 Fake Work，再让它贬值
过去做精美周报、详实调研成本高昂，是一种昂贵的信号；AI 让这种信号变得廉价，却仍被惯性放大，而真正的判断无法被批量加速。
对比很鲜明：小店主每天得到几十次真实反馈，大厂中层却夹在战略传声筒的位置上。立正认为，长期做 Fake Work 会伤害感受、自尊与人格。
他把创业动机分为求富贵、求逍遥、求长生，并给出自己的取舍：放弃富贵与长生、以「求真」为本心，反而更可能得到逍遥。AI 降低创作门槛、平台基建成熟，个体可以直面市场获得反馈，社会叙事也就从「看见人的有用」转向「看见人的不同」。
至于财富，他的总结只有一句：what people want，别人想要什么，别人想要的东西就是财富。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
