彭嘉

休息的时候有个五十岁上下的老工程师走到我面前，问我：老师，我今年五十三了，是不是已经没机会了。
我说，没有。
他说，谢谢你，然后他就走了。
我后来想，他其实已经不太需要答案了。他需要的是有人告诉他"还没有"。 但我给他的不是这个，我给他讲了一整天的"不适应的会被淘汰"，等于确认了他最怕的那件事。
这件事我二十年没忘。
现在我讲这一类课，规矩变了。凡是涉及"年龄、周期、趋势"的判断，我会先说边界。
我会说得非常具体：这个结论在什么规模的组织里成立、在多长时间内有效、哪些条件一旦变了就不成立。我甚至会先说一个"我可能错在哪"。
我觉得 AI 带给这个行业最大的变化，不在于替代了多少工作，而在于它把"讲趋势"的门槛降到接近零了。
过去一个行业判断，需要你在一线待过几年，需要你拿得出案例。现在任何人一晚上能给你十篇看起来很有道理的分析，每篇都有数据、有国际视角、有专家引用。
你原来靠稀缺性建立的专业位置，一夜间变成了一个写作题。
我做了二十年培训，我的第一反应是很慌。说句不好听的，我那几年最怕的不是 AI 抢走讲师的位置，是它先抢走了我判断的可信度。 我讲一个东西，如果有人马上能甩出一篇看起来更专业的分析，我凭什么说我的是对的。
后来我做了一件事：把"我凭什么知道"写进每一门课的第一页。
我现在每门课的开头都会交代三件事——我这些年在哪些规模的组织里待过、我这三条判断来自多少个具体项目、哪些场景我从来没接触过、没见过我讲得一样。
这一段以前我是不讲的。因为讲出来会显得我不权威。
结果完全相反。 学员现在反过来说：老师，你说的那些别的讲师也讲，你凭什么不一样。我说出了那个范围，反而记住了。
所以我现在的判断标准是：AI 能生成答案，不能生成来源。 一门课、一次诊断、一个方案，真正值钱的部分不在结论，在于"这个结论我在哪儿见过类似的情况，我没见过的情况又是什么"。
这一点现在变得更贵了。以前经验是壁垒，现在经验是唯一能跟生成速度对抗的东西。
那 40 页 PPT 我现在还留着。它讲的东西大部分过时了，但每一页的边角上，有我当年手写的笔记。翻出来看，字很潦草，句子都不完整。
二十年前我在讲什么，其实不重要。