张力类

AI时代的"复利焦虑"——当"年轻时错过复利"成为热搜，组织正在用错复利的公式

今天微博热搜第一是"最危险的是年轻时错过复利"。

这句话在朋友圈被疯狂转发，配文大多是"看完冷汗直流""我现在开始还来得及吗"。我看完只有一个感觉：大家都在焦虑"复利"，但绝大多数人对复利的理解是错的。

更准确地说——他们理解的复利是"理财复利"，而真正决定一家公司、一个人命运的复利，是"能力复利"。在AI时代，这两个复利的曲线正在发生剧烈的分叉，而我们正在用错误的那条曲线，指导自己的组织。

本质：AI把"知识复利"清零了，但放大了"判断复利"

传统复利公式是：收益 = 本金 × (1+利率)^时间。它的核心是"时间越长，滚得越大"。

过去我们相信"知识复利"——一个人读得越多、经验越久，能力越值钱，滚雪球一样。所以组织鼓励员工"积累"：积累知识、积累经验、积累年资。

但AI出现后，这条曲线断了。

为什么？因为知识的"利率"被压到了接近零。你现在能查到的知识，AI一秒就能查；你积累了三年的行业资料，AI三分钟就能整理完。知识还在积累，但它不再"滚雪球"——因为它无法形成独占优势。

真正还在滚的雪球，是"判断复利"：你做过多少次判断、犯过多少次错、从错误里修正过多少次模型。这条曲线的利率不但没被AI压低，反而被放大了——因为AI能帮你更快地试、更多地试。试得快的人，判断复利滚得比谁都猛。

旧公式：能力 = 知识 × 时间
新公式：能力 = 判断 × (试错次数)^时间

问题来了：绝大多数组织的激励体系，还在为"知识复利"发奖金。

场景一：培训考核还在考"记住了多少"

我最近看了几家企业AI培训的方案，学习目标里写着"掌握XX工具的使用方法""熟悉XX模型的理论框架"。这是在为知识复利付费。

但AI时代，这些"掌握""熟悉"根本不值钱——员工打开AI就能会。真正该考的，是"你能不能给这个AI工具挑出毛病""你能不能判断它的输出对不对"。这是判断复利。

员工上完课，能背出10个模型，但遇到真实问题不会判断——这不是培训成功，这是培训的失败被隐藏了。

场景二：激励体系奖励"资历"而不是"修正能力"

很多公司的薪酬还挂在年资上：三年一档、五年一级。逻辑是"干得越久，知识积累越多，越值钱"。这套在AI时代彻底失灵。

一个干了8年的老员工，如果这8年只是重复使用旧知识、从没修正过自己的判断模型，他的"复利"是0——甚至可能是负的，因为他的旧经验变成了包袱，让他比新人更抗拒AI、更不愿试错。

而一个干了2年的员工，如果敢试、敢错、敢修正，他的判断复利可能已经远超那个8年老员工。但薪酬体系看不见这一点，因为薪酬看的是"资历时间轴"，不是"判断斜率"。

场景三：组织文化恐惧"犯错"

这是最要命的。判断复利的核心是"试错次数"。但大多数组织的文化是——错一次扣分，错两次就边缘化。

你让员工怎么积累判断复利？他们为了不犯错，只会去做"绝对安全但没有价值"的事——用AI生成千篇一律的文档、做不会出错的汇报、重复已知的结论。组织看起来一片太平，实际上所有人的复利曲线都是平的。

1. 把"判断质量"写进考核

别再考"你记住了多少"，改考"你做对了几个判断"。具体做法：在季度复盘中，要求员工提交"本季度三个关键判断 + 判断结果 + 如果重来会怎么改"。判断质量，看的是修正的深度，不是结果的好坏。

一个人做了错误判断但修正得很好，比做对了却说不清为什么的人，更值得奖励。因为前者在积累判断复利，后者只是在碰运气。

2. 建立"安全试错额度"

给每个员工一个"试错额度"——比如每季度允许3次"可控失败"，只要及时上报、认真复盘，就不扣分、反而加分。试错额度用不完的人，反而要问一句：你是不是太保守了？

这不是纵容错误，而是把"试错"从"事故"变成"投资"。

3. 给激励体系装一个"斜率仪表盘"

别再只看"这个人现在多强"，要看"这个人的能力斜率有多陡"。具体来说：他这半年学会的新判断、修正的旧观念、推翻的老做法，有多少？

一个斜率陡的新人，值得加码培养；一个斜率平的老员工，值得认真谈一次话——不是批评，而是问他："过去三年，你改过自己的哪个判断？"

"年轻时错过复利"这句话之所以让人焦虑，是因为它暗示"时间是唯一的变量，早开始就赢了"。

但AI时代，这个逻辑要改。真正决定复利的，不是"开始得多早"，而是"你有没有在持续修正自己的判断模型"。

一个人30岁开始积累判断复利，完全可以超过一个20岁就开始重复学习的人。因为复利的本金不是"时间"，是"每一次修正"。

对组织来说，最重要的不是招到"年资最长的"，而是设计一套让判断复利能滚起来、让试错能被鼓励、让修正能被看见的机制。

否则，你的组织可能看起来很勤奋、很资深、很稳定——但所有人的复利曲线，一直是平的。而平，就是最深的那种停滞。