打工人在职场中该如何应对加班内卷呢？作者将从自己的经验做出对策——首先，了解自己的个人优势。接下来，我们看看具体该如何做，希望能对你有所启发。

概述：本文介绍了作者对职场内卷给出的解决方案，首先使用Ikigai模型发掘自己的优势，接着参考LLM的自我迭代逻辑，运用MVP原则设计一次次的实验，最后要注意实验的可积累性，从而获得结构性优势。

最近刷招聘软件，有一家的方向我还有些兴趣。联系之后，对方HR坦荡的说：我们是早9晚9，不知道能不能接受。

实话说，无论业务发展如何，企业“加班多”对你我这种打工人而言，天然是扣分项。

理由有二：

• 在疲惫状态下工作，事倍功半。因为一天中，人脑高效工作的时间是有限的，不承认这一点，就是在跟客观规律较劲。
• 考虑机会成本，如果把自己想象成一个产品，在一件事上过度出售自己，会损失其他方面获得进步的可能性。

这也让我联想到了可口可乐前首席执行官布莱恩 · 戴森（Brian Dyson）的“人生五球”理论，它形象地为你我展示出“平衡生活中优先事项的重要性”。

Brian Dyson在1991年9月6日佐治亚理工学院第172届毕业典礼上提出：“把生活想象成一个游戏，你在扮演小丑，职责是在空中来回扔五个球。

它们分别是：工作，家庭，健康，朋友和精神。你必须让所有这些球都保持在空中。

扔久了你就会发现，工作是一个橡皮球。如果你不小心让它掉到了地方，它还会反弹回来。但其他四个球——家庭，健康，朋友和精神——是由玻璃制成的。如果你掉落其中之一，它们将被不可避免地被磨损、划伤甚至破碎。你必须明白这一点，并努力在你的生活中保持平衡。”

挺有道理的，对吗？

不过你可能会想，话虽这么说，但在现实中，很多企业就是要加班的呀，我也没有选择。

咱们作为产品经理，职业病可能就是“爱刨根问底”了。所以，这次我想和你交换下经验，说不定能给你一些启发。

一、不仅是找到你的优势

日语中有个词汇叫【Ikigai】，又称作【生き甲斐】。中文含义为【生命的意义】，在英文中，它的意思是【The reason of living】。

这个模型将事物划分为4个象限。

当然，你一眼就能看出：只要能取得【你擅长的事】、【你喜爱的事】、【世界需要的事】、【他人付钱请你做的事】这4件事的交集，那就能得到最完美的结果。

这种分类的模型有很多。马云老师早期的演讲中，也经常提到：你要想清楚下面这些点，分别是：你有什么、你要什么，你愿意付出什么。

道理挺正确，但问题是我们该怎么做呢？

比如，我现在正上着班，虽然内卷，但是会有收入啊，你让我追寻自己喜爱的事，万一赚不到钱，怎么办？

首先，我们要确立自己的目标，找到自己更看中哪个方面，排出个优先级来。

对我而言，Ikigai中，我看重的首先是“专业”，其次是“热情”。这意味着我会优先在工作中尽职尽责，做一个靠谱的同事，然后再尽量将自己的热情联系到工作中来。

举个例子，之前我在做教育产品用户端时，就参考了自己喜爱的游戏——《超级马里奥：奥德赛》—里的反馈机制，制作了所谓的“AI双师”即时反馈交互，在AB测中，得到了超百万DAU用户的认可。体现在北极星指标上，平均上涨了10%。后来，“AI双师”这一模式几乎成了教育行业的标配。

这个例子其实是为了让你想想看：如果用Ikigai方法，你会怎么排序呢？你的优先级是怎么样的，有没有一些例子来为你自己支持它？

找到这些支持点，就能让我们更明确自己“想要什么”“不想要什么”，从而更有结构地进行选择，并通过生活的反馈，不断迭代。

1. 通过测试，突破内卷

那，定好了目标，接下来就要去“做实验”了。

作为产品经理，工作中，我认为最有用的思考方式就是MVP（最小可行性产品），即：去测试，看看结果怎么样。

说人话就是“投石问路”。

比如，ChatGPT的爆火连OpenAI本身都没有预料到，GPT只不过是他们的一个Demo。

有趣的是，OpenAI的科学家Kenneth Stanley和Joel Lehman应该很认同“做实验”这种思路。他们在《为什么伟大不能被计划》中写道：

“我们书中所举的成功者们并没有长远的规划，他们都是先做过一些事情，发现自己更感兴趣的是什么，并为之转行，从而找到为其带来巨大成功的职业。”

长久以来，我们抗拒“边走边看”，我们会被教导要“确立明确的目标，让人生有前进的动力”。

“你有什么职业规划”、“找不到自己明确的目标，该怎么办”等等问题，你或多或少应该听过。

但有了明确的规划，听上去顺耳，实际上可能很糟心——海量的目标测算、计量和因偏差带来的焦虑，将会侵入生活的方方面面，让我们为了“目标”而焦虑、而奔波、而劳累。

或许在某些时候，“目标”能为我们提供生活的意义或方向，但它同样限制了我们的自由，成为禁锢我们探索欲望的牢笼。

所以我想，人生中，我们是不是也能应用MVP思维，以做实验的方式，来积累正反馈呢？

说起来可能有些俗气，MVP的要点就是去拆解自己的目标，让它变成一个个有明显节点的里程牌，然后去做就是了。

这时，我们首先要意识到“现实是骨感的”，来降低自己的预期，不要妄想一口气吃成大胖子。因为事情的发展可能是像下图一样的。

举个例子，之前有人问我：“产品经理如何学习技术知识”，我给了他廖雪峰的python教学网站让他先试试。如果你也是从这里入门编程的，你会发现廖雪峰深入浅出的为你介绍了一系列基础概念。

你也会自己发现适于你的，要补充学习、进一步探索之处。

但你找到这些问题，主动去搜索的过程，其实就是在解锁一个个里程牌。

拓展一下，我们做MVP的过程，其实和LLM（大语言模型）进行深度学习很像。

LLM底层其实会有3个东西：

a.一个目标

b.一个损失函数，用来计算和当前结果和目标的差距

c.一个优化器，用来根据差距调整下一步的行为

我们熟知的ChatGPT，就是在这个基础上制成的“单词模拟器”，它以人类数十亿的文本为基础，一次次地猜测下一次可能出现的词的概率，也就是n-gram概率（即第n个字母的概率分布取决于之前的n-1个字母）。

最初，它很笨，生成的是一堆无意义的字符；到现在，结果你也看到了。

看到这里，你可能已经发现：为了完成这一切，最需要的是其实你想改变的“动机”，而不是了解SOP，比如收藏了一堆一个从0到1学习技术的路线图。

所以在做MVP时，给自己一个低的预期是很好的方式。因为你只要做出一个粗糙的第1版，你就能得到这个世界给出的反馈。

所以请不要仅仅为公司的目标费了大劲，加班加点；我们也要为自己的目标，积极尝试呀。

2. 如何去设计MVP呢

MVP这么好用，那有没有什么做它的原则好供我们一步步实施呢？

我觉得，用来进行质量管理的KANO模型可以用在这里，用于公司产品规划时，它能帮我们分析和分类客户需求。把我们自己当做一个产品时，KANO模型也能帮我们梳理出计划的优先级。

以下是对KANO模型的一些科普，有基础的同学可以跳过。

KANO模型基于对产品或服务特征与客户满意度之间关系的研究，将需求分为五个不同的类别：

• 基本型需求：这些是客户对产品或服务的基本期望，如果缺乏这些要素，客户会非常不满意，但是当满足这些要素时，并不会带来额外的满意度。
• 期望型需求：这些要素是客户通常期望的功能或特性，满足这些要素可以使客户满意，但不满足它们不会引起极度不满。
• 兴奋型需求：这些要素是超出客户期望的惊喜功能或特性，它们能够引起客户的兴奋和高度满意。
• 反向型需求：这些要素是客户并不期望的功能或特性，但如果产品或服务缺乏这些要素，会引起客户的不满。
• 无差异需求：这些要素是客户尚未意识到的，有或没有都无所谓。

应用KANO模型时，最重要的三条原则是：

• 理解客户需求的多样性和优先级。
• 通过满足基本要素和期望要素来确保基本的客户满意度。
• 不断创新和提供兴奋要素以超越客户期望，提高客户满意度和忠诚度。

二、不仅是积极尝试

但积极尝试就够了吗？

实际上，我们应当去追求结构性的优势，也就是说我们要去做一些可以不断积累的事情，哪怕最开始很微小，但随着时间的积累，也会“积土成山，风雨兴焉”。

这里面，能积累的优势，是最重要的。哪怕失败再多次，就当做爱迪生在制作电灯泡时，分类试验了1600多种不同耐热的材料好了。

就好像互联网常常有35岁危机，我们应当提早发现自己的天赋与热情，在这个上面去投资。而不是凭借一次次“好勇斗狠”、“不撞南墙不回头”来消耗自己的能量。

有的时候，我会做一个思想实验：巴菲特今年92岁了，如果他要来你们应聘，你们老板会说：92岁了，“还能干什么”，还是万分激动呢？

人的能力果然不在“年龄”，而在“经历”啊。