一篇题为《The Rise of the Bullshittery》的观点文章，批评的是一个很多知识工作者都熟悉的场景：一个人未必真懂，但只要能持续发布、语气自信、善用热词、制造互动，就可能在职业平台上显得很有分量。

这件事有意思的地方，不在于“有人爱包装自己”。职场从来都有包装。变化在于，LinkedIn、Medium、X、YouTube、TikTok、Substack 这类平台分发机会时，最容易读取的信号是互动、停留、转发和情绪反馈，而不是专业准确性。

我的判断是：生成式 AI 没有发明职业里的空话，但它正在降低空话的生产成本。过去要攒一篇像样的行业长文，至少要花时间组织材料。现在，一段提示词就能生成结构完整、语气稳妥、看上去很懂的内容。

问题就从这里开始。

问题不是撒谎，而是对真假无所谓

原文借用了哲学家 Harry Frankfurt 在《On Bullshit》里的区分：bullshitter 不是普通说谎者。

说谎者至少知道真相在哪里，然后试图遮掩。胡扯者更麻烦。他并不在乎真假，只在乎自己是否显得胜任、聪明、适合进入某个圈子。

这个定义放到职业平台上，很贴切。

很多内容并不是逐句造假。它们更常见的做法，是绕开验证：用宏大词汇替代具体经验，用“方法论”替代可复盘案例，用流畅表达替代判断。读起来没什么硬伤，但也很难追问责任。

这就比单纯的假消息更难处理。因为它不一定错得离谱，却会稀释专业判断的价格。

机制平台更容易奖励什么被挤压的东西
互动分发情绪强、更新快、容易转发慢研究、细验证
职场焦虑成功叙事、捷径课程、人设背书真实履历、可复核成果
生成式 AI大量流畅但泛化的内容经验、责任、独立判断

这也是我不太买账“会表达就是能力”的原因。表达当然是能力，但如果表达长期脱离验证，它就会变成另一种职业噪音。

平台奖励可见度，不等于奖励专业性

LinkedIn 的特殊之处在于，它披着职业网络的外衣。用户发帖不只是表达观点，还可能影响招聘、销售、融资、咨询和个人品牌。

平台最擅长判断什么？不是一条职业建议到底有没有用，而是哪段话能带来评论、点赞和转发。

这不是说 LinkedIn 或所有自我营销都有问题。合理展示成果，本来就是现代职场的一部分。工程师要写技术总结，设计师要做作品集，咨询顾问要解释方法，创作者要让读者知道自己在做什么。

真正的问题是排序机制。当“看起来有用”长期排在“确实有用”前面，认真工作的人就要多付一层成本：既要把事情做好，又要把事情包装成平台喜欢的样子。

原文提到，一些“导师型影响者”会利用求职焦虑兜售空泛建议、推荐承诺或课程。这里需要留边界：不是所有职业教练都是骗子，也不是所有管理岗位都在制造空话。很多人只是被系统激励推着走。

但系统激励一旦稳定，行为会变形。

研究注意力经济的学者早已观察到，低可信信息和平台注意力之间存在复杂关系。原文引用的一项 2024 年分析显示，在 6500 多名美国州议员样本中，发布低可信信息与主要平台上的注意力正相关。政治传播不能直接等同于职业内容，但它至少提醒我们：平台先奖励传播效果，内容质量往往排在后面。

这对知识工作者很现实。

工程师可能会把一部分时间从修稳定性转向写“技术影响力”内容。写作者可能会减少查证，把更多精力放在选题包装。设计师可能会优先发布漂亮流程图，而不是解释用户测试里的失败样本。专业服务从业者也会遇到类似压力：客户先看到的是声量，不是交付记录。

于是，认真工作者不是不表达，而是被迫学习一种额外技能：把可验证成果翻译成平台能识别的信号。

AI 让空洞表达工业化，筛选标准也要变

生成式 AI 的新作用，不是发明骗局，而是把“听起来像那么回事”的内容成本打到很低。

ChatGPT、Claude 等工具可以很快生成一篇结构完整、语气自信的行业文章。它未必错得离谱，但可能没有来源、没有经验、没有责任人。读者看完会觉得顺，可一追问细节，就发现落不到具体项目、具体限制、具体结果。

这会改变竞争环境。

以前，空洞表达也有成本。要写得像样，至少需要时间、语感和一点行业词汇。现在，这些门槛都被压低了。结果不是骗子突然变多，而是大量普通人也被诱导去生产“够像样”的内容。

这时，受影响最大的不是最会表演的人，而是靠作品说话的人。

对象过去更重要的信号AI 放大后的压力更现实的应对
工程师代码质量、稳定性、故障复盘演示视频和热帖抢走注意力展示可复现 demo、性能数据、事故复盘
写作者 / 创作者资料来源、采访、判断快速生成的趋势解读大量出现标明来源、区分事实与判断、留下可追踪更新
设计师用户研究、迭代过程、交付效果漂亮但未经验证的方法论更易传播展示约束条件、失败版本、测试结果
专业服务从业者客户案例、交付边界、长期效果个人品牌话术更容易压过履历把承诺写窄，给出可核验样本

招聘方和采购方也会调整。至少，应该调整。

如果简历筛选只看自我描述，AI 生成文本会越来越难分辨。更可靠的做法，是延后被“表达流畅”打动的时间，把筛选往样品、试题、过往成果、引用来源和同事评价上移。

对内容平台创作者也一样。真正能抵抗空话的，不是拒绝用 AI，而是把 AI 放在辅助位置：帮你整理材料、改结构、提问题，但不要替你生成无法负责的判断。

David Graeber 在 2013 年提出过“bullshit jobs”概念，认为不少白领工作缺乏真实社会价值。这个说法很有冲击力，但它的强结论存在实证争议。2022 年一项研究发现，欧洲报告自己工作无用的劳动者低于 8%，远低于 Graeber 框架暗示的比例；有毒管理和组织文化可能是更强解释。

这个限制很重要。它提醒我们，不能把所有管理、营销、表达、内容生产都打成“胡扯”。很多工作确实需要协调、解释和传播。问题不在表达本身，而在表达是否还能被结果校验。

接下来最该看的，也不是 AI 内容到底多了多少。这个问题很难数清，也容易陷入情绪。

更关键的变量是三件事：招聘是否更重视可复核作品，采购是否要求明确交付样本，平台是否给来源、过程和修正记录更多权重。只要这些反向信号不变，认真工作者就会继续在“做好事”和“演得像”之间分神。

开头那个问题也就有了答案：当“看起来懂”比真懂更容易被奖励，AI 放大的不是聪明，而是可见度的偏差。真才实学不怕慢，怕的是永远排在表演后面。