与在工厂体力劳动相比，白领在电脑前靠脑力劳动工作。比起白领，知识工作者似乎属于更新潮的说法，它的构词暗含了比白领工作更少的重复、更多的灵动、更复杂的管理技能。
在工厂中，员工按照既定流程和标准来完成任务，工作产出有明确标准判断好坏，比如良品率、检验合格率、按时完成件数。知识工作的成果是通过语言产生，没有客观检验标准，成果评估是一件几乎不可能实现的事情。互联网公司发明各种汇报、述职以至于 360 环评，都是因为知识工作的结果难以被量化和统一评价。
知识工作者以获取信息为生，我们搜索、分析、加工、提炼信息，最终以“表达信息”呈现。我们价值也通过“表达信息”而被评估。无论你是带产品需求文档评审，还是推运营活动策划方案落地，或者汇报产品用户体验调研，这些都是“信息表达”。我们靠表达信息来输出方案、构建概念、沟通协作、建立 credit。信息是知识工作者赖以为生的基础。
大家都是信息搬运工。
公司业务越多、组织越大、分工越细，将信息搬运的频次越高、距离越远。
每个公司都会有被人评价为 “实际没什么业务能力，只是很会说，而得到了升职加薪”。实干家对此不齿并继续埋头投入与之般配的精力。而 “因为很会说，得到升职加薪” 恰恰揭示知识工作者因为产出无法被量化地一致地评估，只能靠信息表达来被周围和上级感知的事实。
简单的信息两个字，实则包含了工作环境的全部。从显性的业界实践、产品逻辑、市场局面、运营模版、竞品优劣，到隐性的资源分配、公司文化、管理者偏好、合作方团队的人喜欢喝哪家奶茶。
信息搬运的最重要甚至唯一技能是语言（符号）。正是通过语言生产出的工作结果，让知识工作者陷入窘境。
语言层次具有无限延展性和抽象性，不存在生理和物理的极限，知识工作者的认知信息劳动，天然带有卷的属性。
对公司内部，语言表达的结果，不同人有不同的评价，对于什么是优秀，似乎没有确定的一致。比如，对于什么是好的产品设计方案，所有人有自己的倾向和观点，最终决定好不好，是看有没有过评审，有没有顺利上线，有没有得到产品老板认可。这也解释了实际工作中，交互设计方案同时做多个版本比稿，发布会策展方案从第一版到最终版改了几十稿。
语言表达的含义，是迂回的、发散的、始终飘忽不定。比如什么是好的产品体验？除了交互设计领域有结合心理学的设计范式，再无一致的好体验标准。可实际要兼顾研发成本、运营策略和产品设计时，做出好的产品体验这件事情本身就变得抽象了。往往是资源、业界实践和团队心力综合出来的产物。
对公司外部客户，知识工作者往往需要创造需求。
需要创造需求的大背景是工业革命以来，生产力大发展，产量不再稀缺，供给过剩，商业世界的重心，从生产商品转向了生产需求。过去是以生产为中心，核心技能是管理供应链和工厂，能组织大规模生产的企业是最值钱的公司，比如当时的福特、大众、通用。
当商品多于消费者时，分发、营销、创造需求，成为商业世界新焦点。苹果成为了这个星球最顶级的公司。Facebook, Google, Amazon 获得了最大的市值，因为它们离海量的消费者更近。
当你的工作要创造新需求的时候，你进入了一个自我循环的悖论，因为旧需求总是会被满足和消耗殆尽。这也是为什么新理念、新品类、新品牌、新渠道层出不穷。
上述窘境是历史性的，由当前生产力和商业技术不够发达所决定。ChatGPT 出现与否，不改变知识工作者的尴尬地位。它只加快消除尴尬，虽然消除尴尬是以消灭工作来实现的。
当我让 ChatGPT 帮我给整篇文章做个总结时，它给出如下回答：
知识工作者的工作特性决定了他们的成果评估是一个几乎不可能实现的任务。这是因为知识工作者需要通过语言来表达信息，并在团队协作和沟通中获得认可和信任。然而，语言作为工作产出物具有无限延展性和抽象性，不同人对其评价有不同的标准和观点，很难达成一致性的评价。因此，知识工作者需要充分利用自身的知识和技能，通过优秀的信息表达来获取周围人的认可和信任，同时也需要保持持续的学习和探索，以不断提升自身的能力和价值。只有这样，才能在这个知识和信息爆炸的时代中脱颖而出，成为一名优秀的知识工作者。
可能中文互联网昂扬向上的内容太多，它生成了一个进步扩张的鸡汤式总结，也就是鼓励大家继续卷以变得优秀。而正是生成这个答案 ChatGPT 它自己，将会在足够长时间内，让知识工作者卷无可卷。
我们能做什么呢？长期切换赛道，到 ChatGPT 卷不到的领域，这由探索、天赋和兴趣所驱动。短期何不用 ChatGPT 来无所不用其极地提高个人效率。
只要简单了解 ChatGPT 的成因，你便可理解哪些工作能更好交给它，10 倍提高生产力，解开窘境。成因和用法，我们将在下篇文章介绍。