AI赋能管理者 · 管理新思维

为什么 AI 越发展，人的作用反而更重要？

AI 不是”自动正确机器”，而是放大人类判断力的智能资源。驾驭它的人，才是未来最有价值的人。

文 / 张树军

最近，关于大模型”变笨””降智””找自己的 bug 找半天”的讨论又热了起来。很多人一边惊叹 AI 能写文章、做图、写代码、跑流程，一边又发现：AI 并不是稳定可靠的”神”。它会幻觉，会误判，会绕路，也会在复杂任务中陷入自我纠错的泥潭。

只不过，被放大的不再是”重复劳动”的人，而是能够提出问题、判断方向、设计流程、承担责任的人。

一、AI 很强，但它不是”自动正确”

过去一年，很多组织对 AI 的认识经历了一个变化：从”AI 会不会取代人”，变成”AI 到底怎样才能真正创造价值”。

Anthropic 在《Building effective agents》中写道：“We’ve worked with dozens of teams building LLM agents across industries. Consistently, the most successful implementations use simple, composable patterns rather than complex frameworks.” 很多成功案例并不是依靠复杂框架，而是依靠简单、可组合、可调试的工作流。能用简单方案解决的，不要急着上复杂 Agent——因为复杂系统往往会带来更高的成本、延迟和不可控性。

这句话非常关键。它说明，AI 能力越强，系统设计越重要；工具越强，人越不能偷懒。

一篇发表于 Forbes Councils 的文章也提出了类似观点：AI 并不只是自动化智能，它会放大背后判断力的质量。好的判断力能大规模改善结果，差的判断力则会更快、更明显地造成反效果。

在实践中，AI 的实际价值不仅取决于模型能力，也取决于组织是否建立了必要的复核机制。没有复核的信任，容易把效率优势变成风险放大器；有边界、有流程的信任，才能真正把 AI 变成增强人的工具。

所以，AI 不是”自动正确机器”，而是”高能力但需要管理的智能资源”。这和管理一名高潜力员工很像：他聪明、效率高、学习快，但你不能因为他聪明，就取消目标、流程、复核和责任。

二、AI 时代，人的第一项价值：定义问题

很多人用 AI 效果不好，并不是 AI 不行，而是问题没问对。

在传统工作中，任务往往是清晰的：写一份通知、整理一个表格、做一个 PPT。但在 AI 时代，真正重要的能力变成了：你能不能把一个模糊目标，拆成 AI 可以执行的清晰任务。

比如，”帮我写一篇文章”是一个弱指令。但如果进一步说明面向谁写、解决什么认知问题、文章立场是什么、需要引用哪些事实、希望读者读完后采取什么行动，AI 的输出质量会立刻不一样。

未来管理者最重要的能力之一，不是自己写得比 AI 快，而是知道什么问题值得问，怎样问，问到什么程度，什么时候该停止，什么时候该重来。

三、AI 时代，人的第二项价值：设计流程

Microsoft WorkLab 在 2025 年趋势报告中提出一个概念：Frontier Firm，前沿型组织。它认为，未来组织会拥有”随取随用的智能”，AI 将重塑业务运行方式，而每一位领导者都需要新的工作蓝图。

这句话背后有一个重要判断：AI 不是简单地嵌入旧流程，而是会倒逼组织重构流程。

世界经济论坛《就业未来报告2025》指出，到 2030 年，技术变革、人口结构变化、绿色转型和经济不确定性将持续重塑全球劳动力市场。一个明确趋势是：“人机协作”不再只是口号，而是在越来越多工作任务中成为新的组织方式。

如果只是让 AI 帮人写几段文字、改几页 PPT，那只是效率工具。真正的 AI 赋能，是重新设计工作流。

McKinsey 全球研究院关于 AI 与工作的研究也印证了这一点：自动化会重塑工作任务结构，但人类技能并不会过时，而是会被重新应用和重新分配。真正的收益并不来自简单替换，而来自重新设计工作，让人和 AI 系统协同运作。

这就是为什么 Anthropic 强调 workflow 和 agent 的区别。工作流适合明确、可控、可复核的任务；Agent 适合更开放、更动态的问题。但不管是哪一种，都需要人来决定：什么时候用简单流程，什么时候允许 AI 自主探索，什么时候必须停下来让人判断。

AI 时代的管理者，不只是”使用工具的人”，而是”设计人机协作系统的人”。

四、AI 时代，人的第三项价值：判断真假与风险

AI 最大的问题，不是不会回答，而是它有时会”很自信地答错”。这对管理者提出了更高要求。

NIST 发布的《AI 风险管理框架》（AI RMF 1.0）提出了可信 AI 的关键特征，包括有效可靠、安全且有韧性、可问责且透明、可解释且可理解、隐私增强、公平并管理有害偏见等。随后，NIST 又发布了面向生成式 AI 的风险管理配套文件 NIST AI 600-1，帮助组织识别和管理生成式 AI 带来的独特风险。

Stanford HAI 的 AI Index 长期跟踪全球 AI 发展趋势，也反复显示出一个共同现象：AI 采用速度正在加快，但人才、治理、预算、知识差距和监管不确定性，仍然是组织落地 AI 时必须面对的关键约束。

这说明，全球范围内，组织正在从“要不要用 AI”转向“怎样负责任地用 AI”。AI 可以生成判断材料，但最终判断仍然需要人。AI 可以给出建议，但最终责任不能外包给模型。

五、AI 时代，人的第四项价值：把知识变成组织能力

Stanford HAI 的 AI Index 长期跟踪全球 AI 发展趋势，其中一个明显信号是：AI 技术进步很快，但不同组织真正获得收益的差距正在拉大。

为什么？因为模型越来越容易获得，但组织能力不是买来的。

同样一个模型，有的单位只是拿来”写材料”；有的单位却能把它嵌入客服、招生、教学、培训、知识管理、数据分析、决策支持等关键流程。差距不在模型，而在组织。McKinsey 的研究也指出，真正的收益不是来自技术本身，而是来自重新设计工作——让人和 AI 系统协同运作，而不是简单替换。

基础薄弱，AI 会放大混乱；流程清晰，AI 会放大效率；知识沉淀充分，AI 会放大经验；责任机制明确，AI 才能放大信任。

六、未来最值钱的人，不是和 AI 比速度的人

很多人担心：”AI 写得比我快，算得比我快，画得比我快，那我还有什么价值？”这个问题本身就问错了。

人不应该和 AI 比速度。就像管理者不应该和员工比谁打字快、谁做表格快一样。

AI 会替代很多”执行型动作”，但它会提升”管理型能力”的价值。过去，一个管理者的能力体现在经验、判断和协调。未来，这些能力不会消失，而是要叠加一层新的能力：智能调度能力。

谁能把人、知识、流程、数据和 AI 组织起来，谁就拥有新的管理优势。

七、给管理者的三点建议

第一，不要把 AI 当搜索引擎。 AI 不是简单问答工具，而是可以参与写作、分析、设计、复盘、流程执行的智能伙伴。用 AI 的关键，不是”问一句”，而是”设计一套协作方式”。

第二，不要迷信 AI 的第一次回答。 AI 的输出只是初稿，不是结论。重要内容必须经过事实核验、业务校验和责任确认。尤其在管理、教育、医疗、财务、法律等场景，更要建立复核机制。

第三，不要只培训工具操作，要培训管理思维。 会点按钮、会写提示词只是入门。真正重要的是让管理者理解：哪些工作可以交给 AI，哪些必须人来判断，哪些流程需要重构，哪些风险不能碰。

结语：AI 越强，人越要站到更高的位置

AI 的发展，不是在告诉我们”人不重要了”，而是在逼迫我们重新定义”什么样的人更重要”。

重复执行的人，价值会下降；简单搬运信息的人，价值会下降；只会等待指令的人，价值会下降。

但能够提出问题、整合资源、判断风险、设计流程、承担责任的人，价值会越来越高。

AI赋能管理者

关注AI落地实践 · 服务企业管理者

长按关注 · 获取更多AI实战经验