ARTICLE · 1158629
AI时代,决定企业工具上限的居然是文化?
AI时代,决定企业工具上限的居然是文化?
工具和方法可以共享，可靠的合作要在一次次履约中建立。 01 AI对企业的冲击 · 文化篇 设想一个场景：公司刚上线AI客服，一名员工发现，系统向客户承诺了并不存在的服务。 制度规定，异常要上报。员工也知道应该上报。但他还记得，上一次有人报告问题，会上追问的不是系统为什么出错，而是谁让问题影响了本月的业绩。 于是，他先把这件事压了下来。 权限、日志、审批流程都有，问题仍然没能及时浮出水面。缺少的并非又一条规定，而是一种可信的预期：说出坏消息，会得到怎样的对待？ 这就是文化开始影响AI成败的地方。 前几篇讨论了战略、组织和人的成长。走到文化这一层，问题更贴近日常：同样的工具、相似的制度，为什么在一家公司里帮助人协作，在另一家公司里却成了掩盖问题、推卸责任的办法？ AI会把组织做事的方式放大。真正需要检验的，是这家公司究竟奖励什么、容忍什么，以及承诺算不算数。 02 文化是人们对这家公司的实际判断 说起文化，企业习惯列价值观：客户第一、开放协作、勇于担当。这些表达有必要，但员工不会只依据这些词决定怎么做事。 他们还会观察，谁得到了晋升，谁在出错后被怎样处理，跨部门帮忙的人有没有吃亏，以及领导在业绩压力面前是否仍然遵守自己说过的话。 这些经历积累起来，形成一套日常判断：在这里，什么做法真的被认可，什么话最好不要说，哪些承诺可以相信。 文化就藏在这些判断里。它比墙上的文字更能预测人的行动。 公司说鼓励创新，但每次试点出问题都追罚经办人，员工学会的会是少试；公司说重视协作，却只给抢到收入的部门记功，员工学会的会是守住自己的地盘。这些反应未必来自个人品行，更可能是对真实激励的适应。 AI进入以后，这种适应不会消失。员工可能用它更快地寻找证据，也可能用它更快地写出一份无懈可击的解释；管理者可能因此看到更多问题，也可能只是收到更多修饰得体的汇报。 一份报告写得更清楚，并不保证事实更接近真相。 所以，文化从来不只是员工是否热爱公司。它首先关系到信息能否如实流动，人与人能否形成可靠的合作预期。企业要把强大的工具接入业务，就不能忽略这套实际运转的规则。 03 流程可以学走 履行承诺的历史不能直接复制 AI降低了获取知识、整理流程和借鉴经验的成本，这是文化篇的一个重要起点。但不能因此断言，流程、专利、数据和专业能力都已失去价值，企业只剩文化这一项优势。 知道一种方法，与能够稳定地做成，仍有距离。可靠的数据、受约束的操作流程和长期积累的技术能力，也不会因为模型能写出一份说明就自动出现。 文化的重要性，在于它影响这些能力能否一起发挥作用。 一家企业可以参考同行的售后制度，规定响应时间、升级路径和赔付权限；却不能仅凭复制这份制度，就得到客户已经给予同行的信任。客户相信的是，这些承诺在过去兑现过，出了意外也有人接着处理。 内部协作同样如此。跨部门流程可以画在纸上，但业务人员是否愿意提前暴露需求的不确定性，技术团队是否愿意解释自己的限制，遇到冲突后谁会按约定行动，靠的是反复合作形成的经验。 信任让人敢于交出真实信息，也敢于把一部分事情交给别人。它能够减少合作中的防备和反复确认，但必须由持续履约来支撑。 这份价值有边界。信任不能替代必要的检查，更不能成为绕过控制的理由。熟人关系也未必都是好文化：如果客户资料只握在一个人手里，重要决定只能靠私下打招呼，公司对个人的依赖可能恰恰说明制度薄弱。 好的文化，应当让可靠的合作逐步扩大，让新同事也能理解规则、获得机会。若只能依靠少数老人的私人关系维持，组织就很难成长。 难以复制，也不等于一定值得保护。有些习惯根深蒂固，只是因为从来没有人敢问它是否还合适。 04 AI越会给答案 越需要有人敢说不对 AI能快速生成完整、流畅的建议，组织也因此面临一种诱惑：把表达的确定感，当成判断的可靠性。 如果再叠加领导的认可，一线员工要提出异议，就不只是质疑一个答案，还可能被理解为质疑上级、拖慢进度，甚至不支持公司的转型。 回到开头的假设场景。发现错误承诺的员工，最需要的未必是一次“勇于担当”的培训。他需要知道，暂停发送、请求复核、指出规则缺陷，会不会使自己承担不合理的代价。 艾米·埃德蒙森在1999年对一家制造企业51个团队的研究中发现，团队心理安全感与学习行为相关。[1] 这项研究早于生成式AI。它提供的启发是，承认不知道、寻求帮助和指出问题，都包含人际风险；团队如何对待这些行为，会影响它能否从工作中学习。 用于AI管理，这意味着公司不能只开一个反馈入口，还要让反馈产生可见的后续。 员工提出疑点后，有没有人核查？证据不足时，能否先把不确定性保留下来？问题被确认后，规则有没有修改，报告人是否知道处理结果？这些细节，比一次动员会更能说明公司是否欢迎真实信息。 当然，允许质疑不等于每个意见都必须采纳，也不等于业务无限期停在讨论里。异议需要证据，决策需要时限，重大风险与普通分歧也要区分。关键是，提出有依据的疑问，不应被当成不忠诚。 当所有人都知道“上面想听什么”，AI很容易帮助组织更快地说出那些话。真正危险的，是公司越来越善于形成一致意见，却越来越不善于发现自己错了。 一家公司有没有用好AI，有时要看：最熟悉现场的人，能不能否决一份看起来很漂亮的答案。 
能否指出问题，取决于组织怎样对待说出问题的人。 05 责任讲清楚 还要看出事以后怎样处理 组织篇已经讨论过权限、记录和停止机制。文化要回答的是，当问题真的发生，大家会不会按照事先约定的方式行动。 “谁负责”如果只意味着找出最后点击确认的人，就很容易把系统性的错误压到最末端。相反，凡事归结为“系统问题”，也可能使明确的违规和隐瞒得不到处理。 容错需要区分情形。 在批准范围内做了必要检查，仍因无法预见的问题出错，需要复盘并改进；因为流程含糊、时间不足或权限设计失当导致遗漏，需要连同管理安排一起修正；明知越界仍执行、发现问题刻意隐瞒，则不能用试错来解释。 只看结果好坏，很难作出公平判断。一项有风险但经过认真评估的尝试，可能失败；一次草率操作，也可能侥幸没有出事。公司若只惩罚前者、奖励后者，学到错误经验的是整个组织。 对AI尤其如此。复盘应当还原当时可获得的信息、授权边界和决策依据，同时看模型输出、工作负荷以及监督是否真实有效。不能事后拿全部信息，要求当事人在当时就知道结局。 管理者也要进入这条责任链。是谁决定上线，谁设定进度，谁批准省略复核，谁有权停用系统？这些问题，与经办人做过什么一样重要。 老板说一句“我负责”，如果后续没有资源补救、没有规则调整，只是把会议结束掉，责任并未真正落地。对客户兑现补救，对员工说明处理依据，对同类业务修正机制，才让这句话有重量。 时间久了，员工会形成判断：在这里，暴露问题比掩盖问题更有利；尽责的尝试会被认真对待；越界和欺骗也不会被放过。这样的预期，才能同时支持使用AI的积极性和必要的谨慎。 06 在场的价值 是有人持续把事接住 原来需要面对面沟通的事，越来越多可以通过远程协作和AI完成。人在同一个空间里的时间减少，会带来新的管理问题，但不能据此认定关系一定变差。 2024年发表于《自然》的携程随机试验，涉及1612名员工。每周两天居家、三天到岗的混合安排提高了工作满意度、降低了离职率，并未损害研究所衡量的绩效。[2] 这是特定企业和岗位的结果，不能推广到所有工作；它至少说明，办公地点本身不足以判断团队是否可靠。 在文化里讨论“在场”，应当把地理位置和实际投入分开。 有些事情确实需要亲自到现场。设备状态、复杂操作、敏感谈判，都可能依赖直接观察和当面沟通。但对客户而言，一个人飞来作出承诺，却迟迟没有下文，未必胜过一位远程负责人持续协调、按时反馈并真正解决问题。 在场的含义，是该出现时能够出现，需要处理时不消失，承诺的下一步确实发生。 同处一间办公室，也可能彼此回避；分布在不同城市，也可能配合可靠。公司需要根据任务安排共同工作的时间，而不是把坐在一起当成信任已经建立的证明。 更不能把长期熬夜、不断救火，当成关系生长的必要条件。一起处理过困难，可能加深理解，也可能积累怨气，区别在于分工是否公平、帮助是否及时、事情结束后是否得到恢复，以及同样的失误有没有再次发生。 优秀的预防工作尤其容易被忽略。有人把交接做清楚，把异常提前排除，团队因此没有经历一场“硬仗”。如果公司只奖励最后救火的人，便会教大家忽略那些让火不必发生的工作。 可靠的文化，不必靠每个人随时牺牲来证明。它应当让事情有人接，也让人有条件长期接得住。 
可靠的协作，是交出去的事情有人接，承诺的下一步确实发生。 07 提效收益怎么分 比意义口号更有说服力 上一章谈协作，这里还要谈交换。员工是否信任公司的AI转型，与转型带来的收益和成本怎样分配有关。 设想一名员工主动改进流程，把原来一天的整理工作缩短到两小时。如果他每次公开这种改进，得到的都只是更多任务、更高定额，以及对岗位去留的猜测，下一次未必还会愿意分享。 这未必是他抗拒技术。他可能只是在保护自己。 企业当然需要效率，也不能承诺每项提效都直接增加工资。但至少应当说清楚，节约出来的时间准备用在哪里，岗位如何变化，哪些人会获得培训和新的任务，以及做出改进的人如何被认可。 同样，不能一面要求资深员工把经验交给知识库，一面让他相信“教会系统，就轮到自己离开”。人才篇讨论过这个矛盾。到了文化层面，它会影响每一份经验是否愿意被真实、完整地分享。 归属感也不能建立在“离了我就转不动”上。一个人因为别人接不了班而被困在岗位里，未必更有安全感；一项业务只有他能处理，也可能使他无法休息和成长。 更稳固的归属来自一种可信的关系：我的贡献被承认，我可以学习新的工作，合理的边界受到尊重，变化发生时不会被刻意蒙在鼓里。 “我们重视人”，最难兑现的时刻，往往就是业务调整、资源紧张和分配利益的时候。没有哪段AI生成的沟通话术，能够弥补现实安排与承诺之间的长期落差。 数据的使用也在塑造这种关系。企业可以用记录排查故障、改进协作，却不应轻率地把在线时长、消息数量、提示词次数变成个人价值排名。这些数字容易取得，并不意味着它们能准确代表贡献。 员工需要知道收集什么、用于什么，误判怎样纠正。指标如果只剩下不可解释、不可申诉的结论，技术越精细，人的防备可能越深。 08 文化建设 要从最近发生的事开始 文化不容易被一份计划改变，但也并非只能等它自然生长。资源安排、管理者的反应和制度的执行，都在持续塑造它。 企业可以从最近一次AI试点复盘，而不是先重写整套价值观。 找出一条曾被忽略的坏消息，看它在哪里停了下来。员工是不知道向谁报告，还是知道报告以后没有好结果？前者需要修流程，后者需要管理者改变处理方式，并让人看见这种改变。 再看一次跨部门交付。有没有人提供了关键帮助，却因为不计入本部门业绩而承担损失？如果有，评价和资源分配就应当承认这部分贡献。靠个人情分长期填补制度缺口，很难持续。 还可以检查一次提效后的安排。省下来的时间，是全被填成了新任务，还是也用于处理积压、训练新人或改善交付？员工对下一轮改进的态度，往往已经写在上一轮的结果里。 这些检查不需要再制造一张“文化分数表”。观察真实事件，跟进具体改变，就比让全员填写一份表态问卷更有用。 团建、共同活动和价值观讨论也不必一概否定。它们可以增进了解，为合作提供机会；但日常工作中的失信，无法靠一次活动冲销。最值得投入的，是让协作本身更公正、更可靠的安排。 管理者尤其要留意自己如何回应不方便的事实。下属指出AI建议有误时，先核查还是先维护权威；客户的合理要求影响短期利润时，是否仍然兑现承诺；骨干提出休息和交接需求时，是否被贴上“不够投入”的标签。 文化会从这些小事里得到确认，也会在这些小事里被改写。 
问题得到处理，规则随之改进，信任才会在实际行动中积累。 09 尾声 文化决定工具进入怎样的关系 AI可以让公司拥有更强的分析、更快的响应和更便宜的内容生产。流程与知识仍然重要，组织与人才仍然需要投入。文化不会替代这些工作，却会影响它们最后变成什么。 一个鼓励掩饰的团队，可以用AI把汇报写得更漂亮；一个容许推责的团队，可以借模型输出给自己寻找理由；一个能够认真对待异议、兑现承诺的团队，则有机会让工具帮助人更好地协作。 这也是为什么文化难以仅凭购买一套系统、引入一份最佳实践就获得。可以迁移的是方法，需要重新积累的是大家对彼此的判断：你会不会履约，我说出问题是否安全，出了意外有没有人继续负责。 企业不必把自己说成员工的家，也不必许诺每个人永远不可替代。把合理的交换讲清楚，把答应过的事做到，把错误诚实地处理，已经是十分扎实的文化建设。 到了AI时代，这些要求没有过时。工具越强，行动越快，组织越需要有人能够及时指出偏差，也需要彼此相信，真实的问题会被认真解决。 AI能替企业说出正确的话。文化，是它说完以后，这家公司究竟会怎么做。
资料与延伸阅读 [1] Amy Edmondson，Psychological Safety and Learning Behavior in Work Teams，Administrative Science Quarterly，1999。对一家制造企业51个团队的研究，讨论心理安全感与团队学习行为的关系。 [2] Nicholas Bloom、Ruobing Han、James Liang，Hybrid working from home improves retention without damaging performance，Nature，2024。研究对象为携程特定部门员工，考察每周两天居家的混合办公安排。