AI时代管理进化研究 · 发刊词

工具变快了，事情为什么没变快？

一份材料过去要两天才能凑齐，现在两个小时就成形了。方案、比价、测算，AI 几分钟能给出三个版本。可事情并没有因此变快。材料还是压在桌上，等一个签字；方案还是来回改，等一个拍板；一件本该有人当场定下来的事，还是绕了一圈，回到那个最忙的人手里。

工具变快了，事情没变快。

这些年，很多管理者都碰到过类似的反差。个人能做完的事明显多了，组织的反应速度却没跟上；方案越来越容易生成，作出正确的决定反而更难；一个人用 AI 把产出翻了一倍，可这份产出没变成组织的能力，换个人接手，又回到原点。

如果只把这些当成「工具还没用熟」，就还会继续在工具上找答案。再买一套系统，再训一轮 prompt，再把材料流程优化一遍，几个月过去，卡住的地方还在原地。

过去，很多企业逐渐形成了一套管用的做法。知识获取需要时间，方案形成需要时间，部门之间的协调也有成本。遇到系统里的缺口，就让经验丰富的人多盯一点、多协调一点，很多事情确实也就推进了。

这些做法并非没有价值。问题是，它们所依赖的工作条件正在变化。

知识获取便宜了，方案成形快了，一部分重复工作可以交出去。这些是 AI 真正改变的地方，它压低了知识获取、方案生成和部分任务执行的成本。

一份供应商比较方案，AI 几分钟就能把几家的价格、优缺点、备选列出来，材料看着已经很完整。可到了真要定的时候，问题才浮出来：交期和价格冲突了先保哪个，这个风险谁有权拍板接受。

材料成形了，决定还作不了。

因为生成选项，不等于核实事实；列出利弊，不等于确定取舍；给出建议，也不等于获得授权。AI 降低了候选方案生成和材料整理的成本，却不会自动完成事实核验、价值取舍和授权安排。

这些事不写在工具里，写在组织的决策、授权、协作和责任机制里。方案生成的成本降下来了，但判断依据、决策权限和责任边界，不会因此自动变清楚。工具换了，机制不会自动跟着升级。

再看一项预算追加。金额不大，也容易撤回，授权文件已经写明，这类事项由一线决定。可事项还是递了上来，一层一层签，最后落回那个最忙的人桌上。

这时能确认的，不是某个人不敢担责，而是书面授权与实际运行不一致。为什么不一致，还得继续查。

但如果每次上提都能顺利过关，也没人要求按授权处理，一线慢慢学会的就是把事情递上去更稳妥，制度写了什么反倒不重要了。

制度规定了授权，实际运行却可能在训练相反的行为。

这种授权错位，并不是 AI 创造的，单靠 AI 也解决不了。但当方案生成更快，单纯加快材料处理就更难触到真正的卡点：前端产出变快了，后端的决策机制却没跟着变。表面上都是「一件事到了老板这里」，底下却是不同的机制问题。

所以我真正想弄清楚的是，当把事情做出来的成本降下来，卡住的地方是不是正在转移。原来卡在执行，现在可能卡在判断、协同、责任交接。

这个「转移」是要被检验的判断，不是已经成立的规律。有的企业还卡在执行，有的卡在信息质量，有的卡在权限，有的卡在协作。

真正值得追问的是另一个问题：我们过去积累的那些管理经验，是在什么条件下有效的？这些条件变了，它们还够用吗？

这个问题不好回答，因为它不是问「你会不会用新工具」，而是问「你那套用得很顺的办法，边界在哪里」。

这个专栏要做的，就是这件事。它不介绍 AI 能做什么，也不推销新理论，只想研究 AI 进入实际业务之后，组织怎样重新安排工作、怎样积累能力、又怎样修正自己运行的机制。

它跟多数管理文章不一样，不在于答案更权威，而在于把研究过程摊开：依据什么、缺什么、哪里被推翻了，都写出来。

我长期在企业经营管理和组织变革现场工作。类似的情况，我在不同行业、不同规模的企业都反复遇到过：材料改了几轮，数据也齐了，决策却悬着。

过去，我也容易先从人的习惯、执行意愿上找原因。但当 AI 降低了部分材料生成和方案比较的成本，我开始更认真地追问：问题究竟发生在哪个环节？是事实还不够，判断标准没明确，还是授权与实际运行不一致？

我的管理经验是这项研究的起点，不是结论成立的证明。

这个专栏准备怎样研究

从真实的管理问题出发，提出一个机制上的假设，设计一个能启动的观察或小实验，再拿实际记录来检验。四步，一步不跳。

具体到写法上，我给自己定了三条。

还有一条约束，是给每个选题设的门槛：必须说清 AI 在这个问题里究竟改变了什么工作条件。如果把 AI 拿掉，文章的因果解释完全不变，它就没有达到这个专栏的要求。

我和你在这里是有分工的。你可以发现问题、提供证据、试用方法；研究怎么设计、证据怎么分析、结论能不能成立，由我负责，也由我承担。

首轮研究地图

这三层互相牵着，不是一个接一个的阶段。组织演进会反过来重构工作系统，也会改变能力形成的方式。

从这五条路径进去：决策与任务分流、异常感知与风险护栏、知识捕捉与能力转化、跨边界接口与工作流协同、反馈修正与受控实验。

这五条不是五个栏目，也不是跟上面三件事一一对应。同一件事可以从不同机制切进去，一篇文章也会牵动不止一条路径。

第一季按这五条路径分成五章。下面这二十篇是当前的研究清单。

这份清单是初始版本，不是已经锁定的发布计划。真实问题和现场记录不只可能改变研究顺序，也可能让某个问题被重新定义、某个方法被修正，甚至让原来的选题需要合并或暂缓。

每篇文章会尽量带一个当天就能启动的动作。第一篇，就从连续三天的观察开始。

你可以参与进来

真实的管理问题，很多不在书本里，在你每天的工作现场：一个反复失效的流程，一项怎么都落不了地的授权，一次个人效率提上去了、组织却没跟着改善的变革。

这些可以成为我们一起研究共创的起点。

每篇文章后面，都会留一个能在你现场做的观察或小实验。你照着做，或者按自己的情况改着做，都行。

你交回来的记录，不会自动变成结论。得先看场景、看适用条件、看记录口径，还得看不同企业之间能不能比。涉及企业信息的，得先明确能不能用、怎么脱敏。参与了研究，不等于默认可以公开他企业的事。

然后是公开复盘。哪些问题在不同场景里反复出现，哪些判断得到了支持，哪些方法试下来失败，哪些因为证据不够还答不上来，这些发现又会怎样改后面的研究，我都会写出来。

我不敢保证每篇都能拿到足够数据、得出明确结论。有些研究最后只能得出「现有记录还不足以判断」，那我会把原因和下一步该补什么证据说清楚，这也算一次有价值的复盘。

你可以参与决定先研究什么，可以参与方法试验、提交实际记录和反例。研究怎么设计、证据怎么分析、公开结论怎么说，由我负责。

研究什么问题，可以一起选；研究的过程，可以一起参与；但结论对不对，不能靠谁声音大、谁点赞多来定，得看事实和证据，看在什么条件下成立。

同样一个做法，一个管理者说下放有效，另一个说风险更大，很可能两个人都没说错，只是两家的业务条件、责任边界、人员能力不一样。上面那句「看在什么条件下成立」，说的就是这个：经验很少能脱离条件直接搬，要弄清楚的是这个办法在什么条件下成立，在什么条件下会塌。

参与的门槛可以很低。你可以只读，也可以提个问题，或者挑一项适合自己的实验参与。不是每个问题都适合研究，也不是每个人都要往深处走。

只要一个问题进入研究，我就尽可能把过程和结果带回来。这不是免费诊断，也不保证每个案例都单独分析。

最后

当一些曾经有效的经验开始不够用，当工具越来越强而组织未必同步变强，要紧的是重新看清工作为什么这样运行，找到能改变它的机制，再用实际结果检验。

AI时代，管理需要重新研究的，不只是人怎样使用工具，而是人与AI、人与组织，怎样重新组织起来完成工作。

这件事没法一个人做完。你每天在现场碰到的那些卡住的地方，正是这项研究的起点。

不知道从哪开始，就用前面那个动作：三天，把流过你手上的事项逐件记一遍。不用先想明白，先看清这三天到了你这里的究竟是什么。

方向是明确的，答案不提前锁死。

AI时代管理进化研究 · 发刊词　|　下一篇："您看一眼就行"：那些流向老板的事项究竟是什么？