夜雨聆风这次事件之后，我给自己定了个规矩：AI出的方案，过手之前先问三个问题。
1. 这个方案的隐含前提是什么？
2. 执行这个方案的是谁，他的一天长什么样？
3. 三个月后这个方案还会被执行吗？
01 第一眼，挺唬人的
上个月设计薪酬绩效工作坊，我用AI辅助出方案。
我的客户是一家小型软件公司的创始人，技术团队就几个开发人员。他的诉求很明确：员工不主动，不安排就不动，想通过调整薪酬绩效来解决。
我把公司背景、团队情况、核心诉求全部喂给了Claude，让它帮我出一版工作坊方案。
AI给的第一版，说实话，挺唬人的——
月度绩效系数四档（0.6/0.8/1.0/1.2）、三维度加权考核（任务完成度50%、主动性30%、协作沟通20%）、绩效面谈反馈机制，一整套下来，跟大厂HR方案一模一样。
我当时的反应是：不错，省了我不少时间。
直到我多看了两遍。
02 隐隐觉得哪里不对
方案里有个模块叫“从症状到根因”，核心逻辑是这样的：这家公司的绩效考核形同虚设，800块绩效工资从来没扣过，员工知道不会被罚，所以行为没有任何约束。
AI的解法是，先拿到老板“愿意执行扣减”的承诺，再往下设计方案。
它甚至帮我写好了现场话术：“如果新的体系设计好了，但你依然不愿意执行扣减，你觉得结果会不同吗？”拿到承诺才往下走。
逻辑上没毛病，甚至可以说很老练。
但我反复看的时候，隐隐觉得哪里不对。
03 第一个错：方向搞反了
不对在哪，我想了一会儿才抓住。
AI把“绩效从来没扣过”当成了问题的根因。它的推理链条是：绩效不扣→员工没压力→行为不改变→所以要让绩效真正生效。
这个链条每一步都说得通，但它有一个隐含前提：绩效考核应该存在。
做顾问这些年，我有一个习惯：客户说的问题，先不急着解决，而是想一想，这个问题本身，会不会其实是他在当前条件下做出的最优选择？
800块绩效从不扣，表面上是管理失效。
但退一步看，这么小的团队，你既是老板又是同事又是唯一评委，扣完第二天还得一起干活。
万一员工不爽，突然离职，项目怎么办？
万一员工背地里使绊子，故意写bug坑客户，又怎么办？
所以他选择不扣，每个月都是如此。
不能怪老板不敢执行，也许这个东西本来就不该存在。
我之前碰到过一个类似的案例。
某公司底薪5000加绩效1000，却总是招不到人。
我们调研发现，同行直接写底薪6000，总包一样，但求职者看到的第一个数字差了1000，安全感完全不同。
这家公司花一样的钱，招聘漏斗窄了一截。
后来老板听了建议，把绩效并入底薪，招聘效果立竿见影。
同样的逻辑，与其逼他扣一笔从来没扣过的绩效，不如干脆取消绩效，把底薪、绩效、全勤、司龄全部合并成一个固定月薪。
对外，招聘直接说“底薪8000”，吸引力蹭蹭上涨。
对内，避免了“绩效从不扣”的管理尴尬。
AI的判断是对的，绩效确实形同虚设。但它默认了“绩效应该存在”这个前提，所以解法是让绩效生效。
而真正的解法是让绩效消失。
04 第二个错：太完善了
第二个问题更隐蔽。
AI设计的薪酬结构很完善，四档系数，三个维度，加权计算，月度反馈。每一项都有道理，每一项都能在管理学教材里找到出处。
放在一家200人的公司，这套方案完全成立，因为有专业HR和受过培训的业务负责人来执行，有中后台团队支撑管理动作，薪资水平也足够高，绩效拉开差距能产生真实的激励效果。
但这家公司只有几个开发。老板自己还要跑售前、做技术方案、对接客户。没有HR，没有中后台，所有管理动作都在消耗老板一个人的时间和精力。
让他每个月坐下来，给手下这几个人打三个维度的分，算加权系数，再做绩效面谈，第一个月会做，第二个月开始烦，第三个月一定流于形式。
更何况，这家公司的绩效浮动就是每月几百块。为了每月几百块的绩效差距，投入大量的管理成本去设计制度、执行评估、处理争议，这笔账怎么算都不划算。
就好比税务机关对小规模个体工商户，采取定额征收或者干脆免税，不会派人去精细化查账。为什么？因为查账的成本比收上来的税还高。
AI给的这套方案不是错的，但是太完善了，完善到只有大公司才跑得动，放在小公司就是一台没有燃料的发动机。
05 AI承认了自己的错误
我把这两个质疑提给了AI。
它重新做了一轮研究，搜了丹尼尔·平克《驱动力》里关于知识工作者激励的结论，搜了惠普90年代绩效奖金试点全部失败的案例，搜了奈飞取消奖金合并为最高固定工资的做法，然后承认了自己的方向有问题。
新方案跟原来完全相反，薪酬做简化不做复杂化，取消月度绩效，固定月薪拉高，浮动部分只保留项目奖金。
这样做的目的是跟可验证的交付成果挂钩，不靠任何人的主观打分，从而把老板从繁琐的管理中解放出来。
那一刻我确实有一丝战胜AI的爽感，但更多的是松了一口气，还好多看了那两遍。
AI能做方案，但判断这个方案会不会活过三个月，得靠那个多看两遍的人。
06 AI为什么会犯这种错
工作坊做完那天晚上，我一直在想一个问题：AI为什么会犯这两个错？
不是因为它不够聪明，它的推理能力在很多地方比我强。
问题出在它的推理方式上。
你问AI怎么设计技术团队的薪酬绩效，它会从海量的管理模板、HR方案、咨询报告中提取共性，给出行业里讨论最多、引用最多的那套方案。
但最多人讨论，往往也意味着最多人踩过坑。
绩效系数四档，三维度加权考核，这些东西之所以在网上到处都是，恰恰是因为无数公司用过、无数公司吐槽过、无数HR写过复盘文章。
AI从这些文章里学到的是，这是标准做法；但它学不到的是，这个做法在几个人的小团队里一定会废掉。
这里还有一个问题我也想了很久：我不是已经把背景信息都喂给它了吗？它不是也反问了我一轮吗？怎么还是做不出定制化方案？
因为不管是我描述问题，还是AI反问挖掘，重心都放在了目标上，也就是“我想解决什么问题”，但很少有人会主动描述“我有多少能力和资源来执行这个方案”，AI也不会着重追问这一层。
它默认你能执行它给的方案，就像导航默认你会开车。
更麻烦的是，使用者本人对自己的高估，可能比AI还过分。
所以AI做出来的方案，经常出现一种症状：看上去很美，逻辑无懈可击，但一到落地就出问题。
07 AI方案过手三问
这次之后，我给自己定了个规矩：AI出的方案，过手之前先问三个问题。
1. 这个方案的隐含前提是什么？
AI不会告诉你它假设了什么。
我那次的隐含前提是“绩效考核应该存在”。换个场景，可能是“客户需要一个技术总监”“这个市场值得进入”“团队应该扩张”，每一个都可能是错的。
2. 执行这个方案的是谁，他的一天长什么样？
200人公司的HR总监和小公司老板，执行同一套方案的结果完全不同。
AI不替你想这一层，但我要替客户想。
3. 三个月后这个方案还会被执行吗？
方案的价值不在于设计多精妙，在于三个月后还有人在用。
如果一个方案需要持续的意志力才能维持，它就不是一个好方案。好方案应该像刷牙，不需要想，到点就做。
这三个问题不复杂，但AI不会替你问，因为它不知道你的客户长什么样。
08 尾声
后来这场工作坊顺利做完了，客户当场拍板执行新方案，几天后发来微信说，已经落地了。
但我回到家之后，坐在那儿，脑子里翻来覆去是同一个念头：如果我没有多看那两遍呢？
方案会原封不动地带进工作坊。客户大概率会礼貌地点头。然后回去执行三个月，发现跟以前一样，最后得出结论，“请顾问也没用。”
翻车不会发生在现场。翻车会发生在三个月后，悄无声息。
AI能给你100个方案，但判断哪个不该用，需要人。
你上一次用AI出的方案，有没有多看两遍？
——小易老师 2026.4.14 20:20于广州
关于小易老师：
独立顾问，理工科硕士，坐标长沙，服务过数十家中小企业，喜欢美食，喜欢读书，喜欢分享笔记。
点击下方关注我，记得设为星标哦
精选历史文章：
