夜雨聆风
全文 3182 字 | 阅读 9 分钟
一家企业制定了详细的年度计划，目标层层分解、责任到人。但在执行中，市场环境急剧变化，AI系统不断给出新的预测和建议：客户需求变了，某条产品线的销量预测下调了30%，竞争对手的促销策略也调整了。管理者陷入了两难：如果调整计划，原有的资源安排就乱了，团队好不容易对齐的节奏被打乱；如果不调整，AI明明预测这条路走不通，难道要“视而不见”？
这不是个例。越来越多管理者发现，过去有效的计划管理方法，今天正在“失灵”——不是因为计划管理本身出了问题，而是因为我们用旧的方式，在AI时代做计划管理。目标分解了，但每个人只关心“我有没有完成任务”，没有人关心“经营结果有没有改善”；计划制定了，但复盘的速度永远跟不上变化的速度。
问题的关键，不在于计划管理本身过时了，而在于我们需要重新理解计划管理的本质。
很多管理者对计划管理有一个误解：认为计划就是“设定目标、分解目标、年底对照检查”。如果这样理解，计划确实没有用——因为目标大概率实现不了。
我一直强调计划管理的定义：计划就是为实现目标而寻找资源的一系列行动。
这句话有几个关键点。
第一，目标是不合理的。目标是一种预测，也是一种决心。设定目标的时候，不是看企业自己有什么资源、什么能力，而是看发展趋势和所面对的竞争。所以，目标本身不需要“合理”，需要探讨的是“必要性”。
第二，计划不是预测，而是行动承诺。预测是告诉你未来会发生什么，而计划是告诉你现在应该做什么才能迎接那个未来。计划最真实的含义，就是确保行动合理，能够找到资源，以实现不合理的目标。
第三，计划管理要解决的问题是目标和资源之间关系是否匹配的问题。当所拥有的资源能够支撑目标的时候，计划管理得以实现；当资源无法支撑目标的时候，要么浪费资源，要么“做白日梦”。好的管理者，一定是承接目标，但主动寻求资源。
第四，计划的价值在于提供调整的基准点。环境一定会变，计划的价值恰恰在于：当变化发生时，你有一个可以调整的基准点。没有计划，变化就是混乱；有计划，变化就是偏差，偏差是可以被管理的。
这个定义，在AI时代没有变。计划管理依然是管理中最基础的职能，管理是依靠计划管理来展开的。变了的是：我们需要把它放在“有效经营”这个场景中，让它成为统筹经营要素、激活每个人的管理机制。
在《四种力量下的增长策略》中，我提出了“有效经营策略”：无论技术如何更迭，商业的本质从未改变。经营的基本元素只有四个：顾客价值、合理成本、有效规模、具有人性关怀的盈利。企业必须通过严谨的计划管理，将这四者有机地组合起来——这不是保守，而是对规律的敬畏。
那么，计划管理在有效经营中扮演什么角色？是提供一个“管理框架”，让每个要素都能在计划的引导下被资源配置所支撑。从顾客价值出发，计划要回答“我们的目标是否回应了顾客的真实需求”；在合理成本的维度，计划要识别哪些是“肌肉”、哪些是“脂肪”，把资源投向真正创造价值的地方；在有效规模的维度，计划要聚焦核心客户、核心产品，不做虚胖；最终，所有行动都要以创造具有人性关怀的盈利为结果——盈利不是目的，而是企业持续创造价值后的自然结果。
案例：智慧树的计划管理实践
智慧树是一家服务高校的企业。在面临规模扩大但盈利不佳的困境时，他们回归有效经营，用计划管理作为落地的核心工具。
他们做了几件事。第一，组织扁平化，取消省区分公司层，建立直接入驻高校的“课栈”团队，让一线更贴近客户。第二，产品聚焦，把客户价值最大的产品作为核心收入来源，其余转为免费模式，让资源和行动集中到真正创造价值的业务上。第三，精准经营，围绕核心客户，全员执行“周目标管理”和“能力周周练”，把计划管理的颗粒度从“年”细化到“周”。第四，数智化赋能，构建“经营驾驶舱”，总部可以实时看到每一个团队的经营数据，偏差出现时不是等月底报表，而是实时发现、实时调整。
同时，智慧树还构建了AI智能体赋能一线员工。其AI教学中心引入“大明白智能体V4”技术，可减少一线员工30%的机械性工作，支持课前备课、课中互动、课后复盘全流程智能串联，让员工从繁琐的事务中解放出来，专注于真正创造价值的工作。
结果是，他们的收入和盈利水平大幅提升。这个案例告诉我们，计划管理的本质没变——为目标寻找资源。但在有效经营这个场景里，计划管理让那四个基本要素不再是散落的珠子，而是被串成了一条经营链条。
AI时代，计划管理面临着新的挑战，但AI本身也可以成为计划管理的赋能者。
挑战一：静态计划vs. 动态环境。传统计划基于“稳定可预测”的假设，但AI时代市场、技术、竞争态势实时剧变。一份精心制定的半年计划，可能因新技术出现而迅速失效。AI可以做什么？让计划从“静态文件”变成“动态导航”。通过实时感知环境变化，AI帮助管理者快速识别偏差并及时校准。
挑战二：人类直觉vs算法预测。管理者该相信自己的判断还是AI的建议？当AI预测“计划A行不通”时，是调整计划还是怀疑算法？AI的价值不是替代管理者的判断，而是提供更精准的预测，让管理者能够做出更明智的行动承诺。
挑战三：中心化控制vs分布式智能。中央计划部门无法实时处理海量前端信息，成为决策瓶颈；若强令一线严格遵守中央计划，又会扼杀其利用AI进行局部优化的能力。AI让一线单元具备实时感知和自主决策的能力，前提是计划界定了“大方向”和“游戏规则”。
挑战四：确定性目标vs可能性探索。管理者可能陷于“用AI更高效地执行一个次优计划”，而忽略AI探索全新可能性的能力。AI擅长在未知空间中进行海量探索，帮助管理者“重新定义问题本身”。
面对这些挑战，AI可以从四个方面赋能计划管理：
第一，让目标分解从“静态路径”变成“动态校准”。AI实时监测经营结果的变化，当某个路径失效时，系统自动提示；根据一线数据，动态调整每个人的行动目标；让每个员工通过数据看板，随时看到自己的工作与经营结果之间的关联。
第二，让PDCA闭环从“事后复盘”变成“实时反馈”。通过周目标管理，让检查和行动的周期从“月”缩短到“周”；通过智能看板，让偏差自动识别、自动预警；通过数据闭环，让每一次行动的结果都能快速回流到计划中。
第三，让资源配置从“经验判断”走向“数据驱动”。AI可以识别资源浪费环节，发现资源配置的瓶颈，帮助管理者把资源投向最能产生经营结果的地方。
第四，让人机协同成为计划执行的新常态。管理者不再纠结“信AI还是信自己”，而是建立“校准信任”——知道什么时候相信算法、什么时候质疑算法。计划管理，正是连接人类判断与AI预测的桥梁。
回到开篇的问题：为什么计划管理“失灵”了？
答案不是计划管理本身出了问题，而是我们用旧的方式在做计划管理。
计划管理的定义从未改变——为实现目标而寻找资源的一系列行动。
在AI时代，这个定义依然成立。但AI让这个定义有了新的实现方式：从“静态目标分解”变为“动态经营协同”，从“事后复盘”变为“实时反馈”，从“管控工具”变为“赋能平台”。
当我们理解了计划管理的本质，又理解了AI的融合作用，我们就能在不确定性中，依然发挥出计划管理的强大力量——它不是要预测未来，而是要让我们为任何未来做好准备。
（本文完）
微信 ID：chunnuanhuakai-cch
