夜雨聆风今日主题
AI正在迫使企业重新定义：管理到底是什么？
当AI开始承担协调、分析、监督与流程控制时，管理者还剩下什么？
一、HBR：企业AI失败，越来越像“组织断层”
来源：Harvard Business Review文章：Managers and Executives Disagree on AI—and It’s Costing Companies
HBR指出，当前很多AI项目失败，并不是技术失败，而是高层与中层之间的组织认知断裂。
典型现象是：
高管层将AI视为战略机会；而中层管理者更容易将AI视为执行负担、流程扰动与组织风险。
于是企业内部开始出现：
- 战略方向激进
- 落地行为保守
- AI采用率停滞
- 工作流迟迟无法真正改变
这意味着：
AI转型越来越像组织协同问题，而不是IT问题。
值得进一步思考的是
过去企业数字化转型失败，往往是因为技术能力不足；而当前AI转型失败，越来越多源于：
组织内部无法形成共同理解。
这可能意味着，未来领导力的重要能力之一，不再只是提出愿景，而是形成跨层级认知对齐能力。
企业必须逐渐回答：
- AI到底解决什么问题？
- 哪些工作流需要改变？
- 哪些责任边界不能模糊？
- 哪些组织能力需要同步建设？
二、MIT Sloan：AI真正改变的是“工作流逻辑”
来源：MIT Sloan Management Review / MIT Sloan Ideas Made to Matter文章：How AI is Reshaping Workflows and Redefining JobsMIT Sloan强调，AI最大的影响并不是简单替代岗位，而是重构工作流（workflow）。
过去组织设计主要围绕：
- 岗位
- 职能
- 部门
- 汇报关系
展开。
但AI时代，组织开始围绕：
- 任务如何切分
- 人与AI如何交接
- 决策如何流动
- 工作流如何编排
重新设计工作。
一个重要变化正在出现
传统管理学默认：
“岗位”是组织的基本单位。
但AI正在推动：
“工作流”逐渐成为新的组织基本单位。
这会影响：
- 绩效指标
- 汇报关系
- 组织边界
- 管理跨度
- 决策速度
- 部门存在的意义
对我们的启发
这与当前组织研究中的一个核心趋势形成呼应：
未来企业真正需要重新界定的，也许不再是“岗位”，而是：
- 哪些任务适合AI完成
- 哪些任务必须由人完成
- 哪些任务需要人机协同
- 哪些关键判断不能被自动化
这意味着，组织设计正在从“岗位逻辑”转向“协作逻辑”。
三、HBR：团队使用AI，比个人使用AI更难
来源：Harvard Business Review文章：It’s Hard to Use AI as a Team. These 3 Practices Can Help.
HBR提出一个容易被忽略的问题：
AI协作并不只是个人问题，而是团队问题。
很多企业发现：
个人使用AI时效率提升明显；但到了团队层面，反而开始出现新的协作复杂性：
- 每个人使用AI的方式不同
- 提示词与思考过程不透明
- 信息来源不一致
- 决策依据难以追溯
- 责任归属逐渐模糊
HBR提出三个方向
第一，建立共享的AI工作规范。例如：
- 哪些任务允许AI参与
- 如何验证AI输出
- 如何共享提示词与背景信息
第二，重新设计会议机制。AI可以提高会议效率，但也可能制造“表面共识”，甚至放大偏见。
第三，明确责任归属。AI越强，人类责任越不能弱化。
对我们的启发
这里隐含着一个重要组织问题：
如果团队成员各自使用AI，但没有共享思考过程，组织未必会真正学习。
AI可能提高个体效率，却不一定自然形成集体学习。
这与当前关于：
- 组织学习
- 生成性学习
- 集体反思
- 行动学习
的讨论形成了很强呼应。
四、MIT Sloan：2026开始进入“AI现实主义”
来源：MIT Sloan文章：Action Items for AI Decision Makers in 2026
MIT Sloan认为，2026年会是AI的“校准年”（level-set year）。
企业已经开始意识到：
- AI部署很快
- 组织改变很慢
- 投入巨大
- 回报并不清晰
- 组织摩擦越来越明显
过去两年，企业更多是“技术兴奋”；现在开始进入“组织现实阶段”。
一个关键判断
未来AI竞争优势，不会主要来自模型能力，而更可能来自：
- 治理机制（governance）
- 工作流整合（workflow integration）
- 组织学习能力（organizational learning）
- 人机协作机制
对我们的启发
越来越多研究正在形成一个共同趋势：
AI本身越来越容易获得，而组织重构能力越来越难复制。
因此，未来真正稀缺的能力，可能不是“有没有AI”，而是：
- 是否能够形成持续学习机制
- 是否能够持续校正问题界定
- 是否能够重构决策机制
- 是否能够形成新的组织协作方式
五、HBR：不要简单把AI当“团队成员”
来源：Harvard Business Review
文章1：Should You Treat AI Like a Teammate?
文章2：Research: Why You Shouldn’t Treat AI Agents Like Employees
最近HBR开始反思一个流行趋势：
很多企业喜欢：
- 给AI命名
- 把AI称为“同事”
- 将AI人格化
- 将AI放入组织协作结构中
但研究提醒，这种做法可能带来新的风险。
当AI被过度人格化后，员工更容易：
- 过度信任AI
- 降低审查意识
- 弱化个人判断
- 推卸责任
- 模糊问责边界
对我们的启发
这里触及了一个越来越重要的问题：
AI可以参与工作，但不能承担责任。
真正承担责任的，仍然必须是人。
因此未来企业需要越来越清晰地区分：
- AI可以建议
- AI可以生成
- AI可以参与分析
但：
- AI不能承担最终责任
- AI不能替代组织问责
- AI不能替代价值判断
这实际上已经进入组织治理层面。
六、今日重要组织趋势：AI驱动的“组织扁平化”
来源1：Business Insider文章：McKinsey’s New AI Leadership Playbook: Flatten Teams and Move Faster
来源2：The Guardian文章：Inside Tech’s AI-Fueled Manager Purge
AI正在推动一些企业减少组织层级，扩大管理跨度。这一趋势被称为：
“大扁平化”（The Great Flattening）
一些科技公司正在：
- 减少中层管理者
- 扩大单个管理者的管理范围
- 用AI辅助任务协调与信息汇总
- 让组织运转更快、更轻
但这里出现了一个重要张力
AI确实可以提升：
- 信息流动效率
- 任务跟踪效率
- 状态同步效率
但AI很难替代：
- 师徒式培养
- 隐性知识传递
- 信任关系
- 情境判断
- 情绪支持
- 组织归属感
对我们的启发
未来几年，一个核心组织张力可能会越来越明显：
效率提升 vs 组织关系弱化
如果企业只追求扁平化与效率，可能会削弱组织学习能力。
因为中层管理者不仅承担协调功能，也承担：
- 培养
- 解释
- 反馈
- 文化承载
- 情境翻译
AI可以减少低价值协调，但未必能够替代组织关系本身。
七、全球商业背景：AI领导力开始制度化
来源：IBM相关研究与全球企业实践观察
越来越多企业开始设立：
- 首席AI官（Chief AI Officer，CAIO）
- AI治理委员会
- AI运营模型
- AI风险控制机制
这说明：
AI正在从试点项目进入制度层。
企业不再只是问：
“要不要使用AI？”
而开始进一步追问：
- 谁负责AI？
- 谁治理AI？
- AI如何进入组织流程？
- AI风险由谁承担？
- AI如何与战略、人才、文化连接？
对我们的启发
AI正在逐渐成为组织治理议题。
这意味着未来组织发展、企业咨询、行动学习等领域，都将越来越需要回答一个问题：
如何帮助组织建立AI时代的学习机制、决策机制与治理机制？
今日最值得深思的是
“企业正在快速重构工作，但还没有同步重构‘学习如何发生’。”
这可能是当下最值得研究和解决的主题之一。
因为如果AI只改变工作流，却没有同步重构组织学习机制，企业可能会出现：
- 工作更快，但理解更浅
- 决策更多，但判断更弱
- 自动化更强，但责任更模糊
- 信息更多，但集体学习更少
这也是当前全球管理研究界正在逐渐开始重视的方向。