今日主题

AI时代，团队成员间如何继续形成“共同理解”？

长期以来，企业提升协作效率时，核心目标通常都很明确：

• 更快的信息流动
• 更低的沟通成本
• 更高效的任务推进
• 更顺畅的跨部门协同

而生成式AI进入组织后，很多企业最初也自然认为：

如果每个人都更高效，团队整体效率也会同步提升。

从现实组织场景来看，AI对个人工作的帮助确实非常明显。

例如：

• 信息整理更快
• 内容生成更快
• 初步分析更快
• 方案形成更快

但真正进入团队协作后，很多管理者开始逐渐意识到：

问题并没有这么简单。

一些变化，已经开始出现在真实组织现场。

团队成员都在使用AI。每个人都更忙。每个人都能更快拿出结果。

但与此同时，很多团队也开始隐约感觉到：

大家似乎越来越难真正理解彼此：“为什么会这样判断”。

一、HBR：团队使用AI，比个人使用AI复杂得多

来源： Harvard Business Review文章：It’s Hard to Use AI as a Team. These 3 Practices Can Help链接： https://hbr.org/2026/05/its-hard-to-use-ai-as-a-team-these-3-practices-can-help

HBR最近开始关注一个越来越现实的问题：

AI协作，并不只是个人效率问题。

而是：团队如何形成共同理解的问题。

很多企业现在已经出现类似情况：

• 不同成员使用不同AI方式
• 背景信息并不共享
• 思考路径越来越不可见
• 输出逻辑越来越难追溯

表面上，团队效率提高了。

但团队内部形成共同理解的过程，反而开始变弱。

过去很多组织中的真正理解，往往是在：

• 讨论
• 争论
• 修正
• 反复解释

过程中慢慢形成的。

但AI开始改变这一点。

越来越多思考，开始发生在：“个人与AI”之间。

团队最后看到的，往往只是：结果。

而不是：结果如何形成。

HBR提出，未来很多团队可能需要重新建立：

• AI使用规范
• 信息共享机制
• 提示词与背景透明机制
• AI输出验证机制

因为AI进入团队后，真正变化的，可能不只是效率。

还包括：

团队如何形成共同认知。

二、MIT Sloan：AI正在改变知识工作的协作结构

来源： MIT Sloan Management Review文章：How Generative AI Changes Knowledge Work链接：https://sloanreview.mit.edu/article/how-generative-ai-changes-knowledge-work

MIT Sloan近期关于知识工作的研究，也开始出现类似趋势。

过去很多知识型组织的协作，高度依赖：

• 集体讨论
• 共同分析
• 长时间推演
• 多轮认知校准

很多时候，组织真正重要的，并不只是：“得到答案”。

而是：

人们一起经历：问题如何被理解、观点如何被修正、判断如何逐渐形成。

但AI开始让越来越多工作，能够在：“个人—AI”层面完成。

例如：

• 总结
• 分析
• 内容生成
• 初步方案设计

这会带来一个新的组织变化：

团队成员越来越容易：直接进入结果。

而跳过：共同形成理解的过程。

现在很多团队已经开始出现一种很微妙的状态：

会议效率提高了。方案产出变快了。讨论时间减少了。

但与此同时：

很多人其实并不真正清楚：团队为什么会形成这个判断。

三、McKinsey：未来协作，越来越像“人机共同协作”

来源： McKinsey & Company文章：What Every CEO Should Know About Generative AI链接： https://www.mckinsey.com/capabilities/quantumblack/our-insights/what-every-ceo-should-know-about-generative-ai

McKinsey认为，未来越来越多组织，都会进入一种新的协作结构：

很多工作，将同时由：

• 人
• AI助手
• AI智能体

共同完成。

这意味着：

组织真正需要重新设计的，可能已经不只是岗位。

而是：

• 信息如何共享
• 判断如何形成
• 协作过程如何透明
• 人机之间如何交接工作
• 最终责任如何界定

McKinsey特别强调：

未来很多企业真正困难的，并不是：“有没有AI”。

而是：

是否能够建立稳定的人机协作机制。

因为AI进入组织后，改变的并不只是效率。

它还会逐渐改变：

• 人们如何沟通
• 如何形成判断
• 如何共享理解
• 如何进行协作

很多组织现在其实已经开始进入一个新的阶段：

AI不仅在改变：“工作怎么完成”。

也开始影响：

团队如何共同思考。

今日最值得思考和继续观察的是

过去很多组织默认：

只要信息流动足够充分，协作自然会发生。

只要会议足够频繁，团队自然能够形成共识。

但AI开始深度进入团队工作后，一个新的问题正在出现：

越来越多思考，开始发生在：“个人与AI”之间。

而不是：团队共同讨论之中。

这意味着，很多原本在团队内部自然发生的过程，正在悄悄改变。

例如：

过去很多组织中的真正理解，往往形成于：

• 反复讨论
• 观点碰撞
• 共同推演
• 对彼此判断过程的持续澄清

但现在，团队越来越容易：直接进入结果。

而跳过：“理解如何形成”的过程。

这可能会逐渐改变：

• 组织如何形成共识
• 团队如何建立共同语境
• 管理者如何理解团队真实思考过程
• 组织学习如何真正发生

因为很多时候，组织真正重要的，从来不只是：“得到正确答案”。

而是：

团队是否真正一起经历了：

• 理解问题
• 修正观点
• 建立判断
• 形成共识

这个过程。

从现实管理场景来看，一些新的组织张力其实已经开始出现。

例如：

团队成员都在使用AI。每个人都能快速形成方案。

但与此同时：

• 彼此越来越难理解对方的思考路径
• 很多判断过程开始变得不可见
• 管理者越来越难真正知道：团队到底是如何形成结论的

表面上，组织协作速度提高了。

但更深层的问题可能在于：

当越来越多认知过程被“压缩”之后，团队还会像过去一样，形成真正的共同理解吗？

尤其值得进一步观察的是：

如果未来越来越多组织，都依赖AI完成：

• 分析
• 总结
• 判断
• 方案生成

那么：

组织中的很多关键能力，是否也会随之发生变化？

例如：

• 集体反思能力
• 深度讨论能力
• 对复杂问题的持续推演能力
• 对彼此思考过程的理解能力

以及：

当越来越多组织成员，都开始通过AI“独立思考”后，团队如何继续保持：真正意义上的“共同思考”？