夜雨聆风文丨李博
关键词：#AI管理｜#人机协作｜#计划执行
摘要： 在《AI 会淘汰 Management，但会更强烈地呼唤 Leadership》中我简单介绍了AI对企业中层管理人员的新要求。其中管理者面临的最大冲击在于计划与执行管理的四个底层逻辑被同时改写。
不妨随我一起设想一下，周一早上九点，排期会。
你拉开项目看板，准备给团队分任务：张三写竞品分析，李四出市场调研报告，王五跟进客户反馈汇总。按人头分，按工时排，周五前交付。这套动作你闭着眼都能做，做了几年了。
这时总监在群里扔了句话："竞品分析和调研初稿别排人了，AI agent十分钟能出，让人做审核就行。"
你愣了两秒。不是因为AI能写报告这件事——这个你知道。你愣住是因为一连串问题同时冒出来：张三这周干什么？审核AI的输出需要多久？审核标准谁来定？如果AI的初稿质量不稳定，项目deadline还能不能兜住？
你盯着看板上那些整整齐齐的任务卡片，头一次觉得它们不太对劲。
任务没变。但你分配任务的整套逻辑，可能已经过时了。
关于计划管理，传统管理者干的活，拆开就四个字
在传统组织里，计划与执行管理通常是team leader最耗时间的活。核心动作拆开就四个字：分（拆任务）、排（定时间）、钉（盯进度）、验（查质量）。管理者像一台人力调度中心，确保每个人在正确的时间做正确的事。
这台调度中心运转了几十年，底层假设很简单：产出来自人，人的产能大致可预测，时间是最核心的排期变量。
这个假设在过去完全成立。2025年之后，它正在从四个方向被同时击穿。
四个底层逻辑正在被改写
"调度"的对象变了——你管的不再只是人
市场分析、方案初稿、合同条款审查、客服话术、会议纪要——这些过去需要逐人分配、按周排期的工作，AI几分钟就能交付。不只是互联网公司，制造业的供应链报告、零售业的选品分析、咨询公司的行业扫描，都在被AI接管执行层。Gartner预测，到2026年40%的企业应用将内嵌任务级AI agent，而2025年这个数字不到5% [1]。
变化速度比多数管理者预期的快得多。
管理者不再需要协调"谁来做"，而要判断"该不该让AI做"和"AI做完后谁来把关"。管理的对象从"人的任务"变成了"人机系统"——哪些环节交给AI、哪些留给人、交接点在哪里。
你可能觉得：这跟以前引入新软件有什么区别？多了个工具而已。
区别在于，以前的工具不会自己产出内容。Excel不会自己写分析报告，ERP不会自己出排产计划。AI会。它本身就是一个需要被"管理"的新型产出者。你面对的变成了"人+AI产出者+工具"的三角关系。
管理粒度换了维度——原来的公式就错了
以前的管理单元清晰得很——"张三负责这个需求，周五前交付"。人乘以时间，等于交付周期，线性可预测。
现在这个公式用不了了。
同一个任务，AI做初稿可能只要10分钟，但人审核和修改可能要半天。审核时间高度不确定——取决于AI输出的质量，取决于审核者对这个领域的判断力，取决于prompt设计得好不好。传统的"人×工时"估算模型，在人机混合产出的场景下几乎失效。
管理的颗粒度不是变粗了，是换了一个维度。谁来设计prompt？谁来定义AI的输出标准？谁来做最终审核？这三个问题，传统的排期表里根本没有对应的行。
项目节奏压缩到"天"——决策窗口在缩小
AI加速了执行，但同步压缩了决策窗口。
以前你可以花一周调研，再开个评审会，然后拍板。现在对手三天就能把同样的方案推上线——因为他们的团队已经跑通了人机协作的节奏。
这不是夸张。Anthropic的Claude Code产品负责人Cat Wu在2026年4月的一次访谈中提到，她的团队在一个季度内交付了超过45项功能更新，产品迭代周期从过去的半年压缩到一周，极端情况下一天就能推一个版本 [4]。这种节奏能成立，靠的是AI接管了大量执行层的工作，人腾出手来集中做判断和决策。团队规模没怎么变，变的是人和AI的分工方式。
McKinsey 2025年的调研也印证了这个趋势：超过一半的企业已经因为AI重新设计了岗位和工作流 [2]，核心目的就一个：提速。
管理者必须学会在更短时间内做出"够好"的决策，而不是在充足时间里打磨"最优"的决策。
回头看ERP时代，企业从月度排产变成周度排产，管理者需要更频繁地协调资源，但决策模式没有质变——还是"收集信息→分析→决策"的线性流程，只是周期短了。AI时代的变化是另一个层面：决策过程本身被重构了。AI可以实时提供分析和建议，管理者要学的是在"信息永远不完美"的常态下快速行动，原来那套线性流程跑得再快也不够用了。
质量管控多了一层——审核者的判断力成了瓶颈
传统管理只需要检查一层：人交付的产出是否达标。
AI时代要建两层质控。第一层：AI产出本身的准确性和质量。第二层：人对AI产出的审核判断是否到位。审核者的判断力，成了新的质量瓶颈。
这个问题很容易被低估。很多管理者天然地假设"让人审一遍就行了"，但现实是：审核者如果自己对这个领域缺乏判断力，大概率"审不出来"AI的错误。AI的输出往往格式完整、逻辑通顺、措辞专业，但可能在关键假设上跑偏了方向。让不熟悉领域的人去审AI的产出，约等于让不懂财务的人审计报表——格式看着对了，数字可能全错。这也对团队人才管理和能力模型提出了一个全新的挑战。在后续的文章中，我也计划对这个话题单独再展开观点。
传统组织 vs AI Native组织：管理者每天在干什么？
把上面四个变化落到管理者每天的工作里，差异就很具体了：
右边那一列，才是AI Native组织里team leader的日常。如果你还在用左边那一列的方式工作——问题不是效率低。你是在用马车时代的调度方式，管理一支已经开上汽车的车队。
其实随着最近几年大模型技术的发展和 Agent 的应用，笔者愈来愈认为：一个好的工具使用者，本身就是一个好的 Team Leader。
从"任务调度器"到"人机协作的架构师"
这个转型听起来抽象，落到日常其实很具体。
传统team leader每天的核心问题是"谁来做、什么时候做完"。AI Native组织的team leader要回答的问题完全换了一批：这个任务应该拆成哪些环节？每个环节用AI还是用人？AI产出的验收标准是什么？人和AI的交接点放在哪里？当AI输出质量波动时，Plan B怎么接？
这套问题，传统的项目管理方法论给不了现成答案。PMP教你做WBS、画甘特图、管风险登记册——这些方法在"产出者都是人"的假设下很好用。但当产出者变成人和AI的混合体，你需要的是一套新的架构能力：吃透AI在你业务场景里的能力边界，设计人机分工的接口规范，为双层质控定出可操作的标准。
Gartner在2025年的预测中提到，到2026年将有20%的企业利用AI扁平化组织结构，削减超过一半的现有中层管理岗位 [3]。被削减的是那些只承担信息传递和任务分派功能的调度型岗位——"管理"这个职能不会消失，但纯粹的"调度"正在被替代。留下来的管理者，核心职能从"调度"转向"架构"。
Gartner同期的另一项调研也印证了这个判断：只有27%的企业高管表示已有完整的AI战略，只有20%认为自己的团队真正"AI-ready" [3]。多数团队还在摸索阶段。谁先跑通人机协作的管理框架，谁就能在这一轮洗牌中站稳。
笔者看：为什么这个模块的冲击排在第一位
在梳理AI对管理者冲击最大的几个模块时（本系列后续会逐一展开），我把计划与执行管理放在了第一位。原因不复杂。
其他模块的变化，本质上都是"同一件事，要求变了"。目标还是要定，只是定法不同；人还是要管，只是标准不同。变化的是how，what没变。
计划与执行管理这个模块，变的是what本身。
一个不理解AI能力边界的管理者，在AI Native组织里连最基本的排期都排不出来——因为他不知道一项任务应该分配给人还是AI，不知道人机混合模式下的交付周期怎么估算，更不知道该用什么标准来验收AI的产出。
做得好不好是另一回事。问题在于，很多管理者面对这张新牌桌，连怎么出牌都还没搞明白。
管理者能力的分水岭，从来不在于谁更会做甘特图——而在于谁先意识到，排期表上该填的已经不是人名了。
你现在的排期方式是什么样的？AI在你的团队里扮演什么角色——是工具，还是已经成了一个"虚拟队员"？欢迎留言或私信聊聊，特别想听听你在切换人机协作模式时踩过哪些坑。
感谢您的阅读，欢迎转发，点点关注，跟作者交个朋友👆
我是李博，企业智能架构师。从甲方到乙方，从体制内到一线互联网大厂。一个技术实用主义者，期待成为数智化转型的推动者，帮助更多企业和个人在变与不变之间，构建数智化转型之道。
© 往期回顾
⬇️
AI 会淘汰 Management，但会更强烈地呼唤 Leadership
从字节跳动副总裁最新专访内容看：中国为何尚未孕育出伟大的B端软件产品？
别再混淆了！理解「企业数字化工作」的4个层次，让AI落地更有章法
本期参考：
[1] Gartner, "Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026, Up from Less Than 5% in 2025," August 2025. https://www.gartner.com/en/newsroom/press-releases/2025-08-26-gartner-predicts-40-percent-of-enterprise-apps-will-feature-task-specific-ai-agents-by-2026-up-from-less-than-5-percent-in-2025
[2] McKinsey, "The State of AI in 2025: Agents, Innovation, and Transformation," November 2025. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
[3] Gartner, "Gartner Unveils Top Predictions for IT Organizations and Users in 2025 and Beyond," October 2024. https://www.gartner.com/en/newsroom/press-releases/2024-10-22-gartner-unveils-top-predictions-for-it-organizations-and-users-in-2025-and-beyond
[4] Lenny's Podcast, "Inside Anthropic's product-led growth engine | Cat Wu (Head of Product, Claude Code)," April 2026. https://www.lennysnewsletter.com/p/inside-anthropic-cat-wu
