AI时代Team leader如何做「目标管理」?

文丨李博

摘要： 在变动快的团队里，目标越来越容易中途失效，但这只是终局的预演。等 AI 能自己定目标、拆目标、调目标，team leader 在目标管理上退不掉的只剩两样：定什么算好，和替结果担责。

是不是每个季度初你都接到上面压下来的目标，翻译成几条 OKR，拆到人头，盯到季度末。对于资深team leader，应是驾轻就熟；

但这一两年，尤其要是你带的团队跟 AI 沾边，这套动作开始不灵了。季度还没过半，某个模型一更新，你年初定的目标就可能突然不对了，要么够不着，要么变得太容易，不值得团队再耗在上面。于是你学着更勤地校准，月度改双周，双周盯着每一次工具迭代。

但问题从来不在你调得勤不勤。

而且，这种目标中途失效、逼你回炉重定的情况，并不是哪儿都这样，它集中在变动最快的那批团队和岗位上，而且是这一两年才冒头的。它不会一直持续，会过去。但它就摆在眼前，是一个技术飞快迭代、带着阵痛的真实阶段。把这一段的目标管理做好，本身就值钱，而且它跟上个时代那种闷头把目标拆细、追到底，已经是两码事了。所以两头都得想清楚：眼前这一关怎么过，它最后会沉淀成什么样子，哪个都不能偏废。

过渡期虽短，几样本事得趁现在补

我来吧先给眼下的“乱”找个原因。它来自一个临时条件：AI 的能力和工具还在猛往前蹿，旗舰模型几周就出一个新版本 [3]，你团队能干到什么程度的那个上限，隔几周被顶高一截。连站在最前沿的公司也被这个节奏推着走，2025 年底谷歌 Gemini 3 抢先三周发布、跑赢 ChatGPT，Sam Altman 一纸内部 Code Red，就把 OpenAI 压了一年的广告和电商计划全往后推 [1][2]。在跑得最快的那些地方，目标的保鲜期已经短到以周来算。

这阵猛劲不会一直有。技术大多走 S 曲线，爆发期之后是平台期。但"会过去"不等于"不重要"，它就发生在你眼前，而且正逼着你补几样过去用不上的本事。

最先要补的，是读懂 AI 的能力边界这两周移到哪了。这件事眼下还没法外包给谁：上个月还得靠人攻坚的活，这个月是不是某个新模型已经顺手就能干，你得自己心里有数。这条线读不准，你根本发现不了手里哪条目标已经悄悄过期。连最前沿的团队都不敢再提前把目标拍死。Anthropic 的产品负责人、Instagram 联合创始人 Mike Krieger 说，AI 产品最好贴着模型自下而上长出来，因为你往往要做到很后面才知道模型能干什么，他在 Instagram 惯用的那套自上而下、三到六个月一锤定音的规划，到这儿就失灵了 [4]。

再往下，是学会在周期中途把目标调对，还得守住两条底线。调得有依据，意思是你拿得出能力边界到底哪儿动了的实据；光因为别人都上了 AI、自己心里发慌就跟着改，不算。调得不伤团队，是同一个"转去做 AI 工作流"的调整，对早就在用 Agent 的团队是顺水推舟，对还在手动干活的团队就是当头一棒，调之前得先掂量团队的能力画像扛不扛得住。调得合理只是及格，调得团队跟得上才算过关。

还有一样最容易被漏掉：带团队穿过"靶子会动"的不安。你的人要的是稳定的靶子，你却得反复告诉他们靶子又移了。能让他们不慌的，是你指得出那个不动的东西，这个团队到底为什么存在。具体目标可以换，存在的理由不换，队伍才不会被你越调越散。

这些本事会不会过时？会松，但不白学。互联网刚普及那几年，打法几个月一变，谁慢谁被淘汰；等基础设施稳定下来，节奏缓了，当年逼出来的"小步快跑"沉淀成了常识，没人再还回去。AI 这轮大概率也一样，你现在被逼着学的，多半会沉淀成往后管理者的基本功。

值得想的问题得往前推一步：当这阵风停了、AI 把目标管理的活儿越接越多，那个稳定下来的终局里，team leader 在目标上还剩什么是 AI 干不了、非你不可的？

终局里，定目标、拆目标、调目标，大概率都不归你了

按现在的势头往终局推，AI 会一样一样把目标管理的活接走。

它已经能拆，把一个模糊目标拆成可执行的任务链，今天的 Agent 就在干。它正在学会调，现在的 Agent 已经能在执行中途自己重排计划，不用人盯着每一步。再往后它会学会定，从一堆业务数据里反推出这个季度最该打哪几个点，比拍脑袋更有依据。至于追踪和复盘，本就是它的天生强项。

到那个时候，你过去引以为傲的整条作业线，翻译、拆解、追踪，基本都是 AI 的了。连"动态调整"这件眼下最吃劲、最能显出你水平的事，AI 也会做得比你快、比你稳。

想象一下那个画面。季度初你不再埋头拆 OKR，而是 AI 推给你三套目标方案，每套都附着跑好的模拟：选 A，三个月后大概什么结果、代价多大；选 B、选 C 又分别如何。你坐在那儿，手上的活只剩两件：选哪套，以及说清凭什么是这套。定目标这个动作还在，可它从一道工序变成了一次签字。

那还剩什么？我认为，这两样东西，AI 接不走。

第一样，是目标背后"什么算好"的那套标准。AI 能把你给的任何一个目标优化到极致，却回答不了到底该优化哪个。增长和口碑短期打架时先要哪个，要不要为一个长期价值牺牲这季度的数字，这种事没法算，只能定。AI 会把三条路每条的代价都标给你看，可选哪条，取决于你这个团队认什么、不认什么。这套"什么算好"的标准，是你的判断，AI 替不了。它只会照着你定的标准去跑，至于标准本身怎么定，落在你头上。

举一个数智化团队真的可能会碰到的岔路选择。一套新上的智能流程，能把某个环节的人力砍掉一半，但头几个月会让一线员工体验变差、抵触变大。AI 能算清能算的那一半，砍掉人力到底省多少；可员工体验、团队人心这种东西，恰恰是它量不准的。要不要为这些量不准的东西，放慢一个明明能提效的目标，这道题它做不了。它没有立场，立场是你和你这家公司的事。

第二样，是冲突时的取舍，以及砸了之后谁来担。目标之间会打架，资源就那么多。就算AI 能把每一种分法算到小数点后两位，但"站哪边"是人的决定。更要紧的是，目标砸了得有人担，对上游、对客户、对你自己的团队。AI 签不了字，也背不了责。哪怕将来它的判断比你还准，最后那一下"我来定、出事我担"，仍然只能由一个人按下去。一个不需要为后果负责的系统，永远坐不上那个拍板的位子。

组织能追责的对象从来是人。出了事，董事会、客户、监管找的是签字的那个人，不会去问罪一个模型。而 team leader 往往就是离最终结果最近的那个人类签名，再往下是执行的 Agent，再往上是只看汇总数字的高层。这个"最后一个为具体目标负责的人"的位置，恰恰 AI 顶不上来，也是你在终局里最稳的立足点。

这部分是按"AI 能力终将高位稳定"这个假设往下推的，方向我有把握，但多快到、不同行业差多远，我不敢断言。可只要方向大致成立，它对你今天该做什么的指导，就已经够清楚了。

终局里"不把团队搞垮"，会变成另一件事

调目标，不能不顾团队能扛多少、能力到哪儿。这条到了终局没消失，分量反而更重。

终局里你带的"团队"，多半是几个人加一群 Agent。给 Agent 群设目标函数、定护栏，那部分它们之间就能协调得很顺。真正要你操心的，是那几个人。

当 AI 能稳稳命中几乎任何数字目标，"不把团队搞垮"就不再指别让人加班到吐血，那种意义上的累，AI 可以替他们扛。它换成了一个更难的意思：别让人在这套系统里变成多余的零件。你给团队定目标时，得替这几个人留出还值得他们亲自来做的那部分，留出判断的空间、长本事的空间。否则会滑向一个不容易察觉的局面：目标年年都达成，团队里的人却一年比一年使不上劲。判断的事 AI 都替了，人慢慢也就不判断了，等哪天真要有人拍板，你会发现整个团队只剩会执行的手，没有能下判断的脑子。

这件事不会自动发生。AI 优化目标时只认效率，不会主动给人留出动脑子的地方，你不画那条线，这块空间就被它一点点蚕食掉。所以在终局里，给人留出判断的份额本身就是一条目标，而且是只有你会去定的那条。

终局还没到，那两样现在就能练起来

把终局看明白，当下该干什么也就清楚了。

过渡期那几样本事得学，但别把它们当成终身饭碗，读能力边界、快速调目标，这些 AI 迟早自己也会干。真正只属于你、退不掉的，是前面那两样，而它们现在就能练：把你团队"什么算好"的价值标准说清楚、写下来，别让它含含糊糊只待在你脑子里；在每一次目标冲突时，逼自己做出取舍，并且认下这个取舍的后果。

说得再具体些：下次又被 AI 拉平一个目标、你要重定时，别只问换成哪个数字指标，多问一层，这个新目标背后我们认的是什么、不认什么。把这层想法记下来，半年攒下来，你手里会多出一份你团队的"价值说明书"。这份东西，比任何一版 OKR 都更接近终局里真正属于你的资产。

眼下这阵乱，正好是终局留给你的免费陪练场：你现在每被逼着重判一次"这还值不值得做"，练的就是将来唯一留给你的那块肌肉。 别把它当灾难，当陪练。

守住最硬的那块

AI 会把"怎么管目标"一样样接走，会拆，会调，会追，最后连定都会。剥到最后，留在你手里的，是"什么目标才算数"和"砸了我来担"这两件它碰不到的事。team leader 这个位置不会被 AI 抹掉，但会被剥到只剩最硬的那块内核。

所以现在值得问自己一个问题：如果有一天 AI 能替你定目标、拆目标、调目标、追目标，你还能一口说清，你的团队到底为什么存在、什么对它才算好吗？这个问题今天答不利索，终局来了只会更答不出。

欢迎在评论区或私信聊聊你的答案，尤其是你已经开始替团队守的那块内核是什么。

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

⬇️

打破经验壁垒：4个视角带你立体解析什么是B端产品经理？

《企业投入数智化建设的价值何在？（下）》

AI 会淘汰 Management，但会更强烈地呼唤 Leadership

B端软件解决方案中台人才建设：岗位画像与能力模型

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：

交流投稿

「数智化之心」是聚焦数智化转型，以 “连接业务 - 产品 - 组织、系统思考、务实创新” 为价值观，为企业中高层、创业者等人群提供方法、案例与解决方案，兼具专业务实与前瞻创新风格，助力构建转型之道的公众号。

如果你是数智化探索者、观察者、实践者，有独到的见解、夯实的案例，也欢迎投稿！投稿请联系：alfred18931993@outlook.com

转载须知

欢迎转载「Alf数智化之心」原创作品。转载时，请在文章开头注明：

文章转自「Alf数智化之心」，ID：alf_ai，作者XX

分享、点赞、在看安排一下，您的支持是我创作最大的动力！