AI时代，管理者正在从“管人”变成“搭系统”

事情是这样的。

最近几个月，我一边带内容团队，一边在团队里推进 AI。

一开始我的想法其实挺朴素的。

教大家安装 Claude Code、Codex，教大家怎么用 Skill，怎么让 AI 帮忙找选题、写脚本、整理会议纪要。谁不会，我就演示一遍。谁用得不顺，我就过去帮他调一下。

听起来没什么问题，对吧？

但做着做着，我越来越觉得不对。

如果 AI 落地只是让每个员工多学一个工具，那管理者干的事情，还是培训、催进度、检查结果。工具变了，管理方式根本没变。

更麻烦的是，团队里一定会出现这种情况。

有人学得快，一晚上就能跑起来。有人觉得麻烦，装完一次就再也没打开。有人拿 AI 生成了一大段东西，看起来挺完整，实际没法用。最后所有问题还是会回到管理者这里。

你继续改稿，继续救火，继续催。

AI 是进团队了。

但你一点也没轻松。

我后来才慢慢意识到，问题不是大家会不会用 AI。

问题是我们原来的工作方式，根本没有给 AI 留位置。

微软今年做了一份覆盖 10 个市场、2 万人的工作趋势调查，里面有个结果和我的感受特别像。

只有 19% 的 AI 用户，个人能力和组织环境能够互相增强。还有 10% 的人明明已经会用 AI，却因为公司缺少规则、流程和管理支持，根本发挥不出来。

微软给这一类人起了个名字，叫「被阻塞的能动性」。

人已经往前走了。

组织还停在原地。

这件事让我重新理解了管理者的工作。

这话可能听着有点大，我自己也还在摸索。但它不是一个很远的未来判断，而是我这几个月每天都在遇到的现实。

以前我们做内容，很多事情都靠人脑里的隐性经验。

什么选题能做，脚本开头够不够强，哪段废话太多，哪个案例值得优先拍，通常都由一个有经验的人判断。

团队成员写完脚本，交给主管。

主管看一眼，觉得开头不行，改。

觉得用户痛点不清楚，再改。

觉得结尾没有转化，再改。

脚本最后是改好了，但有一个问题始终没解决。

下一篇还会犯同样的错。

因为判断标准只存在于主管脑子里。员工得到的是一次修改结果，不是一套能够复用的判断系统。

主管越能干，团队有时候反而越依赖他。

这件事挺反常识的。

我们总觉得一个管理者亲自改稿、亲自盯项目、亲自解决问题，是负责，是能力强。但如果每件事都必须经过你，团队的上限其实就是你的时间。

安迪·格鲁夫讲过一个很朴素的经理人公式。

经理人的产出，不是他自己完成了多少工作，而是直接管辖部门和间接影响部门的产出。

以前看到这句话，我理解的是授权和培养人。

现在再看，我觉得还要多一层。

所以我们后来开始做脚本审核标准。

开头为什么占 30 分，用户需求为什么占 15 分，痛点和改造内容为什么占 40 分，结尾引导为什么占 10 分。

这些数字未必永远正确，它们也需要根据数据不断调整。但有了这张表，团队第一次可以在交稿前自己检查。

过去员工问的是「这篇稿子行不行」。

现在他可以先问自己，开头有没有在 2 秒内建立情绪，5 秒内有没有讲清楚主题，痛点和方案有没有形成闭环，每 30 秒有没有新的信息刺激。

你看，管理者没有少做判断。

只是判断不再只发生在最后一次改稿里，而是被提前写进了流程。

这就是我理解的搭系统。

不是做一个复杂的软件，也不是画一张特别唬人的流程图。

而是把原来只能靠你盯着才能做好的事，变成团队自己也能稳定完成的工作方式。

说到这里，很多管理者可能会有点不舒服。

如果标准都写清楚了，流程也能自己跑，AI 还能帮忙执行，那管理者还有什么价值？

坦率的讲，我觉得这正是 AI 对中层管理者最残酷的一次追问。

如果一个管理者的价值，只是接收老板的任务，再把任务分给下面的人，最后催大家按时交付，那这部分工作确实很容易被系统接走。

因为任务拆解、进度提醒、资料整理、初步检查，已经越来越适合交给 AI。

但如果一个管理者能定义目标，提炼标准，设计协作关系，识别系统卡点，并且持续让团队的产出变好，他反而会越来越重要。

AI 能执行流程。

但流程应该解决什么问题，什么结果算好，出了偏差应该改人、改规则还是改目标，这些依然是管理者的工作。

甚至比过去更考验判断。

我最近给团队设计 AI 内容工作流时，没有一上来就说要做一套全自动内容系统。

这种话很容易让人兴奋，也很容易烂尾。

我把它拆成了三层。

第一层是个人提效。

先由我自己把 AI 放进真实工作里。封面生成能不能用，脚本初稿能不能节省时间，周数据复盘能不能从两小时压到三十分钟。

这个阶段不急着让所有人都用。

因为一个连管理者自己都没有跑通的流程，直接推给团队，最后大概率会变成一场热热闹闹的培训。

培训结束，大家拍照，发朋友圈，回去继续用原来的方法干活。

这种事太常见了。。。

第二层是团队标准化。

个人跑通之后，才把方法放进团队的 SOP。

选题怎么输入，AI 初稿需要提供哪些背景，策划要修改什么，审核看哪些标准，哪些内容绝对不能直接发布。

这个阶段最难的并不是技术。

而是你要把「我觉得不太对」这种模糊的经验，翻译成别人能理解、AI 能读取、结果能检查的规则。

很多管理者做到这里才会发现，自己以为很成熟的方法，可能从来没有真正说清楚过。

以前下属做不好，我们很容易归因为能力不行、态度不行、理解不到位。

但当你试着把任务交给 AI，就会遇到同样的问题。

AI 做不好时，你没法只骂一句「你怎么连这个都不懂」。

你得回头检查，背景给够了吗，目标清楚吗，标准可判断吗，参考案例有没有提供，红线有没有说明。

很有意思。

第三层才是业务可量化。

团队用了 AI，不代表 AI 落地成功。

安装了多少软件，消耗了多少 Token，做了几场培训，这些都不是业务结果。

真正值得看的，是脚本产出时间有没有下降，审核通过率有没有提高，周报准备时间有没有缩短，跨平台内容产量有没有增加，最后有没有影响播放、留资和转化。

如果没有，可能只是大家多了一批新玩具。

所以我现在越来越警惕一种 AI 转型方式。

老板在上面喊全面拥抱 AI，管理者开始采购工具，员工开始参加培训。整个公司都显得很先进，但原来的流程、考核方式、协作关系和决策机制一个都没动。

这种 AI 落地，最容易制造一种虚假的繁荣。

每个人都在用。

但业务没有变。

麦肯锡把这个现象叫作生成式 AI 悖论。

接近八成企业已经部署了生成式 AI，但同样接近八成的企业还没有看到显著的利润影响。真正产生较高价值的企业，并不是多装了几个聊天机器人，而是动了原来的工作流。

他们 2025 年的调查里，55% 的 AI 高绩效企业对工作流做了根本性重构。其他企业只有 20%。

差了将近 2.8 倍。

这个数字其实挺说明问题。

真正的系统不是工具堆出来的。

它至少需要四样东西。

有清楚的目标，有可以复用的流程，有能够判断好坏的标准，还有让结果反过来修改流程的反馈。

少一个，系统都很难长期运转。

就像内容团队做脚本。

目标不是「用 AI 写更多稿子」，而是稳定生产更容易通过审核、更有机会获得流量和转化的内容。

流程不是「打开一个模型输入提示词」，而是从用户需求、选题、初稿、人工修改、审核到发布的完整链路。

标准不是「看起来还不错」，而是开头、痛点、方案、证据和转化是否达到要求。

反馈也不能只是主管说好不好，而要回到真实的数据，播放、互动、完播、留资，以及团队实际节省了多少时间。

四样东西连起来，AI 才不是一个偶尔帮忙的助手，而是团队工作系统里的一个节点。

顺着这件事再往下想，未来的团队可能真的会和今天很不一样。

一个任务出现后，管理者不再先问「这件事派给谁」。

他会先问，这里面哪些需要人的判断和共情，哪些适合 AI 处理，哪些可以调用外部服务，最后由谁对结果负责。

团队也不再只是组织架构图上的几个人。

它可能由策划、设计师、剪辑、几个长期使用的 Agent、一套知识库，以及随时可以调用的外部服务共同组成。

人在里面依然重要。

但人的价值会更多集中在判断、创造、沟通和承担责任上。

重复整理资料、机械搬运信息、按照固定模板生产初稿的工作，会逐渐被系统接住。

Anthropic 今年发布的经济指数里，Claude.ai 上人与 AI 协作增强的使用约占 52%，直接自动化约占 45%。

至少在现在，更准确的图景还不是「AI 接管所有工作」。

而是人和 AI 重新分工。

这不是说以后不用管人了。

人不是接口，更不是机器。团队仍然有情绪、信任、成长、冲突和利益。管理者依然需要理解人，做艰难的沟通，给反馈，也要在关键时刻承担责任。

只是只会管人，已经不够了。

过去很多管理问题，可以靠一个强势、勤奋、经验丰富的主管暂时压住。

他每天盯着所有项目，记得每个人的进度，知道哪个环节容易出错，像一台高速运转的中央处理器。

但这种管理模式很累，也很脆弱。

主管请假，系统就慢下来。

主管离职，大量经验一起消失。

团队一扩张，原来靠人肉维持的秩序马上失效。

曾经这种模式还能靠责任心硬撑。

AI 出现之后，它的问题会越来越明显。因为外部协作成本正在下降，自动化能力正在提高，而你的内部摩擦如果一点没变，差距只会越来越大。

所以我现在判断一个管理动作值不值得做，会多问一句。

这件事解决的是今天的一次问题，还是以后的一类问题？

如果只是帮员工把这篇稿子改好，今天的任务完成了。

如果能从这次修改里提炼出审核标准，更新模板，再让 AI 和团队下一次都少犯一点错，系统就进化了。

这两种工作的杠杆率完全不同。

管理者每天都很忙。

开会、改稿、协调、救火、汇报，任何一件看起来都不能不做。但真正决定团队半年后会不会变强的，往往不是你今天多救了一次火，而是你有没有抽时间改掉那个反复起火的地方。

这可能就是 AI 时代管理者最重要的转变。

从成为团队里最能干的人，变成那个让团队越来越不依赖个人英雄主义的人。

从分配任务，变成设计协作。

从检查结果，变成定义标准。

我自己也还差得远。

现在很多流程仍然需要我手动推进，很多判断也没有真正沉淀下来。有些 AI 方案第一次跑，花的时间甚至比人工还长。

但我觉得方向已经很清楚了。

真正有价值的 AI 落地，不是让每个人身边多一个聊天机器人。

而是让一个团队的经验能够被沉淀，工作能够被拆解，结果能够被检查，系统能够根据反馈持续进化。

回到开头。

如果 AI 进了团队之后，你还是每天改稿、催进度、救火，先别急着怪员工不会用。

也许真正该升级的，不是某个人。

是你们一起工作的那套系统。

分享真实的 AI 实战、内容方法和团队管理经验  >>>