AI原生管理者的核心能力

"

真正拉开差距的不是工具，而是管理者能否把AI翻译成业务语言。

钉钉换帅了。92年的陈宇森接任CEO，成为阿里最年轻的事业部负责人。这不是简单的年轻化——他之前做的MuleRun，本质上是围绕AI原生工作方式打造的协作系统。他上任后的第一个信号很明确：钉钉要从"用AI"变成"用AI重新设计工作"。

但大多数团队还停在"用AI"这个阶段。BCG《AI at Work 2026》的数据很有意思：74%的白领已经在高频使用AI，42%的人说每周能省一个工作日。看起来不错对吧？但真正拉开差距的不是工具，是战略清晰度。战略清晰的员工里，80%看到了可衡量的影响；只有工具没有方向的，这个比例掉到60%。

什么意思？你的团队在用AI，但用在哪、为了什么、怎么衡量，管理者没说清楚。员工拿到AI工具，第一反应是写邮件、改PPT、总结会议。这些当然有用，但只是个人提效。真正的管理动作是把"用AI"翻译成业务语言：我们是要缩短交付周期，还是提升客户洞察？是减少返工，还是释放时间做创新？

比如销售团队，如果只是用AI写客户邮件，那是个人提效。如果把AI嵌入客户会议纪要、机会识别、线索评分、方案生成、下一步行动追踪，那是在重构销售流程。管理者不要只问"用了多少次AI"，要问：AI让哪个关键流程变短了？哪个输出质量变高了？节省出来的时间被重新投入到哪里了？

📌 本文看点

传统管理者习惯把任务分给人。AI进入团队后，问题变了：哪些任务由AI先做，哪些由人审核，哪些必须由人判断，哪些可以交给Agent持续运行。

OpenAI关于Codex的数据很说明问题。2026年上半年，Codex活跃用户增长超过5倍。超过10%的用户每周某个时点会同时管理3个或更多Agent。提交"预计资深人员需要8小时以上完成"的长任务请求占比，自年初以来增长近10倍。

工作正在从"人执行"变成"人委托+审核"。管理者要训练团队把任务写清楚：目标是什么，输入在哪里，约束是什么，AI可以做到哪一步，人在哪一步介入，验收标准是什么。

一个项目里，可能是人负责判断，Agent负责初稿，工具负责检索，知识库提供上下文，自动化流程做提醒和追踪。管理对象已经从单一的"人"变成了"人+Agent+流程"的混合系统。

Gallup的数据显示，到2026年，50%的美国员工至少偶尔在工作中使用AI，28%每周使用几次或更多。但很多组织仍停留在任务层面的效率改善，尚未真正改变工作流程。

这对管理者的提醒很直接：AI采用不是IT通知，也不是培训签到，而是一种团队管理行为。管理者自己不用AI、不讨论AI、不把AI纳入任务安排，团队很难真正用起来。

但如果管理者在日常会议里开始问："这个任务AI先跑过了吗？""这个输出谁来验证？""这个流程能不能沉淀成模板？"AI才会进入团队工作方式。同时，责任边界必须清楚。AI可以生成候选方案，但谁负责判断？AI可以整理人才盘点材料，但谁做最终评价？

很多团队现在用AI，仍然是散兵游勇。每个人有自己的prompt、自己的工具、自己的聊天记录。个人效率提高了，团队能力没变。

OpenAI Codex研究里有个细节：26.6%的用户已经使用skills共享复杂工作流指令。这个信号很重要。AI原生团队真正要共享的，不是某一句Prompt，而是一整套Workflow。

管理者要推动的是把个人AI经验变成团队资产。好的提示词、任务模板、检查清单、Agent配置、知识库结构、复盘记录，不应该停留在个人电脑里，而要沉淀成团队共同使用的工作流。

比如市场团队，不只是每个人用AI写文案，而是沉淀"新品发布内容生成流程"：输入产品资料、目标人群、竞品信息、品牌语气和渠道要求，AI生成不同版本，人类做事实核查和语气调整，最后复盘哪个版本转化更好，并把经验写回模板。HR团队也是一样——不只是用AI写JD，而是沉淀从岗位画像到入职风险提示的完整流程。

AI原生团队，不是共享工具链接，而是共享工作流。

AI还在快速变化，很多做法没有标准答案。如果管理者一开始就用确定性考核压员工，员工会选择安全做法，而不是尝试新方法。

微软Work Trend Index里有个管理者必须警惕的信号：领导者往往高估了组织给员工的AI试验空间。领导者觉得自己已经鼓励AI探索，但员工感受到的往往是风险和不确定。

AI原生管理者要把管理节奏从"布置—执行—考核"，转向"试验—复盘—放大"。AI试验不是随便试，而是要有机制：哪些场景允许试？怎么判断效果？失败怎么复盘？成功怎么复制？风险怎么控制？

传统管理者更像资源分配者：分目标、分任务、分人手、盯进度、看结果。AI原生管理者更像工作系统设计师：定义AI改变什么，重构任务边界，编排人和Agent，沉淀团队工作流，建立试验复盘机制。

这不是说传统管理能力不重要了。相反，目标设定、沟通、判断、反馈、信任变得更重要。只是它们要放到一个新环境里重新发挥作用。

AI不会自动创造好组织，它会放大组织原有特征。目标清楚的团队，会因为AI跑得更快；流程混乱的团队，也会因为AI制造更多混乱。愿意复盘的团队，会更快沉淀工作流资产；只追使用率的团队，很容易停留在工具热闹。

AI原生管理者的核心不是"懂AI技术"，而是懂如何让AI进入组织工作。先定义AI要改变什么，再重构任务边界；先编排人和Agent，再沉淀团队工作流；最后通过试验、复盘和放大，把AI从个人工具变成组织能力。

工具会越来越多，模型会越来越强，Agent也会越来越普及。真正稀缺的，不是会用AI的人，而是能把AI用成组织结果的管理者。

如果你觉得这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。