Day 54 · 2026.07.13

AI 时代的管理:把团队从「会用工具」推到「拿捏判断」

主题:Managing in the Age of AI·4 个原则
"最大的经济回报,不来自替代人,而来自增强人。" — Erik Brynjolfsson,《The Turing Trap》
本期的命题:当团队里每个人都在用 AI,你的管理动作要不要变?答案不是"禁用"也不是"放养"。真正的活是:为每类任务划好人机分工线、把稀缺性从"执行"迁到 AI 还做不好的"判断"、诚实处理那句谁都在心里问的"我会不会被取代"。本期四个原则——人机分工、技能再造、自动化焦虑、质量与责任——把"如何管一个 AI 增强的团队",落成可执行的日常。
PRINCIPLE 01

人机分工:做半人马,不做人机混同体 Centaurs, Not Cyborgs — Designing the Division of Labor

分工工作流增强
给每类任务划一条清楚的线:AI 负责起草、规模化、穷举选项、写样板;人负责判断、取舍、担责、处理边界情况。管理者的活不是"要不要用 AI"的一刀切,而是为每种工作设计这条分工线——哪里交给机器,哪里必须由人接手。
"The Centaur approach involves a strategic division of labor between human and machine, switching between AI and human tasks depending on which is better at what." "半人马式打法,是在人与机器之间做战略性分工——按谁更擅长什么,在 AI 与人的任务之间来回切换。" — Ethan Mollick,《Co-Intelligence》(2024)
情境:团队要为一个新服务写设计文档。老工程师主张"AI 写的不可信,全禁";一位初级则直接把 Copilot 生成的整段架构贴进了文档,没细看。
✗ 两个极端

全禁:"AI 不许碰设计文档。"——放弃了它最擅长的起草与列选项。
全放:整段生成直接进文档,没人验架构取舍——把最该由人负责的判断也外包了。

✓ 划线(半人马分工)

"这样分:AI 出骨架、列三种存储方案的利弊、生成接口样板人来定架构取舍、审边界条件与失败模式、对最终结论签字。"

给团队一句可复述的规则:"AI 可以起草,人必须签字。"让分工线变成默认习惯,而不是每次临时吵。

  • 这项任务里,哪部分是"生成/穷举"(宜交 AI),哪部分是"判断/取舍/担责"(必须留人)?
  • 我给的是"用不用 AI"的一刀切,还是"哪段用、哪段不用"的分工线?
  • 高风险区(安全、钱、数据、对外承诺)我是否明确圈成"人必须接手"?
  • 这条线团队能一句话复述吗?还是只存在我脑子里?
  • 用"态度"代替"设计"。"拥抱 AI"是口号,不是分工线;不落到任务级别,团队各行其是。
  • 分工线一成不变。模型每季度在变,某些原本"必须人做"的活会被推过线——要定期重划。
  • 只分工不对齐标准。没说清"什么算合格的 AI 起草",人就得替它擦一遍屁股,反而更慢。
习作:挑团队最近一类反复出现的任务,把它拆成"生成"与"判断"两栏,明确写出哪栏交 AI、哪栏留人,发给团队作为默认分工。
思考题:我团队现在的 AI 用法,是我设计的分工,还是每个人各自摸索出来的野路子?
PRINCIPLE 02

技能再造:稀缺性从「执行」挪到「判断」 Reskilling — The Premium Moves from Doing to Judging

再造判断力品味
AI 把"能不能做出来"的门槛拉平,稀缺性随之转移到它还做不好的地方:品味、问题定义、验证、跨领域整合。带团队再造技能,不是教几招 prompt 技巧,而是把每个人从"敲键盘那端"往"下判断那端"推。执行被商品化,判断在升值。
"Consultants using AI finished 12.2% more tasks, 25.1% faster, and produced 40% higher quality results—with the largest gains among the lower-performing consultants." "用 AI 的顾问多完成 12.2% 的任务、快 25.1%、质量高 40%——而收益最大的是原本表现较弱的那批人。" — Dell'Acqua 等,《Navigating the Jagged Technological Frontier》(Harvard/BCG, 2023)
情境:一位资深工程师私下焦虑:"Copilot 一出,初级写的代码跟我差不多了,我这些年的手艺不值钱了。"
✗ 空洞安慰

"别担心,你还是比他们强。"——既不具体也不可信,他知道你在敷衍,下次不再跟你说真心话。

✓ 承认 + 重新定位价值

"你说得对,纯写代码这段确实被拉平了。但你现在更值钱的地方变了:判断这段 AI 代码在高并发下哪里会崩、把模糊需求定义成对的问题、code review 时那种'闻到不对'的品味——这些 AI 还给不了。"

"下季度我把你的时间从敲键盘挪出来:带两个初级做架构评审、主导一次故障复盘。这才是你的护城河。"

  • 我团队的再造重点,是"更会用工具"还是"更会判断"?(前者半年后又被拉平)
  • 我有没有给资深的人腾出时间,去做验证、定义问题、带人这些高判断力的活?
  • 初级还在用 AI 跳过基本功吗?他们练手的机会被 AI 拿走了,我怎么补?
  • 我自己在示范"用 AI 起草、用判断把关",还是在示范"甩给 AI 不看"?
  • 把再造做成培训打卡。发个 prompt 课让大家看完就算——判断力不是看视频看出来的,是在真任务里练出来的。
  • 只升级工具不升级角色。人还在做被拉平的活,只是做得快一点——迟早整段消失。
  • 忽视初级的"练手悖论"。AI 替他们做了打基础的活,判断力反而更难长出来。
Female Leader's Note 多项调查显示,女性报告使用生成式 AI 的比例明显低于男性——部分原因是女性犯错时被审视更严,于是更不敢在公开场合"试错式"地用新工具,容易变成私下偷偷用(Ethan Mollick 称之为 "secret cyborgs")。对策:管理者要公开正常化 AI 使用、把它写进正式 workflow,让它成为团队明规则而非地下技能——工具一旦地下化,本就存在的采用差距只会被放大。
习作:给每位直接下属写一句"你在 AI 时代最该加深的一项判断力"(架构取舍 / 问题定义 / 验证 / 带人),下次 1:1 一起定一个练它的真实任务。
思考题:如果明年团队执行类的活被 AI 再拉平一半,我今天在帮他们长的是"还会被拉平的技能",还是"更难被拉平的判断力"?
PRINCIPLE 03

自动化焦虑:诚实,胜过空洞安慰 Automation Anxiety — Honesty Over Reassurance

恐惧诚实转型路径
"AI 会取代我吗"不是矫情,是真实恐惧。空洞安慰("你绝不会被取代")适得其反——员工不信,还学会以后不跟你交底。诚实做法是两件一起给:承认哪些任务确实会消失,同时把资源砸到帮他转型的具体行动上。恐慌无用,路径有用。
"This is the worst AI you will ever use." "你现在用的,是你这辈子会用到的最差的 AI。" — Ethan Mollick,《Co-Intelligence》(2024)
情境:1:1 上,一位下属说"我看到 AI 已经能写测试、写初版文档了,我是不是快没用了?"
✗ 两种失败反应

否认:"别瞎想,你的岗位很稳。"——他不信,还觉得你不敢跟他说实话,门就此关上。
制造恐慌无出路:"确实,你得赶紧努力了。"——留下焦虑,不给方向。

✓ 诚实 + 转型承诺

"有些活确实会被自动化——样板测试、初版文档,这是真的,我不骗你。但那不等于你被取代。"

"下个季度我们把你往这几件 AI 还做不好的事上挪:复杂系统的故障判断、带一个初级、主导一次跨组设计。我给你具体项目和时间线。恐慌没用,转型有用——这条路我陪你走。"

  • 我是在给真实评估,还是在给"你很安全"这种他一眼看穿的安慰?
  • 我有没有把"哪些任务会消失"和"你这个人不会被取代"分开讲清楚?
  • 承认恐惧之后,我给的是一条带项目、带时间线的具体转型路径,还是一句"加油"?
  • 团队层面,我是否公开谈过 AI 带来的变化,还是任由小道消息发酵成恐慌?
  • 用沉默回避。你不谈,恐惧不会消失,只会转入地下、变成离职和摸鱼。
  • 过度承诺。"我保证没人会因为 AI 走人"——一旦组织真裁员,你的所有信用一次清零。
  • 只谈威胁不谈机会。AI 也在给人腾出做更高价值工作的空间,只讲淘汰是片面恐吓。
习作:找团队里最可能焦虑的那个人,主动开一次对话:诚实说清哪些活会变、并一起写下一条他往高判断力方向转的具体第一步。
思考题:我上次谈 AI 对团队的影响,给的是让人安心的真话,还是让人暂时闭嘴的假话?
PRINCIPLE 04

质量与责任:人在环内,署名不外包 Be the Human in the Loop — Accountability Doesn't Automate

验证Ownership失败模式
AI 增强的团队有新的失败模式:幻觉进生产、过度信任输出、责任扩散("是 AI 写的"成了免责借口)。"锯齿状前沿"意味着你无法凭直觉判断 AI 在哪里靠谱、哪里悄悄翻车。管理者要建立两样东西:验证文化明确 ownership——AI 是工具,署名和责任永远是人的。
"Be the human in the loop... You are responsible for the output. The AI is a tool, and you are the one who signs off on the work." "做那个在环内的人……你为产出负责。AI 是工具,最终签字的是你。" — Ethan Mollick,《Co-Intelligence》(2024)
情境:一个 PR 里,AI 生成的代码调用了一个根本不存在的 API(幻觉),过了 review 进了 staging 才被发现。
✗ 两个极端

免责:"哦是 AI 写错的,不怪你。"——责任外包,没人从中学到东西,下次照错。
因噎废食:"从今天起全组禁用 AI。"——为一次失败放弃全部增益。

✓ 立规则 + 建验证

"我们定清楚:谁提交,谁负责,不管是不是 AI 写的。AI 帮你起草,不改变你是署名人这件事。"

"配套两条机制:(1) AI 生成的关键代码/结论,提交前人工核验一遍,尤其是外部依赖是否真实存在;(2) 高风险区(安全、钱、数据)AI 输出必须双人核。"

  • 团队有没有"谁提交谁负责,与是否 AI 生成无关"的明确共识?
  • 高风险区(安全 / 钱 / 数据 / 对外承诺)是否设了"AI 输出必须人工验证/双人核"的红线?
  • 大家知道 AI 会自信地编造(幻觉)吗?对"看起来很对"的输出保持警惕了吗?
  • 我是否在鼓励标注"这段由 AI 起草",好让 review 者知道该往哪里多看两眼?
  • 我自己签发 AI 起草的东西时,真读过了,还是也在"看起来对就过"?
  • 把验证当官僚。不是所有输出都要双人核——只把成本花在高风险区,低风险区放手,否则团队会绕开流程。
  • 责任扩散无人认领。"AI + 三个人经手" = 出事时人人都能甩锅。Ownership 必须落到一个具名的人。
  • 信任随流畅度上升。AI 输出越顺、越自信,人越懒得验——恰恰这时最危险。
Female Leader's Note "AI 出错谁背锅"的分配往往不对称:在职责模糊、多人经手的情境里,女性与少数群体更容易为同样的错误承担更重后果(likability / competence 双重束缚延伸到了 AI 时代)。对策:把"人对 AI 输出负责"做成对事不对人的明确流程——哪些区必须验、由谁具名签字、验证记录留痕——别让追责变成凭印象和身份的随意指认。
习作:为团队写下一页"AI 使用与责任约定":署名规则、高风险区红线、验证要求,本周发出并在下次组会过一遍。
思考题:如果下周一个 AI 幻觉悄悄进了生产,我今天的流程能兜住它吗?还是只能事后追责?

深入思考

"半人马分工"会不会随 AI 变强而失效——那条线越来越往人这边挤,最后无处可退?
线确实在移动,但"失效"言之过早。历史上每次自动化都把人推向更高抽象层:从写汇编到写高级语言,人没消失,而是去做更难被规约的判断。关键不在守住某条固定的线,而在持续往上迁移——今天人做架构取舍与责任,明天可能是问题定义与价值判断。真正的风险不是"线被推没了",而是管理者不重划线、让团队停在终将被吞掉的层级。把重划分工线当季度例行,而非一次性设置。
如果"判断力"才是稀缺,可初级员工正是靠做那些被 AI 接管的基础活来长判断力的,这个"练手悖论"怎么解?
这是 AI 时代最真实的管理难题:AI 替初级做了打基础的活,判断力反而更难长出来。解法不是让他们回去手写样板,而是换一种练法:让初级做 AI 输出的审阅者与验证者——读 AI 生成的代码、找出哪里会崩、解释为什么。审阅比从零写更快接触到"好与坏"的对比,恰是判断力的养料。配上明确反馈,把练手从"生产动作"迁到"评判动作"。
诚实说"有些活会消失",会不会反而制造恐慌、加速人才流失?
有这个风险,所以诚实必须成对出现:承认威胁的同一句话里,给出路径。单独说"你的活会消失"是恐吓;"会消失 + 这是我帮你转型的具体计划"才是领导。人能承受坏消息,承受不了的是不确定加沉默。你不说,恐惧照样在,只会转入地下、变成偷偷投简历。透明反而降低流失——留下的人知道你没骗他们、也知道你在为他们的下一步投资。真正加速流失的,是被戳穿的假安慰。
"人对 AI 输出负责"在 AI 越来越自主(agent 能自己执行多步)时还成立吗?责任该怎么随自动化程度调整?
原则成立,但落点随自主度上移。当 AI 从"给建议"变成"自己执行多步动作",人已无法逐行审——责任从"审查每个输出"转为"设计护栏与验收标准":定义 agent 能碰什么、什么情况必须停下找人、结果怎么验收。类比是:你不审计下属每个键盘动作,但你对招谁、给什么权限、如何考核负责。自动化越高,人的责任越从"操作层"退到"制度与边界层"——退出的是执行,退不出的是为设定这套边界负责