2026-11-10 · 24 min read

组织升级最难的一层:制度不改,效率会被藏起来

一份关于组织升级关键动作的课程文稿整理。前三讲搭好了架构,这一讲处理人被制度拉回去的问题:员工学会了 AI,回到岗位却发现审批还是老流程、绩效还是老算法、知识还在自己电脑里。全文按三层展开——谁最先被 AI 放大(判断力、调用能力、自治,而不是会用某个工具)、三条必须改的流(审批给权限、考核给动力、知识做积累)、以及文化层面四个很具体的心理问题。最后落到中层:不是阻力,焦虑是合理的,他们最合适的新位置是节点设计者。

本文整理自课程文稿《04-组织升级的关键动作》。与前几篇一样,文稿末尾自注「内容由 AI 生成」,属整理稿而非逐字记录。

文中企业案例与数字沿用文稿原述,未做外部核验。

前三讲把逻辑搭完了:协同从沟通变托付,托付的对象是能力节点,节点分四层往上长。

于是很多企业会觉得:架构有了,接下来做培训就行了。

这一讲说的就是为什么不行。

一个很具体的悖论

员工学会了 AI,回到岗位上。

然后他发现:审批还是原来的审批逻辑,绩效还是原来的算法,知识还存在自己电脑里,汇报还是一层层往上走。

结果不是效率提升,而是他越快,越早碰到制度的边界。

文稿给了两个场景,都很扎心。

**场景一。**一个员工花两天把一个重复任务做成了 skill,全组都能用。但绩效评估时没人记录这件事。相反,评估表上看到的是:他这个月少做了几十份手工材料。

**场景二。**一个业务骨干已经能同时调用几个 agent,把原来几个人的活串起来。但公司的岗位说明书还要求他只负责自己那一小块。

个人能力往前走了,管理方式停在原地。

岗位不会消失,但价值表达会变

他先给了一个总判断,我觉得这句话值得单独摘出来:

AI 进入组织之后,岗位并不会消失,但岗位的价值表达会改变。

以前看重一个人亲手完成了多少事情。以后越来越看重:他能不能做出高质量判断,能不能调用更多 AI 能力,能不能把经验沉淀下来让团队反复使用。

谁最先被放大:三件事,不是会用工具

过去团队里的能力差距是连续的——有人经验多一点,有人执行快一点,有人沟通强一点。

AI 进来之后,会出现一类产出明显高出一个台阶的人。

他强调了一句很重要的话:别把这些人简单说成「会用 AI 的人」。会不会用现在某个工具,很快会过时。

真正稳定的差距来自三件事。

图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。

flowchart LR
    A["判断力<br/>信息越多越值钱"] --> D["超级员工"]
    B["调用能力<br/>把任务编译成方案"] --> D
    C["自治<br/>自己发现·推进·兜底"] --> D

上图是这三件事。它们跟工具无关,所以工具换代也不会失效。

一、判断力

AI 能在很短时间内给出大量信息、方案和建议。

所以真正稀缺的不是获取,是取舍:哪些值得选,哪些证据不够,哪些有风险。

他的判断很反直觉:信息越多,对判断力的要求越高。

二、调用能力

有调度能力的人,不会把 AI 当成一个对话框或一件新工具。

拿到任务后他先想的是:这件事怎么通过 AI 解决,哪些任务可以串起来,哪些数据能接进来,哪些步骤交给 agent,哪些必须自己确认。

他的能力是「怎么用一套方案解决眼下的任务」,而不是「用工具重复做一件事」。

三、自治

执行速度变快之后,管理者不可能继续逐步审批所有动作。

而且反过来更糟:一个员工每一步都回来确认,会把决策者拖进高密度的确认状态里。

所以需要员工具备自治:自己发现问题、自己推进、自己调整、自己找到解决办法。

全栈化不是技术趋势,是成本趋势

三件事放在一起,解释了为什么很多岗位开始全栈化。

他点得很清楚:这不只是技术岗位。研究员可以自己做可视化,业务员可以自己做出插件——以前需要技术同事辅助的能力,他们自己就能做了。

核心变化只有一句:跨专业的交付成本正在下降。

管理者的新任务:识别

这里他给了管理者一个具体职责。

如果一个人已经能承接一个小团队甚至更多人的复杂任务,而你还把他按在很窄的岗位边界里,他的能力释放不出来,也变不成组织能力。

更要紧的是:能力发展、个人预期、组织响应三者不匹配,这个人就会流失。

三个新角色,但岗位名称可以不变

一旦能力开始变成个人资产,分工上会出现三种角色。

角色负责什么谁适合
节点构建者把任务拆细、分类、定工具与输出格式产品经理、技术顾问、数据分析师、业务老手
指挥者编排 agent、推进流程项目经理、运营负责人
治理者审计权限、评估质量、守住边界风控体系里的人

他拿客户投诉处理举例:要做成一个稳定的能力节点,得有人把这件事拆开,判断哪些情况用哪个工具、触发哪个 skill、输出什么格式。

但关键的一句话是:岗位名称可以不变,重心可以向 AI 化转移。

这比「新设三个岗位」实际得多。

三条流:审批、考核、知识

人变了,制度不变,新能力就跑不起来。

他先给了一个压缩到极致的对应关系,我认为这是全篇最好记的一页:

流解决什么一句话
审批流权限新的工作方式到底能不能用
考核流动力员工为什么愿意用、愿意沉淀
知识流积累一个人的经验能不能留下来

审批流:重新划一条边界

传统审批是按人的工作方式设计的:一份合同一个人看完交下一个,一笔报销逐级审批。

但这里面混了两类工作:一类规则清楚、重复度高;另一类确实需要经验和判断。

过去没有更好的工具,两类都只能交给人。现在可以拆开。

他给了两个例子。标准合同先让 agent 按既定规则扫一遍,真正碰到非标条款、高风险条款再交法务判断。报销同理:票据、金额、规则都满足的先由系统校验,异常再进人工。

最重要的动作是重新划那条边界:哪些系统直接处理,哪些必须人工复核,哪些最终一定由人拍板。

然后是他最狠的一句:

边界划清楚,agent 才能进入真正的流程。边界不清楚,即便员工会用,也只能在流程之外用,组织能力沉淀不下来。

考核流:不奖励效率,就会惩罚效率

这一条他说「往往更难落」,因为它直接决定行为。

假设一份分析报告过去要花一整天,现在靠 skill 和 agent 一两个小时就完成,质量还更好。

但如果公司仍然看你忙了多久、做了多少手工动作、加了多少班,那么员工很快会发现:效率越高,得到的只是更多任务,而不是更好的回报。

这就解释了一个很常见的困惑:企业里员工已经在大量使用 AI,组织却感受不到生产力变化。

原因不是没提效,是大家都把效率藏起来了——因为现行机制不奖励它,甚至惩罚它。

所以他建议考核至少承认两类贡献。

  • 结果贡献:你解决了什么问题,带来什么业务效果。
  • 能力沉淀:有没有把反复做的事沉淀成 skill,这个 skill 有没有被别人用,帮多少人减少了重复劳动。

而一旦组织真的开始认可沉淀,行为会变。过去大家愿意把经验攥在手里,因为经验就是个人壁垒。现在如果能署名、能记录被调用次数、能进绩效和晋升——

分享经验不再削弱自己,反而扩大自己的影响力。

知识流:从「可以阅读」到「可以调用」

他说很多企业做了十几年知识管理,最后知识库里堆满 Word、PPT、PDF。

项目结束写复盘,培训结束传课件,员工离职交文件夹。

这些东西有价值,但下一个人真做事的时候,还得重新读一遍、重新理解一遍。

AI 时代可以往前一步。一个优秀销售有成熟的客户方法,过去写成 SOP;现在可以继续拆清楚:需要哪些输入、按什么步骤、输出什么格式,然后沉淀成 skill。

经验才能从文档变成能力。

三条流是串联的

他自己做了收束:审批给权限,考核给动力,知识做积累。

图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。

flowchart LR
    A["审批流<br/>给权限"] --> B["考核流<br/>给动力"]
    B --> C["知识流<br/>做积累"]
    C -.->|"能力沉淀回流<br/>下一轮跑得更快"| A

上图是这条串联关系。注意最后那条虚线:知识沉淀会反过来降低下一次审批和试错的成本。

推进时不必一口气改一堆制度,找一条高频、相对标准的流程做样板就够了。

组织变大之后:培训真正的目标

如果放大到几千几万人,新问题出现:大家对 AI 的理解不一样、操作标准不一样、权责边界不一样。

小组织可以靠口头约定——几个人坐下来,很快讲清楚什么交给 AI、什么必须人工复核。规模一大,这套就不行了。

所以他看了几家大型专业服务公司的做法:大规模做训练、认证和组织推广。

而培训的目标因此变了。

过去培训完问现在还得多问
学会工具了吗工作方式有没有改变
会写提示词吗交付标准有没有改变
能做个 demo 吗有没有形成被组织可复用的能力

如果这几问都没有答案,培训结束后员工回到原岗位、用原方法——还是走老路。

他的结论是:**大规模训练的价值,首先是让新能力有共同语言、有基本标准、有一致边界。**做到这一层,AI 才能从少数人的个人技巧,变成组织可以规模化使用的方式。

文化不是口号,是四个具体问题

他说讲文化别一上来就讲「拥抱变化」「鼓励创新」,那些是空话。

真正影响行为的是四个很具体的问题。

问题一:用了 AI,成绩还算我的吗?

场景很真实:员工把 AI 用得又快又好,结果领导说「这不是 AI 做的吗」,顺便再给他加点活。

那他的积极性只会越来越低。

他建议组织给出明确态度:AI 是可以调用的生产资料。你负责定义任务、判断结果、承担责任,产出按你的产出来结算。

他也承认,AI 产出的绩效标准目前还没有特别准确的方案,需要细化。

问题二:我把经验交出来,会不会变得不重要?

这个担心对资深员工尤其真实。一个人在公司几十年,真正的价值往往就是那些没写在规则里的经验。

现在公司要他把经验整理成 skill 放进公共库,谁都会犹豫。

**所以 skill 的贡献必须可被看见、可被计量。**被调用、进绩效、有署名。

问题三:会用 AI,会不会显得我能力差?

他说这种心理幻觉非常多——「我用 AI 就代表我没能力」。

这个认知需要被公开掰正:有 AI 能力是一个好品质,不是能力不足的证据。

问题四:中层怎么证明自己的价值?

他点明:这个问题不解决,未来会变成组织的隐性阻力。

所谓 AI 文化,是一份新的心理契约

他把这四个问题收成一句话:

员工不知道 AI 会不会抢走自己的功劳,所以要建立一套新的心理契约。

具体是让员工知道:AI 不会抢走功劳;专家沉淀知识之后,自己的价值仍在叠加;团队里暴露问题是安全的;管理者能看到自己在组织里的新位置。

这些事情建立起来,AI 的使用才会从「公司要求我用」变成「我主动愿意用」。

两个案例:两件不同的事

Cox(北美汽车服务商) 解决的是「用得好没人看见」。

他们把模型能力嵌进日常工作流,降低使用门槛,同时鼓励员工公开展示自己的用法和做过的 skill。

关键机制在这里:**公开的行为,把 AI 从「偷偷提效」变成了「可以展示的能力」。**一个员工用得好、被同事看见、影响别人,他就慢慢被抬到台面上,成为组织认可的贡献者。

心态也随之变化:从防御观望,到主动研究沉淀。

法国国家铁路局 解决的是另一件事:「我的判断被拿走了怎么办」。

他们的做法是让所有员工保留最终判断权——过程不用他做,但审核权反而更明确了。

他把两个案例的共性收成一句:好的设计要同时满足两件事。一是让 AI 真正减少低价值工作;二是把有价值的判断工作留给人。

一个附带发现:同事关系在变

他提到一项研究发现:有员工说有了 AI 辅助之后,不像以前那样需要同事了。

过去很多同事关系就是互相问问题、互相帮忙。AI 接走这部分低层次需求之后,人和人的连接方式会变。

但他的判断是不必悲观:协作不会消失,会往更高价值的地方转移——一起评审 AI 的结果、一起沉淀经验、一起解决更复杂的跨部门问题。

中层:焦虑是合理的,别急着归为阻力

这是全篇我认为最有温度的一段。

他说自己不太赞成简单把中层归为「AI 发展的阻力」。站在他们的位置看,焦虑非常合理。

过去一个优秀中层靠三件事证明价值。

价值路径AI 进来之后
掌握的信息差比别人多信息可以直接检索和汇总,上传下达的价值下降
能协调一群人完成事情一部分任务被 AI 接走
带着规模适中的团队团队规模未必扩大,职位与收入的相关性被削弱

再加上决策节奏从周级变成日级、小时级,依赖流程协调的那部分管理优势也在变薄。

所以中层真正担心的很简单:这些工作以后可能都不需要我了,我没有办法证明自己了。

他的建议:先别裁,先找新位置

他给的位置是节点设计者。

理由很实在:真正了解业务流程的往往就是中层——哪个环节容易出错,哪条标准写在纸上、实际执行有出入,这些他们最清楚。

过去这些经验在脑子里,现在可以让他们负责把这些变成节点的设计规则。

具体动作也很落地:

  • 第一批最小可行 skill,让业务中层参与设计
  • 重要节点的规则,让他们一起参与定义
  • 考核里逐步增加能力沉淀和节点产出的指标

三条线自检

他把这一讲收回成三个问题。

看什么问什么
看人组织里有没有已经明显被 AI 放大、但还没被识别出来的员工
看流程有没有一条真实业务流程,同时打通了调用权限、评价和知识沉淀
看文化员工使用的心理问题解决了没有,中层的价值感解决了没有

然后是一句很克制的建议:这些维度需要一个周期去认真思考,把人的角色、流程规则和激励机制,基于 AI 化的方向做一次调整。

我的三点补充

以下是评注,不是原片内容;取舍由我负责。

第一,「效率会被藏起来」是这一讲最锋利的观察。它解释了一个常年困扰管理者的现象:明明大家都在用 AI,组织效率却没动。答案不是工具不行,也不是员工不会,而是机制在惩罚效率——你越快,只会被派更多活。这也意味着,任何「推动 AI 使用率」的动作,如果不碰考核,本质上都在要求员工做亏本买卖。

**第二,那个「三件事而不是会用工具」的划分,把「超级员工」从玄学变成了可识别的东西。**判断力、调用能力、自治——这三条都能在面试和日常观察里被验证,而且都不会因为工具换代而失效。反过来看,很多企业识别高潜人才还在用「会不会用某个工具」这种半年就过期的标准。

**第三,关于中层的那段,价值在于它把「组织阻力」重新定义成了「价值表达失效」。**中层不是不懂 AI 的好处,是他过去赖以立足的三条路径同时变窄了。**你不能要求一个人主动放弃自己的价值基础。**给他节点设计者这个位置,本质是给他一条新的价值路径,而不是让他做牺牲。


一句话总结:**AI 不会淘汰岗位,但会先淘汰那些不承认新贡献的评价方式。**员工把效率藏起来,是因为制度先教会了他藏。

搜索全站

输入关键词,查找项目与实践记录。