赛事资讯中心

过去半年里，你公司采购了多少款AI工具？其中真正投入使用的，又有几个？

许多创业者在和我交流时提到，他们感到钱花了、培训上了、软件也装好了，但公司运作依旧照旧。

问题究竟出在哪里？

陈春花教授在她的新作《AI时代的管理》中提出：

AI要颠覆的，正是那种把人视作机器、依赖层级和固定流程来管控的传统模式。

你的AI之所以难以落地，多半是因为你还在沿用工业时代的管理方法，去运用智能时代的工具。

我通读了全书，提炼出几项对你最实用的要点，建议你仔细看看。

一、管理逻辑的断层

过去十多年，企业推进数字化，系统上了一套又一套。

这些系统做了什么？无非是将你原有的管理动作转移到线上，审批照旧、汇报照旧、部门间的壁垒也照旧。

AI则不同。

陈春花指出：AI的兴起，是管理逻辑的一次断层，那些建立在确定性、层级和标准化基础上的管理经验，正在大面积失灵。

传统管理依靠什么来支撑？依靠信息的不对称。

老板掌握的信息比员工多，因此需要分层级；信息经过层层传递会失真，所以需要定流程；每个人的工作量难以精确衡量，因此要考核KPI。

现在，AI解决了信息稀缺的问题。查知识，随手可得；谁做了什么，系统有实时记录。

书中举了一个例子：一家大型零售企业，门店提交调货需求后，AI根据历史销售数据、库存周转情况和供应链条件，当场计算出最优的调配方案，并在管理平台上生成一条执行指令。管理者无需手动干预，但资源流向、任务进度和异常预警，都能随时查看。

管理动作本身转化成了数据，管理平台与数据平台合二为一。

既然旧的前提条件已经消失，那么做法就必须随之改变。

这本书探讨的核心问题其实只有一个：当AI从工具转变为同事，管理这套旧系统，该如何重新编写？

二、组织，要变成水

陈春花提出了一个概念：水样化组织。

这是什么意思？

传统企业像一块固体，人和资源被固定在各自的位置上。跨部门协作时，需要走流程、开会、签字，绕一大圈才能办成事。

水样化组织则相反：AI像电力一样，能在全公司范围内自由使用。

销售部门的AI发现客户的一个新痛点，信号会立刻传递给研发部门的AI来制定方案，供应链的AI同时核算成本。整个过程无需召开协调会，因为信息在公司内部流动，没有部门墙的阻碍。

信息、资源、人才，应该跟随任务走，而不是跟随部门走。

AI被视为组织中的正式成员，陈春花称之为“数字员工”。当研发团队测试新产品时，数字员工不会等待指令，它会自主监控市场变化、供应链的小波动以及用户行为的异常，提前预警风险，有时甚至比人类更早发现机会。

过去的管理重在掌控资源，未来的管理则重在设计人与机器的协作方式。

人类做出判断，机器提供算力，公司就能焕发活力。

你可能会觉得，这是理想状态，有实际案例吗？

有，字节跳动就是例子。

字节跳动常被形容为一家长得像App的公司，意思是每一个动作、每一个决策都在系统中流动，可以追踪，可以优化。

产品团队提出一个新的推荐算法时，AI会立即扫描历史项目、寻找相关人员、预测影响，并当场给出反馈。

管理者此时做什么？安排上下文，决定资源流向、谁参与、谁先验证，系统协助调度。

创意从产生到实现的整个过程，系统也会记录。谁提出了核心改进，谁做了实验验证，谁带领团队迭代，每个动作都有数据支撑。谁的贡献大，一目了然。

再看海尔的“人单合一”模式，它将每个员工视为独立创造价值的节点。引入AI后，这一模式可以升级为动态合约，每接一个任务就是一次契约，系统实时计算你的贡献，并当场给出结果。

员工发现市场机会时，可以调动AI资源快速调整策略，系统会立即识别这是他的首创，并记录在一本随时更新的账本中。

传统考核是年底算总账，而海尔是每分每秒记小账。

这两个案例实际上说明同一件事：未来企业的竞争力，不在于你拥有多少人，而在于你的系统能否实时识别并放大每个人的贡献。

三、管理的4个基本功，全都要重做

管理学讲了一百多年，基本功只有四件：计划、组织、领导、控制。

陈春花认为，这四件事在AI时代都需要重新定义。下面我们逐一来分析。

第一件，计划。

传统计划是什么样的？

年初设定目标，年底拿出来对照一下。

AI时代的计划，是动态的。公司的战略会转化为AI能够理解的目标，如利润率、市场占有率、库存周转率，甚至员工幸福感和客户满意度，都变成随时可调整的变量，其重要程度也在实时变化。

计划从一张PPT，变成了一个实时导航系统，它根据最新数据不断计算，随时给出当前最优的行动方案。

书中有一个实用技巧：给AI下达指令时，不要再说“请优化物流成本”这种模糊的话。试着把条件说清楚，比如：在保证华北区客户24小时送达率不低于98%的前提下，调整前置仓的比例，寻找物流成本和库存成本的最佳平衡点。

你下达指令的水平，就是你做计划的水平。

书中还介绍了一个工具：数字孪生决策舱。它为真实世界创建了一个实时同步的数字镜像。例如，如果供应链上某艘货轮延误了，决策舱中的虚拟航线会立刻变红，并自动弹出受影响的订单数量、需要赔偿的金额以及替代方案。

过去做管理，基本功是复盘，事情发生后回头看。现在的基本功变成了“感知波动”，事情尚未发生，系统已经在提前推演。

第二件，组织。

管理者需要具备接口思维，将公司内部的合作视为一个个能力模块之间的相互调用。任务一旦启动，相关模块会自动响应，可能是某个AI，也可能是某位专家。没有请示，只有响应。

合作卡住了怎么办？旧方法是找人谈话。新方法是检查规则，是分工不明确，还是反馈太慢？把规则理顺，组织就能自我修复。

管理者的角色也发生了变化，过去是调解人际矛盾的人，未来是设计合作规则的人。

第三件，领导。

算法只认概率和效率，而人类需要的是安全感和情感连接。如果完全依赖算法来管理公司，公司会变得越来越没有人情味。

算法可以计算出解雇100人是最优解，但如何妥善安置这100人，需要由人来决定。

处理这些算法无法计算的事情，正是人类管理者的真正价值所在。AI能算出最优解，但算不出什么叫体面，什么叫人心，什么叫一个公司长期值得信赖。

第四件，控制。

传统控制是紧盯KPI，本质上是防止人出错。在AI时代，控制的任务转变为激发人的潜能。

陈春花有一句话说得很妙：盯指标是传统管理，盯“逻辑增量”才是智慧管理。

什么是逻辑增量？就是一个人为公司贡献了什么新东西，比如一个新思路、一种新做法，这些都算。系统需要认可人的创造过程和实际贡献，不能只看最后那个干巴巴的数字。

四、岗位在消失，角色在登场

接下来这件事，直接关系到你如何带领团队。

现在，岗位说明书正在失去作用。

为什么？

因为岗位说明书界定的是一个人的边界，你干这个，别碰那个。AI时代需要的是“角色定义卡”，它描述的是这个角色能调动什么资源、目标是什么、权限有多大、与谁配合、要交出什么结果。

权限跟随角色走，根据任务动态分配。任务结束后，权限收回。

角色变了，分配报酬的方式也要跟着变。

以前怎么发钱？看职级、看工龄，熬得久就拿得多。

超级个体不认同这种方式，他们要求按角色贡献来分配报酬，创造多大价值，就拿走多大份额。

激励的方向也变了，以前是用胡萝卜加大棒，从外部驱使人们行动。

未来靠的是点燃，让一个人自己想干，而且他想干的事，正好也是公司需要的事。

书中有一个案例，F工作室原本是一个标准的游戏开发团队，有200人。为了让这200人协作，职能被划分得非常细，包括画师组、策划组、程序组、数值组、宣发组等十几个小组，各管一摊。

引入AI之后呢？200人的工作，由5个超级个体就承接了。

请注意，超级个体并不是离开公司单干的个人英雄。恰恰相反，他们与组织的绑定更深。 他们会调用AI，会使用公司的知识库，一个人就能完成过去一个团队的工作。

这说明什么？人数多这个优势在贬值，会使用杠杆的个体在升值。

未来你公司的核心竞争力，可能就在于那少数几个能够撬动AI和知识库的人，以及你留住他们、放大他们价值的能力。

五、人的价值还剩什么？

说到这里，很多朋友会问：AI什么都能做，那人还剩下什么？

陈春花说：凡是能写成逻辑、能重复、有标准答案的工作，都不会再有溢价了。

那么，溢价体现在哪里？三个地方。

第一，提问。

技术执行的成本正在趋近于零，把问题定义清楚，比把问题解决掉更有价值。AI什么都能回答，但问什么、为什么问，是你的职责。

第二，审美。

书中那个例子里，流光智能设计工作室的创意总监老周，以前是头号质检员，整天在修改稿中打转。使用AI之后，他不再管设计师怎么写提示词了，而是把精力放在选品和审美上。AI一次性提供海量方案，他凭借多年的行业积累，挑选出最符合品牌气质、最能打动人的那几个。

AI可以源源不断地产出，但挑选出好东西，还得靠人。

第三，赋予意义。

AI是一台好导航，能一秒算出最佳路线，但它回答不了一个问题：我们为什么要出发？

算法可以堆砌文字，但它理解不了文字背后人类的苦与乐。

AI能把逻辑差异和效率差异都抹平，而那些能告诉大家“这件事为什么值得做”的人，就会变得珍贵。

未来有价值的，是跨学科的见识、复杂局面下的是非判断、以及提出关键问题的能力。

仅仅依靠脑子里已有的旧知识，已经行不通了。

六、传统企业怎么转？

讲了这么多，传统企业的老板最关心的问题来了。我的公司没有字节跳动那样的基础，该怎么办？

陈春花提供了一条路径：AI化转型三级跳。

第一跳，数字化。 先把业务搬到线上，让一切能被记录。

第二跳，数据化。 让数据在流程之间流动起来，打破一个个信息孤岛。

第三跳，智能化。 人与机器协同工作，智能成为公司的日常能力。

数字化是手段，负责连接；数据化是过程，负责协同；智能化是结果，负责创造共生价值。

第三跳完成后是什么样子？书中有一家未具名的S公司，很有代表性。

这家公司将设计部80%的抠图、改色这类工作交给AI，设计师从画图的人，变成了训练模型和把关审美的人。接着，它拆掉了原来的职能部门，搭建了一个由AI统一调度的作战中枢。

AI智能体24小时监控全球社交媒体的流行元素，一旦发现爆点，视觉智能体立刻生成草图，文案智能体同时生成12种语言的描述，物流智能体计算好仓储配送方案，指令直接推送到数字化车间，秒级完成打样。

以前，一个新产品从发现趋势到打样需要几周时间，现在只需秒级。

再看看制造业和服务业的几个案例。

美的南沙工厂使用强化学习进行排产。AI发现某个零件运输延迟后，能在毫秒内重新安排全厂生产，不再停工等待物料。机器视觉用于质检，漏检率从5%降至0.1%以下。

到2026年，美的洗衣机荆州工厂获得了全球首个多场景智能体工厂的认证，14个智能体管理着38个核心生产场景。2025年一年，美的通过AI节省了超过1500万小时的工时，节约成本7亿元。

生产奶粉的飞鹤，将数字化应用到了奶牛身上。每头奶牛都佩戴智能项圈，AI每秒进行几十次动作采集，分辨反刍、吃料、运动和睡眠。每头牛每天反刍450到550分钟属于正常，一旦反刍次数下降超过15%，系统会在发病前一两天通知兽医。

奶粉生产中最难的喷粉干燥环节，也交给了AI管理。

过去，老师傅凭经验一小时调整一次参数，而AI每秒都在微调。消费者扫描罐底的二维码，就能看到这罐奶粉从牧场到工厂的每一项温控数据。

做餐饮的老乡鸡则走了另一条路。

中式快餐有一个魔咒：一旦标准化，就失去了“锅气”。老乡鸡用算法将上万名厨师的动作拆解分析，为厨师提供辅助，确保午高峰时每份现炒菜仍能保持家里厨房的口感。

AI排班解决了忙时累死、闲时闲死的老问题，系统还会提醒老人较多的社区店，把米饭煮得软一些。

七、管理者自己怎么办？

前面六点，讲的都是组织和业务。最后这一点，是你自己的事。

陈春花说，管理者在AI时代需要修炼三项内功。

第一，数字素养，解决眼界问题。

不要求你会写代码，但你需要了解AI的边界。能识别出算法的偏见，例如系统因历史数据原因，一直压制某类不符合主流的人才。

更高的境界是，知道什么时候不听AI的，在它偏离方向时，把方向纠正回来。

第二，道德判断，解决准绳问题。

AI追求效率到极致，容易伤害人。管理者是公司里守底线的人，不能躲在“这是算法的决定”后面。你需要明确公司的规矩，赚什么钱，保护什么文化。这种判断，算法永远无法完成。

第三，心理教练，解决动力问题。

超级个体最大的敌人是虚无感。AI能完成90%的工作，人很容易怀疑自己存在的价值。管理者需要能看到指标背后的人，并赋予他意义感。

AI转型这场进化中最大的障碍，很可能不是技术，而是人性。

对于老管理者来说，这是一个权力被削弱的过程。过去的成就感来自哪里？来自掌控。下属去哪要请示，方案要你签字，会议听你拍板。AI将决策过程全部公开化，许多管理者会突然觉得自己失去了作用，心里感到不安。

这就像一个开惯了手动挡的老司机，坐进全自动驾驶的汽车里，双手悬空，总想抢回方向盘。

于是便产生了“防御性管理”，嘴上说是风控，实际上搞小圈子决策，对算法挑毛病，变着法子把权力夺回来。

这一关过不去，前面讲的所有方法，都无法落地。

结语

回到开头那个问题，你的AI为什么用不起来？

问题的根源，还在管理上。AI像电，但你不能只在厂房里拉一根电线，就指望整个工厂自动升级。你需要重新铺设线路、改造生产线、重新培训员工，甚至重新思考“工人”这个词的含义。

计划、组织、岗位、控制，全都需要跟着改变，管理者自己也不例外。

这些问题，通过读书能想明白一半，另一半需要在实践中去磨练。

参考资料：

1. 《AI时代的管理》，作者：陈春花，北京联合出版公司出版 本文来自微信公众号“笔记侠”（ID：Notesman），作者：老贾，36氪经授权发布。

LOL下注资料以英雄联盟对阵为核心，带来高效便捷的体验。

想了解更多LOL比赛时间相关内容，尽在LOL下注资料。

LOL下注资料围绕电竞比赛信息不断创新，回应用户的真实需求。