Leadership

上周内部交流会，有位同学站起来提了一个问题。

问题原文是这样的：

如果希望公司更像一家 AI-native 公司，各位 Leader 最希望大家立刻停止的一种/几种传统工作方式是什么，以及希望大家开始的一种/几种工作方式是什么？

主持人让我先答。

我第一反应是给一份工具清单：停止手写代码，开始用 Agent；停止人肉搜信息，开始问 AI。这种答案安全、正确，而且没用。

于是我在回答之前，先问了自己一个问题： AI 工具早就全员配齐了，为什么我依然觉得组织不够 AI-native？

答案不在工具上，而在一些我们习以为常、甚至毫无察觉的工作方式上——它们运行得太自然，以至于我们误以为它们就是工作本身。

李开复在他的新书《AI 未来已来》里讲了一件微软旧事。

2000 年他升任微软全球副总裁，后来才知道，在他毫不知情的时候，总部一年一度的人才盘点已经把他摆上了桌面——比尔·盖茨和鲍尔默认为他最适合出任一个新事业部的副总裁。他第一次意识到：在这家公司，顶尖人才的去向不是哪个部门领导的家务事，而是最高层亲自过问的大事。

更让他震撼的是制度本身：微软每年把最顶尖的 1% 员工挑出来，不论资历，只看潜力。首席人力资源官告诉他，鲍尔默睡前的功课之一，就是几十份几十份地翻看这些人的资料，确保他们的奖励到位、能感受到最高层的关注。鲍尔默对副总裁们说过一句狠话：

排在前 1% 的人，不属于你们，属于我。我要知道他们都是谁——公司有需求时，我有权随时调动他们。

这是 30 年前的管理智慧：顶尖人才，必须由一号位亲自盯。

但注意它的实现方式——靠鲍尔默的意志力，靠 HR 一年一次的名单。一年一次，几十个人。这已经是人力注意力的极限。而一家几千人的公司里，真正的顶尖人才远不止名单上那几十个人。

李开复写道：2025 年，他在零一万物把这件事重新做了一遍。这一次，用的是「老板 AI」。

上个月一个客户请我们做数字员工。

老板看完 demo，很兴奋。大模型能写邮件、做总结、回答制度问题，他觉得万事俱备。

「给销售、采购、客服各配一个数字员工，下个月上岗。」

工程师于是创建了几个角色，写了几段提示词，把聊天窗口换成了公司 Logo。

数字员工似乎就诞生了。

星期一早上，销售总监问它：「今天该先跟哪个客户？」它不知道。采购问它：「这批货该不该拒收？」它不知道。客服问它：「这个投诉要不要升级？」它也不知道。

老板很失望：「不是说好什么都会吗？」

什么都会。这四个字，是数字员工项目最常见的死因。

去年年底，一个带三十人团队的朋友跟我吐槽：「我团队执行力特别强，交代什么做什么，但就是没人主动提新想法。」

我问他：「你的绩效考核怎么算的？」

他说：「Bug 修复数、代码行数、需求交付准时率。」

我说：「那你训练出来的不是工程师，是 KPI 优化器。他们不是不会探索，是探索了没奖励。」

他愣了一下：「这跟训练 AI 有什么区别？」

区别不大。真的。

今天早晨刷短视频，无意间看到一句话：

「真正的自信不是你知道答案，而是你不知道答案的时候也相信自己能把它搞明白。」

刷过去又刷回来，反复看了两遍。说不上为什么被击中，但回想过去几年——从带团队做 AI 产品，到自己从零搭工具链——支撑我撑过来的，确实不是「我什么都会」，而是「不会但我能搞明白」。不是鸡汤，是真实感受。

「对人不提要求，就是对组织不负责。」

这句话我说过很多次，也被质疑过很多次。有人说这是 PUA，有人说这是管理者的傲慢。但我越做管理，越觉得这是一条被严重低估的基本原则——尤其在 AI 时代。