AI 时代，管理者要先学会松手
很多管理者聊 AI 转型，第一反应还是很熟悉的那套动作。
买工具，做培训，定指标，拉项目组，要求每个人每周汇报 AI 使用进展。
这些动作当然有用。至少它们能让组织动起来。
只是做到这里还不够。
员工学会了几个工具，汇报材料里多了几页 AI 成果，会议里多了几个新名词。过一阵子，工作还是照旧分，审批还是照旧走，信息还是一层层传，真正有变化的人反而开始变得别扭。
因为他已经能用 AI 闭环一段任务了，却还得被塞回原来的岗位里。
他已经能自己做 demo、查资料、写方案、验证想法，却还要先解释、等排期、等授权、等别人理解。
上一篇我们讲，AI 时代团队先坏在分工上。岗位还在，边界已经开始松动。
这篇想往下走一步：当分工开始松动，管理者到底该做什么？
腾讯研究院《超级个体时代》最后用了一个很克制的比喻：AI 时代的组织变革，需要的是更好的园丁。
我觉得这个说法很准确。
管理者不用去规定每一颗果实长成什么形状，他更该把土壤、光照和水源准备好。
放到组织里，土壤是完整的问题和充足的工具，光照是成果被看见的机制，水源是持续的容错空间。
这件事听起来温和，实际很难。
因为它要求管理者先放下一个本能：不要一看到新能力冒出来，就急着把它重新管起来。
管得越细，AI 提高的效率越容易被磨掉
很多团队其实已经有用 AI 提效的意识。
他们买了工具，也组织了培训，甚至要求大家提交 AI 使用案例。
过几个月再看，效率没有明显变化。
问题往往不在工具。组织还在用旧方式使用新能力。
一个产品经理用 AI 做出交互原型，按理说可以更快进入验证。结果他要先写需求文档，等评审，等设计排期，等研发排期，等下一轮会。
一个运营同学用 AI 跑出了用户反馈分析，按理说可以当天调整策略。结果数据权限不给，素材权限不给，最后只能把分析贴进周报，等领导判断。
一个工程师用 AI 做了内部工具，按理说能让团队少很多重复劳动。结果因为不在正式项目里，没有资源，也没有展示场合，慢慢就停掉了。
这些场景很常见。
表面看，是流程严谨。
实际看，是 AI 提高的效率被组织摩擦吃掉了。
腾讯研究院报告里有一个公式：
组织竞争力 = 人才密度 × AI 杠杆 / 组织摩擦
很多人看这个公式，会盯着前两项。
招更强的人，用更强的 AI。
真正拖慢组织的，经常是分母。
等待、审批、信息衰减、反复对齐、没有权限、成果不可见，这些东西不减少，AI 带来的增益很快会变成一堆新的汇报材料。
管理者如果还是习惯把每个动作都抓在手里，就会出现一种矛盾：一边希望员工更像超级个体，一边又不允许他拥有超级个体需要的空间。
最后组织得到的，可能只是一个会写 AI 周报的旧团队。
超级个体需要完整问题，不需要碎片任务
过去的管理方式，很擅长拆任务。
一个大目标被拆成需求、设计、开发、运营、数据、汇报。每个人拿一小段，交付给下一环。
在稳定业务里，这种方式有价值。它清晰，可控，也容易考核。
AI 进入工作流以后，有些任务再被切得太碎，反而会损失效率。
AI 放大的，往往是一条链路：从问题定义，到路径组织，再到结果交付。
你只给他一个碎片，他只能优化碎片。
你给他一个完整问题，他才有机会重新组织路径。
比如，不要只是让一个人“写一篇宣传文案”。
可以给他完整问题：这个产品的新功能，目标用户为什么不理解？我们能不能在一周内做出一套解释方案，包括用户语言、内容结构、落地页草稿和小范围验证？
这时候 AI 才能真正进入整条链路。
它可以帮他拆资料、模拟用户、生成版本、做对比、整理反馈。
人负责判断方向、选择版本、决定什么能发、什么要推倒重来。
这和传统派活不一样。
传统派活是把任务切小，降低单个人的不确定性。
AI 时代更有价值的做法，是把问题给完整，让强个体带着 AI 去消化不确定性。
管理者真正要做的是把边界说清楚：目标是什么，不能碰什么资源，什么时间看结果，失败到什么程度可以接受。
边界清楚以后，中间过程少插手。
这就是松手的第一层含义。
这不是撒手不管，而是把管理重心从过程控制，挪到问题定义和边界设定，这其实和用 AI 是有异曲同工之妙的。
成果如果看不见，变化就长不出来
组织里最早用 AI 改变工作方式的人，通常来自边缘和缝隙。
他们往往是在工作之外自己试。
有的人用 AI 把重复报表自动化了。
有的人用 AI 做了一个小工具，节省了团队半天时间。
有的人用 AI 重新整理客户问题，发现了过去没人注意的模式。
这些东西一开始都很小，也不一定漂亮。
它们都有一个共同点：某种新工作方式已经在组织内部出现了。
可惜，很多组织没有让这些成果被大家看到的机制。
它们被藏在个人电脑里，藏在一个临时群里，藏在“这不是正式项目”的缝隙里。
管理者看不到，就以为组织没人动。
普通员工看不到，就以为 AI 只是少数高手的玩具。
于是变化明明已经发芽，却没有阳光。
报告里提到腾讯研究院 AI 原生小组的实践：每天中午有 AI 午餐会，同事现场演示自己昨天用 AI 做了什么；微信群里每天有人发一条 AI 使用心得；共享 Skill 库里，一个同事调好的工具可以直接递给另一个人用。
这里最重要的不是形式。
每家公司不必照搬午餐会，每个团队也不必马上建 Skill 库。
真正重要的是让成果被看到。
一个人做出了新东西，其他人要能看到。
一个小方法跑通了，团队要能复用。
一次失败的尝试，也要能变成别人少踩一次坑的经验。
管理者在这里的作用，也不需要把每个案例包装成标杆，更不需要马上要求全员学习。
他只需要先打开一个展示窗口。
比如每周 30 分钟 demo。
比如一个内部频道，只发“我今天用 AI 做成了什么”。
比如让做出成果的人在例会上直接演示，别再把它压缩成一页 PPT。
光照有了，变化才会继续长。
真容错，是允许第二天撤掉
AI 原生工作有一个特点：很多东西要先做出来，才知道值不值得继续。
你让一个人先写完整论证、走完审批、拿到所有资源，再开始试，他很可能就不试了。
因为 AI 带来的优势，本来就包括快速生成、快速验证、快速推翻。
组织如果用传统项目制去管理所有 AI 尝试，会先浪费最有价值的快速验证。
报告里有句话很具体：允许做了第二天撤掉。
这句话比“鼓励创新”更有用。
因为它直接说明了容错的尺度。
这当然不等于可以不负责，更不等于失败无所谓。
它说的是，一些低成本、边界清楚的尝试，不必在开始前就背负过重的证明责任。
先做一个 demo。
先跑一版流程。
先让五个真实用户试一下。
第二天发现不对，可以撤掉。
撤掉不是丢脸，而是学习完成。
很多管理者嘴上说鼓励创新，身体却很诚实。
他会问：这个事情谁批准的？为什么没有提前同步？如果没效果谁负责？会不会影响原计划？
这些问题可以问。
只是每一次小尝试都要面对这样的压力，组织里的聪明人很快会学会一件事：少做少错。
AI 时代，员工不会用工具当然是问题。
更麻烦的是，组织用一套过重的责任结构，把愿意尝试的人重新按回安全区。
水源，就是这种持续的容错空间。
没有它，超级个体不会长出来，只会藏起来。
管理者也要亲自下场
还有一个现实问题：很多管理者理解 AI，是隔着汇报材料理解的。
他知道行业趋势，知道工具名单，知道团队谁在用，也能在会上讲几句 AI 转型。
但他自己没有完整用 AI 做成过一件事。
这会带来一个很大的认知偏差。
没有亲自下场的人，很容易高估工具的自动化程度，也低估判断、上下文和反复迭代的成本。
他会以为，员工用了 AI，就应该马上更快。
也会以为，给了工具账号，就等于给了 AI 杠杆。
真正用过一次完整流程就会知道，AI 不是按钮。
你要给它背景，给它标准，给它资料，判断它哪里像样、哪里胡来，然后一轮一轮改。
很多时候，最耗人的地方在判断，不在生成。
管理者如果没有经历过这个过程，就很难设计出合理的机制。
他不知道什么权限必须给，什么节点可以少开会，什么结果该被看见，什么失败其实是正常试错。
所以报告最后提醒，管理者本人也需要亲自使用 AI。
不一定要写代码。
但至少要完整做一件事：从提问，到获得产出，到判断质量，到迭代修正，到最后交付。
只有亲自经历过，他才会明白，AI 转型不是让员工多学一个工具。它是在给工作方式换地基。
最小启动动作：先找到已经在生长的人
如果把这篇文章收束成一个动作，我会和报告里的建议保持一致：
先找到组织里已经在自发使用 AI 的人，让他们的成果被看到。
别一上来就全员培训。
别一上来就重画组织架构。
也别一上来就制定复杂的 AI 考核表。
先去看，谁已经在工作里偷偷改变了方法。
谁已经用 AI 做出了超出岗位预期的产出。
谁已经不满足于等别人派活，而是在主动重组自己的工作流。
把这些人找出来。
给他们一个展示窗口。
再选一个边界清楚的真实业务问题，给他们工具、权限和一段时间。
不用全面铺开。
先让组织亲眼看见：一个人，或者一个小组，带着 AI 到底能把事情做到什么程度。
这个“亲眼看见”很重要。
组织变革很多时候不是被说服的，是被看见之后才开始相信的。
管理者要做的，就是把这种看见变成机制。
AI 让一部分人的能力开始溢出。
旧管理方式的本能，是把溢出的部分剪掉，让它重新整齐。
新的管理方式，要克制这只手。
给完整问题，给工具权限，给展示舞台，给容错空间，减少不必要的中间环节。
然后观察它怎么长。
这不是放任。
这是难度更高的管理。
因为控制一个人很容易，培育一片土壤很难。
但 AI 时代，真正有生命力的团队，可能就从这里开始。
参考来源：腾讯研究院《超级个体时代》