←新闻详情

智慧城市行业分析更新于 10月25日 21:56

陈春花《AI时代的管理》:计划、组织、领导、控制四个基本功要重做

陈春花《AI时代的管理》:管理的4个基本功(计划、组织、领导、控制),要重做了 – 智慧城市行业分析

AI 导读

陈春花在《AI时代的管理》中提出,AI让信息稀缺这一传统管理前提消失,计划、组织、领导、控制四个基本功都要重做:计划从PPT变成实时导航,组织走向“水样化”,控制从盯KPI转向激发人。书中案例显示,F工作室引入AI后200人的活由5个超级个体接手;美的南沙工厂机器视觉质检漏检率从5%降到0.1%以下。

正文

内容来源:笔记侠(Notemans)

不少创业者跟我聊过这个事,他们感觉钱花了、课上了、工具装了,公司却还是老样子。

问题出在哪?

我把全书拆了一遍,挑出几件对你最有用的事,建议你读完。

这些系统干了什么?无非是把你原来的管理动作搬到线上,审批还是审批,汇报还是汇报,部门墙还是那堵墙。

传统管理靠什么立起来?靠信息稀缺。

老板知道得比员工多,所以要分层级;信息一层层传会变形,所以要定流程;谁干了多少不好衡量,所以要考KPI。

书里讲了个例子:一家大型零售企业,门店提交调货需求,AI根据历史销售、库存周转和供应链条件,当场算出最优的调配方案,在管理平台上生成一条执行指令。管理者不用手动干预,但资源流向、任务进度、异常预警,随时能看。

管理动作本身变成了数据,管理平台跟数据平台合成了一个。

既然老前提没了,那做法就得跟着换。

陈春花提了个概念:水样化组织。

什么意思?

传统公司像一块固体,人和资源钉死在各自的位置上。跨部门办点事,提流程、开会、签字这些事,绕一大圈才能办成。

信息、资源、人才,要跟着任务走,不跟着部门走。

AI算组织里的正式成员,被陈春花称为“数字员工”。研发团队测试新产品的时候,数字员工不等你下指令,它自己盯着市场变化、供应链的小波动和用户行为的异常,提前预警风险,有时候比人更早发现机会。

以前做管理,重在驾驭资源;往后做管理,重在设计人和机器怎么配合。

字节常被说成一家长得像App的公司,意思是每个动作、每个决策都在系统里流动,可追踪,可优化。

管理者这时候干什么?安排上下文,资源往哪流,谁参与,谁先验证,系统帮着调度。

创意从产生到做成的全过程,系统也都记着。谁提了核心改进,谁做了实验验证,谁带着团队迭代,每个动作都有数据。谁的贡献大,一眼就能看到。

传统考核是年底算总账,海尔是每分每秒记小账。

两个案例说的其实是同一件事:往后公司的竞争力,不看你有多少人,看你的系统能不能把每个人的贡献实时认出来,实时放大。 三、管理的4个基本功,全都要重做

管理学讲了一百多年,基本功就四件:计划、组织、领导、控制。

计划从一张PPT,变成了一个实时导航,它根据最新数据不停计算,随时给出眼下最好的走法。

书里有个实操技巧:给AI下指令,别再说“请优化物流成本”这种模糊的话。试试把条件说清楚,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,找物流成本和库存成本最好的平衡点。

你下指令的水平,就是你做计划的水平。

书里还讲了一个工具:数字孪生决策舱。它给真实世界做了一个实时同步的数字镜像。比如供应链上某艘货轮晚点了,决策舱里的虚拟航线立刻变红,自动弹出受影响的订单量、要赔多少钱、有什么替代方案。

过去做管理,基本功是复盘,事情过去了回头看。现在的基本功变成了“感知波动”,事情还没发生,系统已经在提前推演。

第二件,组织。

合作卡住了怎么办?老办法是找人谈话。新办法是检查规则,是分工没说清,还是反馈太慢?把规则改顺,组织就能修复。

管理者的身份也变了,以前是调解人际矛盾的人,往后是设计合作规则的人。

第三件,领导。

算法只认概率和效率,人需要的是安全感和情感连接。全靠算法管公司,公司会变得越来越没有人味儿。

算法可以算出解雇100人是最优解,但怎么妥善安置这100人,得由人来拿主意。

第四件,控制。

传统控制是盯KPI,本质是防着人出错。AI时代反过来了,控制的任务变成激发人。

陈春花有句话说得妙,盯指标是传统管理,盯“逻辑增量”才算智慧管理。

什么叫逻辑增量?就是一个人给公司贡献了什么新东西,一个新思路,一种新做法,这些都算。系统要认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

权限跟着角色走,跟着任务动态分配。任务结束,权限收回。

角色一变,发钱的方式也得跟着变。

以前怎么发钱?看职级,看工龄,熬得久就拿得多。

超级个体不吃这套,他们要的是按角色贡献分钱,干出多大价值,拿走多大份额。

激励的方向也换了,以前靠胡萝卜加大棒,从外面牵着人走。

往后靠点燃,让一个人自己想干,而且他想干的事,正好也是公司要的事。

书里有个案例,F工作室原来是标准的游戏开发团队,200人。为了让这200人配合,职能切得稀碎,画师组、策划组、程序组、数值组、宣发组,十几个小组各管一摊。

引入AI之后呢?200人的活,5个超级个体就接了。

这说明什么?人多这个优势在贬值,会用杠杆的个体在升值。

陈春花说:凡是能写成逻辑、能重复、有标准答案的工作,都不会有溢价了。

那溢价的是什么?三个地方。

第一,提问。

第二,审美。

书里那个例子里,流光智能设计工作室的创意总监老周,以前是头号质检员,天天在改稿里打转。用上AI之后,他不管设计师怎么写提示词了,精力放到选品和审美上。AI一次给出海量方案,他靠多年行业积累,挑出最贴品牌气质、最能打动人的那几个。

第三,给意义。

算法能堆出文字,但理解不了文字背后人的苦与乐。

将来值钱的,是跨学科的见识,复杂局面下的是非判断,提出关键问题的本事。

光靠脑子里的旧知识,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事来了。我的公司没有字节的底子,怎么办?

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。让数据在流程之间跑起来,打破一个个信息孤岛。

第三跳,智能化。人和机器一起干活,智能变成公司的日常能力。

数字化是手段,管连接;数据化是过程,管协同;智能化是结果,管共生价值。

第三跳完成后长什么样?书里有一家没点名的S公司,很能说明问题。

AI智能体24小时盯着全球社交媒体的流行元素,一发现爆点,视觉智能体立刻出草图,文案智能体同时生成12种语言的描述,物流智能体算好仓配方案,指令直接推到数字化车间,秒级打样。

以前一个新品从发现趋势到打样要几周,现在是秒级。

再看看制造业和服务业的几个案例。

美的南沙工厂用强化学习排产。AI发现某个零件运输延迟,毫秒内重排全厂生产,不再停工等料。机器视觉做质检,漏检率从5%降到0.1%以下。

到2026年,美的洗衣机荆州工厂拿到全球首个多场景智能体工厂的认证,14个智能体管38个核心生产场景。2025年一年,美的靠AI省下超过1500万小时的工时,节约成本7个亿。

做奶粉的飞鹤,把数字化做到了牛身上。每头奶牛戴智能项圈,AI每秒几十次采集动作,分辨反刍、吃料、运动和睡眠。每头牛每天反刍450到550分钟算正常,一旦反刍次数掉超过15%,系统在发病前一两天就通知兽医。

做餐饮的老乡鸡走的是另一条路。

中式快餐有个魔咒,一标准化就没“锅气”。老乡鸡用算法把上万名厨师的动作拆开研究,给厨师做辅助,保证午高峰每份现炒菜还有家里厨房的口感。

前面六条,说的都是组织和业务。最后这条,是你自己的事。

第一,数字素养,解决眼界。

第二,道德判断,解决准绳。

第三,心理教练,解决动力。

超级个体最大的敌人是虚无感。AI能干90%的活,人很容易怀疑自己存在的价值。管理者要能看见指标背后的人,给他意义感。

对老管理者来说,这是一场权力被拿走的过程。以前的成就感从哪来?从掌控。下属去哪要请示,方案要你签字,会议听你拍板。AI把决策过程全摆到明面上,很多管理者会突然觉得自己没用了,心里发慌。

这像一个开惯手动挡的老司机,坐进全自动驾驶位,双手悬空,总想抢回方向盘。

于是就有了“防御性管理”,嘴上说是风控,实际搞小圈子决策,对算法挑毛病,变着法把权力拿回来。

这一关过不去,前面讲的所有方法,都落不了地。 结语

计划、组织、岗位、控制,全都得跟着改,管理者自己也一样。

(本文完)

www.smartcity.team

声明:转载请注明来源于“智慧城市行业分析(www.smartcity.team)”及相关作者。本站信息除原创外,部分信息来自于互联网,如相关内容涉及到侵害权益,请联系底部联系方式删除。

【数字科技专题研究】社群

同行深度交流,专注智慧城市与数字科技行业研究、资料沉淀。

持续更新最新行业白皮书、产业研究、政策动态与落地解决方案,帮助行业从业者高效积累知识、共享经验。

海量精华内容持续迭代,提供前沿视野,对接行业人才,开展案例共创与资源互通,共建高质量行业交流氛围。

#post-##

为您推荐

中国信通院发布2026人工智能产业十大关键词:从技术、应用、生态三个层面展开,勾勒出2026年人工智能加速扩散的完整图景(附信通院副院长魏亮解读PPT以及报告文本)

孟庆国:智能时代数据要素流通治理的六大变化,治理的关键是推动数据转化为可调用、可治理、可计量、可分润的智能生产力

王春晖:“人工智能+”重塑新质生产力发展逻辑

财政部《地方政府专项债券项目实施方案模板(试行)》:重点增加事前绩效评估章节,专项债券正在从“重发行规模”转向“重项目质量、重全周期绩效”

国家数据专家咨询委员会委员欧阳日辉:场景创新驱动数字人才培养

深度报告 :《中共中央 国务院关于发展新质生产力的意见》全解读课件PPT(3个可编辑版本)

来源

智慧城市行业分析