当前位置: 首页 > article >正文

共识正在杀死你的公司,AI时代需要新的决策逻辑

AI正在引发一场组织层面的反思。AI驱动的商业世界里传统的共识决策正成为组织的沉重枷锁它让企业变得既迟钝又盲目。真正的危险不是技术落后而是决策机制无法匹配AI时代的节奏。本文提出了一套全新的组织设计思路用“自主敏捷团队”和清晰的决策框架OVIS来取代层层审批将权力和责任真正下放。这不仅是管理变革更是一场领导力的彻底重塑——未来属于那些敢于放弃“共识”拥抱“速度”与“担当”的组织。AI正在引发一场组织层面的反思。尽管大多数领导者可能都同意其组织需要适应变化但愿意承认这需要他们摒弃过去半个世纪最普遍的管理原则之一——共识决策的人却寥寥无几。能挺过未来十年的公司不会是那些拥有最佳算法或最多数据的公司而将是那些有勇气改变决策方式的公司。共识管理模式是特定历史阶段应对组织复杂性的合理产物。随着组织规模扩张、全球化进程加速、跨学科协作成为常态加之知识型工作日益取代体力劳动早期工业时代的命令与控制管理模式逐渐让位于分布式决策、利益相关方协调与社会化选择机制。考虑到地理分布的广度及过去50年间通信技术的异步性特征大型跨国企业转向分布式决策实属必然。在前数字时代赋予远程部门一定的自主权是维系运营的必要条件。共识机制由此演变为现代组织的典型标识。然而这种方法有两个重要弱点。首先是速度。决策要经过律师、市场团队、公关、投资者关系、风险经理和合规部门等各群体的审查每个人都倾向于减轻个人和组织风险。大胆的倡议被磨平了棱角反应时间变慢组织优化的是可辩护性而非速度。在数字透明的时代除了CEO将责任分散在委员会中可以保护领导者免受公开失败的影响。共识管理本质上是风平浪静时期的文化产物它崇尚协作、规避风险追求稳定而非速度。其次是扭曲信息。在我们参与的数十个企业转型项目中对公司最危险的威胁往往是信息在向上传递过程中被系统性过滤的现实。在共识过程的每个阶段把关人都会过滤和解释信息信号随之衰减。当信息到达高管层时它已经被筛选、润色并剥离了那些常常蕴含关键战略线索的微弱信号。领导层继而犯下叠加错误——信任这些输出。结果就是我们所说的成功剧场由中层管理者精心制作的每周仪表板和孤立的报告他们的职业生涯依赖于维护现状。AI将我们推入更汹涌的水域并把这两个弱点都变成了致命缺陷。就第一点而言因为它极大地加快了公司能够且必须运营的速度。就第二点而言因为AI越是加速决策周期依据被过滤、被降解的信息共识决策所造成的那种扭曲来工作就越成为致命缺陷。两者结合创造出一个既迟钝又盲目的组织——这在任何时代都是危险的组合但在AI之后的时代则是致命的。展望未来成功将取决于组织敏捷性公司识别信号、做出决策和执行的速度。传统公司需要摒弃共识围绕适合AI时代的新决策结构和方法重组自身。这并不容易领导者对此感到畏惧是可以理解的。沃尔玛和可口可乐等公司的CEO曾表示AI转型的范围影响了他们退休并将接力棒交给下一代领导者的决定。但这种转变是不容谈判的。基于我们作为运营者、顾问和投资者的经验我们建议领导者现在就开始行动。构建速度基因重塑决策架构领导者需要围绕一种不同的决策架构重新设计其组织并投资于先进的AI赋能信息系统。我们建议董事会和CEO可以立即实施两项结构性变革。我们知道它们有效因为我们自己就曾为客户和我们自己的公司使用过。1、“自主敏捷团队”大多数组织授予小团队建议权。高速度组织则授予它们行动权。当然这除了改变决策架构还需要重新平衡优先事项。领导层需要愿意容忍更频繁的失误以换取速度和创新并为深思熟虑的策略喝彩即使它们失败了。这也要求领导层让渡权力。我们认为这些权衡是必要的。虽然前瞻性传感器和可靠的信息系统提供了大部分解决方案但目标明确、紧密配合的小团队能产生更好的结果。因此由6到8人组成的敏捷团队跨学科、被授权、不受官僚审批链束缚应该成为组织的默认设置而非例外。这种方法建立在敏捷方法论之上但在一个关键方面有所不同传统的敏捷团队负责建议和升级自主敏捷团队为结果负责。从建议权到决策权的转变至关重要因为每一层审批都是一种阻力。领导层的角色是提供数据环境和工具使敏捷团队能够做出好的决策并要求任何否决都必须基于有时限的、有证据支持的依据。我们知道这有效。在2002-2006年联合航空破产案美国历史上最大、最复杂的企业重组之一期间我们正是围绕这种架构组织了重组。我们没有称其为敏捷团队我们称之为工作组。但结构是相同的6到10人的跨学科团队成员来自债权人、管理层、劳工和外部专业人士每个团队都被分配一个独立且至关重要的任务。一个小组负责重新谈判660份飞机租赁合同。另一个小组处理涉及多个工会的劳动合同。第三个小组专注于房地产。第四个小组的任务是筹集20亿美元退出融资。总共六个小组每组每月开会两次拥有相当大的自主权默认预设是他们的建议会被采纳。领导层的角色是监控、指导和创造成功条件而非事后批评每一个决定。使其奏效的不仅仅是结构还有对利害关系的共同理解。联航有75年历史、83,000名员工每年服务7000万乘客。失败并非抽象概念。即使是传统的对手——债权人、劳工、管理层和外部专业人士——也都认真对待自己的责任。工作组结构最终促成了与大陆航空的合并这在传统管理的组织中是不可能的。与无休止的商议导致的瘫痪相比这种架构产生次优决策的风险微不足道。AI智能体为自主敏捷团队配备了专家智库、深厚的专业知识并能几乎即时反馈哪些行动正在产生积极结果。2、决策权限的OVIS框架当决策是共识的结果时问责制是模糊的。我们采用一种不同的方法取得了成功OVIS框架。一个人拥有决策权。两三个人可以否决或影响它。其他所有人都支持结果。这并非共识的细微改进——而是对其有意的替代。OVIS消除了关于谁做决定的模糊性而这是共识文化自我延续的主要机制。当问责制被分散时速度是不可能的。在实践中否决权属于一两位可以正式阻止选择的决策者。影响权属于其意见必须被决策责任人听取但无需获得其批准的人员。这种区分至关重要——若将二者混淆便会重蹈OVIS框架旨在解决的共识决策覆辙。决策责任人对最终结果全权负责而这正是该机制得以运行的核心。我们反复验证了OVIS框架的价值它不仅能清晰界定角色、加速决策进程更能有效消除或显著减少口袋否决权——即某些成员仅凭个人判断就非正式阻挠决策的行为。我们喜欢通常归因于杰夫·贝佐斯的管理格言可以提出异议但必须服从。 OVIS框架为提出异议设定了结构化流程——明确各角色权责边界。在充分讨论后决策权最终交付责任人此时所有成员必须承诺执行该决定。AI虽不直接决策却能整合信息流、模拟推演结果、检验前提假设。整个决策闭环中必须保留人为介入点以最大限度降低失误、识别AI幻觉、确保常识判断的介入空间。至少现阶段必须如此。董事会必须要求什么虽然CEO及其管理团队必须执行这些变革但如果没有一个真正相信的董事会——能够承受激进变革带来的不适——这不太可能发生。大多数现任CEO不愿突然转向、与自己精心打造的团队对抗或者开除那些无法适应的人。保持耐心、给予时间、心怀希望是人之常情。但AI不会容忍这一切竞争对手在争夺市场份额时也会毫不留情。董事会不能继续以AI时代之前的方式运作。若董事会仅依赖经高管筛选、委员会背书过的报告那便不是在履行治理职责而是在维系一个信息失真场。当前的监督信托责任要求做出更艰难的转变绕过层层美化后的高管简报直接获取未经过滤的实时信号——例如推动那些范围明确、成功指标清晰、权责到位的短期实验直面最本真的运营现实。信息透明化不应被误解为干预的通行证。董事会应秉持的默认立场是充分授权自主敏捷团队并为其扫清障碍仅对重大收购、定义企业文化的关键人才引进及道德困境等事项保留完整审议权。然而当前形势下这类决策的利害关系已升至前所未有的高度——在AI可能成为本世代最具颠覆性的产业转型浪潮中每一次重大抉择都将在未来数年深刻重置组织发展轨迹同步重塑战略方向、人才结构与运营体系。决策成功后世视之堪称远见一旦失误若缺乏早期、未经修饰的预警信号待察觉时往往矫正时机早已逝去补救亦徒劳无功。董事会确实需要问的是我们是否拥有一个能够以此速度和效率进行决策和执行的领导团队这个问题关乎生存评估。共识是现状的标志而在指数级变化的时期现状是最危险的立足点。在这种环境中茁壮成长的高管将具有一种特定的性格特质。他们将能够——甚至乐于——在信息不完整的情况下做出重大决策。他们将信任信号而非直觉信任速度而非流程信任小团队而非共识。他们将要求一个充满持续反馈循环的世界并认识到最大的错误不是做出错误的决定而是根本不做任何决定。这归根结底是对性格而非能力或智力的考验。我们曾在一次转型中期遇到一位CEO他真诚地坚信自己的才能更适合增长而非危机。这就像当一名和平时期的将军我们对他说。第二天他就被替换了。这个案例的启示性不在于人事变动的结果而在于其揭示的深层心理机制即使组织已深陷危机领导者的心智模式仍可能固执地锚定在一个早已消逝的旧世界图景之中。以AI速度参与竞争所需的技术基础已然具备且将持续加速演进。当前真正的稀缺品是那些敢于主动拆解失效的组织架构与领导文化的魄力。赢得这场AI大重组的将不是算力最强或资本最厚的企业而是那些能洞察新环境本质要求并有勇气亲手将其构建为现实的破局者。关键词#AI乔纳森·罗森塔尔Jonathan Rosenthal、尼尔·祖克曼Neal Zuckerman| 文乔纳森·罗森塔尔是Saybrook一家拥有30年历史的私募股权公司的董事长兼首席执行官他在复杂、资产密集型行业进行控股投资或领导重组与转型工作。尼尔·祖克曼是波士顿咨询公司的董事总经理兼高级合伙人曾任该公司全球媒体业务负责人。原文链接共识正在杀死你的公司AI时代需要新的决策逻辑-36氪

相关文章:

共识正在杀死你的公司,AI时代需要新的决策逻辑

AI正在引发一场组织层面的反思。 AI驱动的商业世界里,传统的共识决策正成为组织的沉重枷锁,它让企业变得既迟钝又盲目。真正的危险,不是技术落后,而是决策机制无法匹配AI时代的节奏。本文提出了一套全新的组织设计思路&#xff0c…...

未来已来:TVA何以引领智能工厂迈向全场景智能化新时代?

当前,智能工厂正从“概念落地”向“规模化应用”跨越,制造业的智能化转型进入深水区,而TVA作为智能工厂的关键拼图,其技术迭代与应用拓展,直接决定了智能工厂的智能化水平与发展上限。随着人工智能、工业互联网、数字孪…...

MATLAB矩阵操作:高效删除指定行与列的实用技巧

1. MATLAB矩阵操作基础入门 刚接触MATLAB的朋友可能会被它强大的矩阵运算能力震撼到。作为一款专业的数学软件,MATLAB对矩阵的处理简直就像瑞士军刀一样顺手。今天我要分享的是矩阵操作中最基础但特别实用的技巧——删除指定行和列。 记得我第一次处理实验数据时&am…...

WinClaw安全实战 02|五层纵深防护体系全解析:从原理到实操,打造零风险AI智能体

摘要:2026年AI智能体爆发式普及,OpenClaw以27.3万GitHub星标成为现象级工具,但恶意Skill投毒、提示词注入、数据外泄等安全事故频发,国家互联网应急中心、工信部等多部门接连发布风险警示。威努特基于国家关键信息基础设施安全防护经验,打造WinClaw安全版AI智能体,其核心…...

低轨星座融合:撬动万亿低空经济的天地密钥

低轨星座融合:撬动万亿低空经济的天地密钥 引言 当无人机飞越无信号的深山,当空中出租车需要厘米级导航时,地面网络已力不从心。低轨星座与低空经济的融合,正构建一张“空天地海”一体化的智能网络,成为解锁万亿级市…...

前端八股JS---数组方法

目录 超简速查表(一图记全部)一、遍历 / 循环类1. forEach2. map3. filter4. reduce二、查找 / 判断类5. find6. findIndex7. includes8. some9. every三、增删改(会改变原数组)10. push11. pop12. unshift13. shift14. splice四…...

通义千问3-Embedding-4B效果展示:多语言长文档检索实测案例

通义千问3-Embedding-4B效果展示:多语言长文档检索实测案例 1. 引言:当4B模型遇上32K长文与119种语言 想象一下,你手头有一份长达几十页、混合了中英文和代码的技术文档,或者一个包含多国语言用户反馈的数据库。你想快速找到所有…...

软萌拆拆屋实战教程:用‘变走丑丑的东西’规避不良生成技巧

软萌拆拆屋实战教程:用‘变走丑丑的东西’规避不良生成技巧 你是不是也遇到过这种情况?想用AI生成一张可爱的服饰拆解图,结果出来的画面要么颜色诡异,要么结构混乱,甚至出现一些奇怪的元素,完全不是想要的…...

虾胡闹,多Agents中的成员正在玩心机

Agents of Chaos研究封面 最近读到一篇很有意思的论文,Northeastern University等机构的20位研究者做了一项为期两周的"红队测试"实验,把AI Agents部署在真实环境中,给了它们Discord账号、邮箱、文件系统和shell权限,然…...

Lightpicture图床系统

LightPicture 是一款用于图片上传与托管展示的系统程序。用户可通过该系统搭建独立的图片存储与分发服务。核心用途将图片文件上传至服务器,并生成可供外部访问的链接地址。主要构成系统包含上传处理模块与前端展示界面,支持常见的图片格式文件。存储支持…...

ATK XCOM串口调试助手:从硬件连接到高效调试的完整指南

1. ATK XCOM串口调试助手入门指南 第一次接触串口调试的朋友可能会觉得有点懵,其实这东西就像是我们和硬件设备之间的"翻译官"。ATK XCOM是正点原子推出的一款专业级串口调试工具,我用过不下十种同类软件,最后还是觉得它最顺手。它…...

树莓派5 AI KIT实战:从YOLOv8模型训练到Hailo HEF部署全链路解析

1. 树莓派5 AI KIT与Hailo模块初探 树莓派5 AI KIT是树莓派基金会推出的最新AI开发套件,搭配Hailo-8L加速模块,能够实现高达13 TOPS的算力。这个组合特别适合需要边缘计算能力的开发者,比如智能监控、工业质检等场景。我自己第一次拿到这套设…...

本地离线运行更安全!AI人脸隐私卫士,保护隐私无需上传云端

本地离线运行更安全!AI人脸隐私卫士,保护隐私无需上传云端 在社交媒体分享、企业宣传、新闻报道等场景中,我们常常需要发布包含人物的照片。然而,未经处理的人脸信息一旦公开,就可能面临隐私泄露的风险。手动给照片中…...

前端性能监控指标体系

前端性能监控指标体系:构建高效用户体验的关键 在当今快节奏的互联网时代,用户体验已成为决定产品成败的关键因素之一。前端性能直接影响用户留存率、转化率以及品牌形象,因此建立一套科学的前端性能监控指标体系至关重要。通过实时监控和分…...

开源AI工具人性化设计:Pixel Fashion Atelier降低视觉疲劳的UI配色方案

开源AI工具人性化设计:Pixel Fashion Atelier降低视觉疲劳的UI配色方案 1. 项目概述 Pixel Fashion Atelier是一款基于Stable Diffusion与Anything-v5的图像生成工作站,专为时尚设计领域打造。不同于传统AI工具的单调界面,它创新性地融入了…...

**向量数据库实战:用 Python 实现高效语义搜索与多模态检索系统**在现代AI 应用中,**语义理解能力**已经

向量数据库实战:用 Python 实现高效语义搜索与多模态检索系统 在现代 AI 应用中,语义理解能力已经成为核心竞争力之一。传统的关键词匹配方式已经无法满足复杂场景下的查询需求,比如电商商品推荐、智能客服问答、文档相似度分析等。这时候&a…...

# 发散创新:用Python与Stable Diffusion打造AI绘画自动化

发散创新:用Python与Stable Diffusion打造AI绘画自动化流水线 在人工智能迅猛发展的今天,AI绘画已从实验性工具演变为生产力引擎。本文将带你深入实践一个完整的 基于Python Stable Diffusion 的图像生成自动化系统,不仅实现一键式文生图、风…...

CentOS 7.9 SNAT/DNAT 详解与 VMware 17 实验全流程【20260412】003篇

文章目录 一、核心原则:为什么不能直接用 VMware 的「NAT 模式」做 DNAT/SNAT? 二、VMware 环境规划(拓扑图 + IP 分配表) ▶️ 推荐拓扑(最简、最可控、最贴近生产) ▶️ VMware 网络适配器配置(Gateway 虚拟机) ▶️ 虚拟机清单与 IP 分配 三、CentOS 7.9 虚拟机详细…...

CentOS 7.9 SNAT/DNAT 详解与 VMware 17 实验全流程【20260412】002篇

文章目录 🖥️ VMware 17.0 Pro模拟SNAT/DNAT完整实验指南 📋 实验环境总体规划 网络拓扑设计 IP地址规划表 VMware网络配置步骤 步骤1:创建自定义虚拟网络 步骤2:创建三台CentOS 7.9虚拟机 🔧 详细配置步骤 1. 系统基础配置 1.1 配置主机名和网络 1.2 配置各虚拟机网络…...

用Python和NumPy手把手实现SVD图片压缩:从原理到实战,5分钟搞定你的第一张压缩图

用Python和NumPy手把手实现SVD图片压缩:从原理到实战,5分钟搞定你的第一张压缩图 当你第一次听说"奇异值分解"这个名词时,脑海中是不是立刻浮现出一堆复杂的数学公式?别担心,今天我们要用最直观的方式——图…...

世界第一个开源可商用 .NET Office 转 PDF 工具/库 - MiniPdf涝

1. 智能软件工程的范式转移:从库集成到原生框架演进 在生成式人工智能(Generative AI)从单纯的文本生成向具备自主规划与执行能力的“代理化(Agentic)”系统跨越的过程中,.NET 生态系统正在经历一场自该平台…...

Rust的std--ptr--addr_of!:直接获取字段地址绕过对齐检查

Rust的std::ptr::addr_of!:直接获取字段地址绕过对齐检查 Rust作为一门注重内存安全的系统级编程语言,其严格的编译时检查机制在大多数情况下能有效避免未定义行为。在某些底层场景中,开发者可能需要绕过这些限制,直接操作内存地…...

【GUI-Agent】阶跃星辰 GUI-MCP 解读---()---HITL(Human In The Loop)讣

插件化架构 v3 版本最大的变化是引入了模块化插件系统。此前版本中集成在核心包里的原生功能,现在被拆分成独立的插件。 每个插件都是一个独立的 Composer 包,包含 Swift 和 Kotlin 代码、权限清单以及原生依赖。开发者只需安装实际用到的插件&#xff0…...

CYBER-VISION零号协议实战:从零到一搭建智能助盲眼镜目标分割系统

CYBER-VISION零号协议实战:从零到一搭建智能助盲眼镜目标分割系统 1. 项目背景与核心价值 想象一下,当你走在繁忙的街道上,眼前的一切都是模糊不清的。这就是视障人群每天面临的挑战。传统的导盲杖只能提供有限的触觉反馈,而CYB…...

TrackingNet在线评估全流程指南:从注册到结果查看(附常见问题解决)

TrackingNet在线评估全流程指南:从注册到结果查看(附常见问题解决) 在计算机视觉领域,目标跟踪算法的性能评估是研究过程中不可或缺的一环。TrackingNet作为业内广泛使用的基准测试平台,为研究人员提供了标准化的评估环…...

中文新闻文本分类实战:从 TextCNN → BiLSTM → BERT 三档方案对比(附完整代码)

任务:中文新闻文本分类(如 THUCNews,10/14 类) 目标:给出可直接复现的三种主流方案,实现 对比1. 数据准备 以 THUCNews 为例(每行:label \t text) import torch from to…...

从暴力枚举到高效剪枝:回溯法求解0-1背包的优化之路

1. 从暴力枚举开始:回溯法的原始形态 第一次接触0-1背包问题时,很多人会本能地想到暴力枚举。假设我们有15件物品,每件物品都有选或不选两种可能,那么总共有2^1532768种组合需要检查。这种思路虽然简单直接,但效率极其…...

Go语言的sync.Cond条件变量与通道关闭在广播通知中的语义差异

Go语言中,sync.Cond条件变量与通道关闭均能实现广播通知,但两者在语义和适用场景上存在显著差异。条件变量基于锁的协作机制,适合复杂同步逻辑;而通道关闭则依赖Go的CSP模型,以无锁方式实现轻量级广播。理解二者的差异…...

【限时公开】SITS2026实验室未发布数据:92.7%的商用大模型API在无防护下3.8秒内被FGSM变体攻破?

第一章:SITS2026专家:大模型对抗攻击防护 2026奇点智能技术大会(https://ml-summit.org) 在大模型规模化部署的背景下,对抗样本攻击正从学术威胁演变为真实业务风险——微小扰动即可导致LLM输出恶意指令、泄露训练数据或绕过安全护栏。SITS…...

【2026奇点大会前瞻】:大模型视觉理解的5大技术断层与3个月落地攻坚指南

第一章:2026奇点大会视觉理解技术演进全景图 2026奇点智能技术大会(https://ml-summit.org) 2026奇点大会首次系统性地整合了多模态感知、神经符号推理与具身视觉学习三大范式,标志着视觉理解正从“识别”迈向“可解释因果建模”。本届大会展示的视觉架…...