微信扫码
添加专属顾问
我要投稿
揭秘AI时代管理陷阱:规则固化如何成为企业创新的枷锁?诺基亚的教训警示我们,被系统固化的规则可能从效率工具变为致命枷锁。 核心内容: 1. 规则固化在稳定环境中的价值与潜在风险 2. 管理本体论视角下规则的本质与边界 3. AI时代管理者如何设计动态的规则进化机制
企业管理层普遍相信一个天经地义的命题:
把规则写进制度、嵌入流程、固化进系统,就是“规范化管理”,就是“法治取代人治”,就是“客观决策”。
现在,本体论的流行和AI智能体的执行,给了大家更频繁的新动作:
把规则作为本体论的一部分组件,甚至公理。
出差标准600元、预算偏差超10%需重审、安全库存低于50吨自动补货、信用评分低于600分自动拒单——这些规则被写进代码,机器自动执行。管理者将此视为效率的飞跃和公平的保障。
这个命题在稳定环境中是成立的。规则确实是组织效率的必要条件——它使组织不必每次遇到相同问题都重新思考,使决策从“这个人说了算”变成“这套系统说了算”。
自泰勒1911年发表《科学管理原理》以来,管理的演进本质上就是把隐性经验变成显性规则,把显性规则嵌入系统和流程。
但一个被严重忽视的残酷现实是:
所有被写进系统的规则和阈值,都不是“客观真理”。它们是对“特定历史时刻”的效忠宣誓,是特定认知框架的凝固物,是决策主权的刻度线。
诺基亚倒掉那年,它的功能机全球份额第一,塞班占智能机市场62%,财报连季盈利,客户满意度年年优秀。所有指标都是绿的——全行业最绿。然后它死了。静悄悄地。
诺基亚没有做错什么。它在旧框架内做了所有“正确”的事。但它没有意识到:那些被写进系统的规则,曾经是“判断的工具”,但在环境变化后,它们已经悄悄变成了“判断的替代”——系统不再帮助人做判断,系统替人做了判断,而且拒绝被质疑。
然后,诺基亚被自己的规则锁死在了旧世界里。
本文试图从管理本体论的视角追问一个根本问题:
我们写进系统的每一条规则,究竟是什么?它的边界在哪里?当它失效时,谁来宣告它的死亡?
在哲学中,“本体论”问的是:“存在什么?”在企业管理中,“管理本体论”问的是:“我们认定什么是真实存在的?”
当你把一条规则写进系统时,你做了一个无声的宣告:“这件事,在我管理的世界里,就是这样运作的。”
你把一个历史时刻的特定判断,升格为永恒的真理。
你把一条流动的河,冻成了冰,然后站在冰上说:“这就是河床。”
怀特海在《过程与实在》中完成了一次哲学史上的范式革命。
他指认西方思想传统自笛卡尔以来三百年“误入歧途”,误以为“实体”是宇宙的真相——事实上,“过程”才是宇宙的真相。
实体思维认为世界由固定的事物组成。规则是实体——一旦被写下来,它就“存在”了,具有跨越时间的稳定性。
过程思维则认为世界由流动的事件组成。规则不是实体,而是某个历史时刻的特定判断,被冻结成了文字。
当你把规则写进代码时,你将一个流动的“过程”变成了一个静态的“实体”。
企业在做数字化转型时,通常关注的是:如何把规则写得更精确、如何让系统执行得更快、如何让阈值设定得更优化。
这些问题都重要。但管理本体论追问的是更根本的问题:我们写进系统的,到底是“判断的工具”,还是“判断的替代”?
区别在于:当规则被使用后,人是否仍然有权力质疑它。
你写的每一条规则,都是一份承诺。
你承诺“去年的规律今年依然适用”。
但规律会变,承诺会过期,而系统不会主动告诉你。
每一条写进系统的规则,表面是流程管控,背后藏着三层被忽视的结构。
“库存低于50吨自动补货”——50吨来自去年的消耗模式,去年的消耗模式来自去年的市场,去年的市场来自去年的宏观环境。
你依赖的不是50吨这个数字。你依赖的是“去年的世界还会继续”这个假设。这个假设通常不会出现在任何文档中,也不会出现在任何系统的字段里——它被默认为“理所当然”。
问题在于:假设会死。
地缘政治能让供应时滞从2周变6周。
疫情能让消耗模式一夜翻转。
新技术能让整个品类消失。
系统不会发现假设死了——因为它只认识规则,不认识假设。
你的规则还活着,你的假设已经死了。
阈值只做一件事:提前判决。低于这条线,不值得看;高于这条线,请注意。
这套机制在大多数情况下是高效的。但西蒙早在信息时代来临前就指出:信息的丰富意味着注意力的稀缺。阈值的作用就是分配注意力——把人类从冗余信息中解放出来,聚焦于“值得关注”的信号。
但问题在于:阈值的设定本身,就是对“什么值得关注”的历史判断。 当环境变化后,阈值所划定的“值得关注区”和“不值得关注区”可能已经错位。
2.6g以下?系统说安全。但一架737经12次1.7g“安全”着陆后,起落架裂了。系统说安全,飞机说疼。
阈值是注意力的绞刑架。它在设计完成的那一刻,就把99%的信号判了死刑——“不值得看”。
“100万以上CEO签字”——这个数字不是算出来的。它源于CEO的精力边界,源于组织政治的妥协,源于“我觉得差不多”的管理直觉。它是一个权力分配点。
你把它写进系统,它就变成了宪法。三年后,通胀让100万只值80万。真正有风险的交易早就在阈值之下自动通过了。系统还在旧的刻度上拉警报。
阈值是对决策权的一种限制,在时过境迁时必然显得不合时宜,而系统不会主动告诉你这一点。
阈值是权力的琥珀。
把一个妥协点封存进去,几年后变成组织的铁笼。
从“判断的工具”到“判断的替代”,这中间发生了什么?
规则在设定之初,通常被视为“当前最佳判断”——基于当时的经验和数据,做出的一个合理估计。它是有条件的、可修订的、等待验证的。
但当它被写进系统、固化进流程、持续运行一年两年三年之后,它悄然完成了“本体论升格”:从“我们对世界的一种看法”变成了“世界的运行方式”。它不再是“我们认为”,它变成了“就是”。
它不再被质疑。因为没人记得它最初是一个“判断”。它看起来像是“客观事实”。
当系统运行规则后,会产生数据:采购审批通过了多少、库存补货发生了多少次、信用拒绝了哪些客户。这些数据被用来“证明”规则有效。
但这个闭环有一个隐蔽的偏差:数据只能证明“规则被忠实地执行了”,它无法证明“规则仍然匹配现实”。 系统产生数据,数据“证实”系统——这是一个自我强化的封闭循环,它排斥所有来自框架之外的质疑。
当一个组织的注意力被完全占用在“如何在旧规则内做到更好”时,没有人去问一个更根本的问题:“旧规则本身是否还正确?”
指标改善、成本下降、效率提升——这些“同化”层面的成功,恰恰强化了对旧框架的信任。组织在错误的道路上积累的经验越多,掉头的成本越高。
指标越绿,框架死得越安静。
因为你永远在证明自己“做对了”,而“做对了”的前提——那个旧框架——正在悄悄偏离现实。
以上分析并非否定规则的价值。恰恰相反——规则是组织效率的必要条件。
但同样必要的是,为规则的失效建立制度化的感知和响应机制。
标准管理实践要求记录规则本身,却极少记录规则的边界——即“规则在什么情况下不再适用”。这一信息不对称导致组织在执行规则时无法区分“规则有效”与“规则正在失效”两种状态。
改进方向:为每条核心规则明确记录三个方面——设定的时间与背景、所依赖的关键假设、假设失效的触发条件。
这不是给规则“加一个条件”。这是在改变规则的本体论地位——从“永恒的真理”变成“有条件的假设”。
财务会计有审计,合规体系有审计,安全管理有审计。多数组织缺少第四种审计:对“框架本身”的审计。
框架审计的职能定位:独立于日常运营,不绑定于业务KPI,唯一职责是定期回答“我们正在衡量的事物,是否仍然是我们应该衡量的事物”。
框架审计员不优化参数,他们审计参数背后的假设。
他们不监控数据,他们监控“监控数据的方式”还活着没有。
AI治理与科技商学(8):AI思考的快与慢,光有要大模型“直觉”(系统1)就是裸奔,还需要企业“理性”(系统2) 踩刹车
现有的管理机制系统性地奖励“在阈值触发后的高效响应”,却缺乏对“在阈值之下感知到异常”的激励机制。最危险的信息——那个“感觉不对”的信号——往往在没有任何阈值被触发时出现,并同样在没有任何记录的情况下消失。
改进方向:每次系统生成“无异常”报告时,同步向一线决策者确认:“您是否感到任何异常之处?哪怕是无法清晰表述的。”那个“说不清”的答案应被记录、被审视、被视为管理信息系统的合法输入。
怀特海说,世界的本质是过程,不是实体。规则是过程被冻住的尸体。它曾经是鲜活的判断,被凝固成了代码。但世界还在流动。
诺基亚的悲剧不在于“做错了事”。诺基亚的悲剧在于:它所有的“正确”,都是在旧坐标系里的正确。而旧坐标系本身,已经配不上新天空了。它用完美的数据,证明了旧地图的有效性,然后在旧地图消失的那天,带着所有“正确”一起沉没。
你写的每一条规则,都是对“过去”的效忠宣誓。
你设的每一个阈值,都是对“正常”的单方面宣告。
你建的每一个系统,都是对“旧世界”的永久性封存。
规则是工具。不是真理。规则是假设。不是事实。规则是历史。不是未来。
核心在于:
你的规则系统永远在说“世界是这样运行的”。
但世界永远在以“你的系统还没学会的方式”运行。
承认这一点,不是否定规则的价值。恰恰相反——只有承认规则是有边界的,你才会为边界的审计保留制度化的空间。
只有承认规则会死的,你才会在它死的时候有人去宣告。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-06-24
半年过去了,企业AI落地的情况如何呢?真相有点扎心!
2026-06-22
智能问数到底在解决什么问题?如果大模型不能保证 100% 正确,这件事还有没有意义
2026-06-22
FDE陪跑阶段:让用户信任并真正用起来丨部署≠采纳
2026-06-22
如何打造一家 AI 原生公司
2026-06-21
FDE 正在分化:企业 AI 交付链条被重新拆开了
2026-06-20
那些"没有护栏"的AI产品,正在消耗企业对AI的最后一点耐心
2026-06-20
AI接管95%内部数据分析,Anthropic独家分享:如何把Claude调教成高级商业数据分析师
2026-06-20
准确率从21%飙到95%,Anthropic把企业数据分析的"灰盒"打开了
2026-06-03
2026-05-13
2026-04-14
2026-04-09
2026-04-01
2026-05-26
2026-04-16
2026-04-20
2026-05-21
2026-04-27
2026-06-18
2026-06-11
2026-06-05
2026-06-02
2026-05-26
2026-03-21
2026-02-11
2026-01-21