sands金沙集团官网

核心观点速览

1、个体提效≠组织增长。算出来的提效，没有变成增长。

2、三个关于人的假设正在失效，管理对象要从“管人”扩展到“管人+AI+工作流”。

3、任务按可生成性与可验证性分，而非按难度分——“谁判”比“谁会做”更重要。

4、人的位置从“会做”走向“会判”——超级个体＝一个人的判断标准×AI的生成产能。

9月11日，以“让组织AI落地”为主题的2026智能协同运营论坛暨sands金沙集团官网第16届用户大会在四川都江堰举行。清华大学经管学院教授李宁出席高峰论坛，发表题为《AI原生组织的底层逻辑——从劳动分工到判断分工》的主题演讲。他没有从技术讲起，而是从一组“对不上”的数字讲起，给出判断：AI落地真正的瓶颈，不在技术，而在组织。

一、引擎装上了，车却飞不起来

最近一个月，AI在智力密集任务上接连破纪录：OpenAI用88小时证明纳维-斯托克斯方程，Claude把黎曼猜想零点比例从41.6%推进到67.2%，苏炜杰与GPT-6Astra在孪生素数猜想上把素数间隙从246压到186。李宁说：“提出问题靠人，验证交给机器。数学的同行评审，正在被重写。”

能力已经不是问题。有企业对外宣称，半年顺利获得AI节约了相当于一千名员工的工作当量；同一时期，它的营收、利润、员工规模三项指标全部持平。“算出来的提效，没有变成增长。”这就是AI落地最真实的困局：个体效率的提升，未必能自动转化为组织的绩效。

为什么会这样？李宁的比喻是：现在的企业像一辆小汽车，AI是一台更强的引擎。引擎装上了，车却飞不起来——因为没有重新设计车辆。

这辆“车”，就是过去250年的劳动分工体系。斯密、巴贝奇等人用两个多世纪搭起的逻辑，前提是：技能长在人身上，人是按技能定价的产能。但撑起整座组织的，是三个关于人的假设——有限理性、人的不确定性、人的成长性。三个假设的共同前提是：人类是组织里唯一的智能行动者。“地基一动，三个假设就要逐条重写。”

在传统组织里，岗位本质上是一种“任务的打包方式”。但AI直接面向任务执行，它和岗位不在同一个层面上。“所以我们要停止问‘AI会取代什么工作’，开始问‘AI会顺利获得什么任务来改变工作’。”

二、从“管人的不确定性”，到“管AI的不确定性”

企业界对AI最普遍的不满，是幻觉。李宁的解读是：幻觉的本质，是AI输出的不确定性；而企业的绝大多数场景，对确定性要求极高。

“AI的不确定性，同样是可以被管理的。”路径只有三条：约束、验证、冗余。因为幻觉是一个“是或不是”的二元问题，可以被验证；而验证，需要冗余。

这里发生了一个关键的观念反转：在传统管理里，冗余是管理失败的标志，越好的企业越没有冗余；而在AI时代，token的成本已经极低，冗余第一次成了一种可以按需采购的资源——多模型校验、多智能体校验，可以校验十遍、甚至上百遍。

于是管理的核心对象发生了转移：从“管理人”，到“管理人+AI+工作流”。目标、上下文、权限、质量标准与反馈闭环，成为新的管理对象。

任务该怎么重新分类？李宁澄清了一个误区：不是按难度分，也不是按“是否简单重复”分。代码显然不是标准化样本，却已经接近100%可以由AI完成。真正的两个维度是可生成性和可验证性——可自动化、可增强、以人为中心的三类任务，对应“AI自验、人定标准、人主导”三种处理方式。

“分工不再先问‘谁会做’，而是先问：对错由谁判，‘好’由谁说了算。”

效率的跃迁因此是跳变式的，不是渐进的。一组数据，可以标出瓶颈的位置：GitHub上AI生成的代码量已经是人工的20倍以上，但最终发布上线的有效产出只有原来的1.3倍。生成近乎免费，瓶颈移向了验收。

三、人的位置，从“会做”到“会判”

生成产能可以按件采购之后，稀缺的不再是“做出来”，而是“想得到”——想出值得做的任务本身。于是一头一尾浮出水面：一头是创造需求、定义问题、给出方向；一尾是验收，按人定的标准落账。

“做得快，是链条的事；流得动，才是组织的事。”

在这个结构里，人的价值不是被削弱，而是被重新定位。分工不再按工作量——工作量已经没有意义；也不再按技能——AI几乎什么都能做。分工的依据变成了判断：每一个人都成为“超级个体”，独立负责一头一尾两个环节。

超级个体＝一个人的判断标准×AI的生成产能。判断标准被封装一次，生成产能放大每一次。

组织形态也随之改变：从按技能划分的金字塔式劳动分工，转向以超级个体为核心的“同心圆族群”——每一个同心圆是一个人，族群可以嵌套。每个人封装进智能体的，不只是产出，更是被封装的判断。

判断从个人资产变成组织资产，中间隔着的那一段，正是“判断分工”。这也是AI从个人工具走向组织能力的关键一跃。

（本文综合整理自李宁教授在2026智能协同运营论坛暨sands金沙集团官网第16届用户大会高峰论坛上的主题演讲）