AI 提效之后，管理者的新麻烦来了
企业正在把 AI 工具发给员工，希望借此提升效率。但从调研看，这些工具也在给管理者制造新问题：产出更好看了，责任和判断却更难落地。
工作管理公司 Monday.com 委托 Nielsen 开展了一项调研，覆盖 7 个国家的 1700 名董事与高级管理者。受访者的反馈集中在两点：
- 超过一半的高层表示，引入 AI 之后，评估员工工作变得更难了；
- 将近一半的管理者称，他们现在花在审核和辅导团队产出上的时间比以前更多。
原因很直接：员工的大量产出经过 AI 打磨后，直接躺在管理者的收件箱里，很难判断有多少来自员工本人、有多少来自 AI。
Monday.com 市场研究与客户洞察负责人 Michal Miller Levi 告诉 TechCrunch，问题出在节奏上：「AI 对管理者个人而言非常好用，但作为管理者他们还有另一重角色——他们要驱动整个组织。他们的困境在于，AI 的发展速度已经超过了组织流程的演进速度。」 不过管理者对 AI 的态度整体偏乐观：94% 的受访者表示对用 AI 改进工作感到兴奋。Levi 把这种热情比作 2000 年代初互联网的早期阶段，人们同样看到了 AI 身上那种「魔法感」。
核心变化：评价方式、工具栈和责任边界同时被改写
考核标准从「产出」转向「会不会用 AI」
78% 的受访者表示，采用 AI 后自己评估员工的方式发生了变化，更看重员工是否会写提示词、懂得把哪些任务交给 AI，以及是否愿意尝试新的工作方式。
问题也随之而来：如果管理者本身分不清员工产出中有多少是 AI 代劳的，判断从何谈起？调研显示，46% 的管理者已经用 AI 辅助决策，39% 的领导者用 AI 起草绩效评价。
而这套做法本身可能引入更多偏差。Luxembourg Institute of Socio-Economic Research 的研究发现，在缺乏明确客观标准、且个体被独立评分的情况下，大语言模型的评分倾向与人类高度相似。2025 年初发表在 PNAS Nexus 上的一篇论文也指出，AI 模型可能对黑人男性候选人存在偏见，并且「在不同社会群体中呈现出方向和量级各异的显著偏差」。当被问及用 AI 参与人员评估是否会引入外部偏见时，Levi 表示企业目前还没有想清楚如何处理这类问题。
软件栈反而变厚了
工具数量不降反增。57% 的管理者称所在组织现在流通的工具比以前更多，约 51% 认为工具之间的依赖关系更强、更抱团，而只有 29% 认为自己的 AI 基础设施已经完全优化并集中管理。
Levi 说，企业原本以为 AI 能精简软件栈，实际却撞上了更多的应用与集成，以及员工在公司批准范围之外自行引入工具造成的「影子 AI」：管理者原本打算在 2025 年底完成工具整合、减少软件数量，结果使用中的工具数量反而上升，「而且没有停下来的迹象」。
AI 代理带来新的监督&管理压力
随着公司部署能够自主行动的 AI 代理，58% 的管理者预计未来一年内需要监督&管理的 AI 代理数量将超过人类员工，46% 担心失去对这些代理行动的控制。还有 35% 的受访者对「要为 AI 做出的决策承担责任」感到担忧——大语言模型在很大程度上仍不可预测。
Levi 指出，管理者并不希望代理完全自主：「他们希望关键任务和决策上有人参与、被 AI 咨询。」
影响与建议：AI 落地正在变成一场治理考题
这份报告最核心的信号是：AI 落地越来越不只是提效机会，也是一道治理题。如果没有配套的流程和基础设施，管理者只能疲于应付。
如果要往下推进，可以从三处着手：
- 重建评估标准：既然 78% 的管理者已把提示能力、任务委派判断力纳入考核，就应当把「AI 协作能力」写成明确、可观测的评估维度，而不是停留在感觉层面。
- 把工具收敛做成硬指标：既然软件栈在变厚而非变薄，就需要一次真正的整合清单，明确哪些工具在批准范围内、哪些属于影子 AI，并把 AI 基础设施的集中化比例从 29% 往上拉。
- 明确 AI 参与的边界与署名规则：对涉及绩效评价这类高风险决策的场景，规定 AI 只能提供参考信息，最终判断必须由人做出并留痕，同时排查所用模型在特定人群上的偏差风险。
Levi 的判断是，管理层担心 AI 代理完全失控，但从目前情况看，更现实的风险反而在另一侧——不是 AI 动作太多，而是人还没来得及更新流程，就已经被要求对 AI 的结果负责。
评论