来源：HRflag

　　2026年8月，《哈佛商业评论》刊发了管理顾问David Lancefield的文章《Don’t Let AI Flatten Your Leadership Style》。文章提醒企业管理者，当AI开始参与演讲稿、战略备忘录、员工沟通和经营决策时，外包的可能不只是写作任务，还包括构成领导力的判断、声音与在场感。AI当然可以让表达更完整、分析更迅速、材料更周全，但如果只负责在最后点击“发送”，组织最终得到的或许是一套高效、稳妥，却越来越难以分辨是谁在领导的管理系统。

　　这不是反对企业使用AI，也不是重新歌颂低效率的手工劳动。恰恰相反，AI正在进入管理工作的核心地带，企业需要更清楚地决定哪些工作应该交给机器，哪些责任必须由亲自承担。 AI时代真正稀缺的，不再是生成一份看起来专业的答案，而是有人愿意为答案设定方向、作出取舍，并承担后果。

　　一场“没有错误”的讲话，为什么反而让人不安

　　《哈佛商业评论》的文章从一个匿名案例切入：一家媒体公司的CEO准备在艰难季度之后召开全员大会，幕僚利用AI调用她过去的演讲和内部经营材料，生成了一份结构完整、措辞克制、符合公司重点的讲话稿。稿件几乎没有明显错误，却让这位CEO感到不对劲，因为它过于安全，只是把过去说过的安慰重新组合了一遍，没有真正回应员工此刻面对的不确定性。机器准确复刻了她曾经说过什么，却无法替她决定在这个特殊时刻应该说什么。

　　这类情形正在变得普遍。经营会议的开场白、组织调整的说明、绩效周期的动员、干部任命的内部信，都可以在几分钟内被AI整理得语言流畅、逻辑严整。问题在于，越是没有语病的文本，越容易让管理者误以为沟通已经完成，而员工真正感知的却是另一件事：领导是否理解当下的处境，是否说出了需要被说出的事实，是否愿意用自己的信誉支持接下来的承诺。

　　过去，领导风格常被理解为表达习惯，有人直接，有人温和，有人偏好数据，有人善于讲故事。AI进入管理工作后，风格问题已经不只是遣词造句，而是“谁在定义现实”的问题。如果每位高管都使用类似的模型、模板与提示词，所有讲话都趋向平衡、周全、正向，组织可能会获得一致的语言，却失去真实的差异、必要的张力与可被追随的立场。

　　员工并不要求每次都给出完美答案，但会判断是否真的参与了答案的形成。面对市场变化、业务调整和职业不确定性，一封技术上无可挑剔却没有具体判断的信，通常比一段不够华丽但立场清楚的表达更难建立信任。 领导沟通的价值不只在于传递信息，还在于让员工看见：谁观察了现实，谁作出了选择，谁会在结果出现时留在现场。

　　AI最容易削平的，不是语言，而是管理中的三种能力

　　Lancefield把风险集中在三个彼此关联的维度：判断、声音与在场感。判断决定如何解释信息、分配注意力并作出取舍；声音让员工知道一项决定来自什么信念、经验与标准；在场感则意味着能够在关键场景中听见反应、调整表达并承担情绪压力。三者共同构成了员工眼中的“这个人为什么值得跟随”，也构成了管理责任无法完全自动化的部分。

　　判断最容易在“请AI给出更佳方案”的指令中被悄悄外包。模型可以快速列出选项、比较利弊、预测常见风险，但它不知道企业过去为哪些原则付出过代价，也不知道某个看似合理的选择会如何改变组织内部的信号。如果直接采用排序靠前的答案，表面上提高了决策效率，实际上可能把最需要亲自完成的价值判断变成了概率上的平均选择。

　　声音的消失更不容易被察觉，因为AI生成的文本通常比初稿更像“正式的领导讲话”。它会自动补齐背景、平衡语气、避免冲突，并把尖锐问题处理成可以被各方接受的表达，但领导力往往恰恰存在于不完全平衡的部分。企业在资源有限时必须表明优先级，在战略转向时必须承认旧假设已经失效，在困难时期必须区分可以承诺的事情和暂时无法承诺的事情，这些都不是单纯的语言优化。

　　在场感则无法通过一封长邮件或一份精美PPT替代。真正重要的沟通常常发生在讲完之后：员工提出一个不在预设清单里的问题，管理者听到现场沉默，发现某句话引发误解，并愿意停下来重新解释。AI可以帮助准备问答，却不能替代承受意外、犹豫与质疑的过程，而员工对可信度的判断，往往就在这些未经排练的时刻形成。

　　为什么现在讨论这个问题，比两年前更紧迫

　　AI已经从少数人的效率工具变成管理系统的一部分。SHRM在2026年3月至4月调查了5875名美国员工，其中41%表示在工作中使用AI，47%的受访者表示所在组织已经把AI整合进系统、流程或正式工具。更值得企业高管注意的是，63%的员工认为CEO或总裁对AI表现出兴趣，但只有38%表示经常或非常经常从领导团队那里听到与AI有关的沟通，这说明高层意愿与员工实际接收到的信息之间仍有明显距离。

　　这种距离会让组织同时出现两种声音。管理层谈论的是生产率、利润率、资源效率和成本结构，员工感受到的却可能是岗位价值会不会下降、工作量是否继续增加、绩效标准会不会在没有说明的情况下上调。SHRM的调查中，员工听到的高层AI重点依次包括提高生产率、改善利润率、以更少资源简化运营和降低成本，这些目标并没有错，但如果缺少对岗位变化、能力投资和责任边界的说明，效率叙事很容易被理解为单向加压。

　　沟通的不均衡进一步放大了这种理解差异。SHRM数据显示，在AI实施前，74%的总监及以上人员表示曾获得直接或间接的信息，经理群体的比例为55%，个人贡献者却只有33%。这意味着越接近决策中心的人，越容易把AI理解为战略工具；越接近执行现场的人，越可能在工作规则变化之后才意识到自己已经置身其中。

　　早期职业人群承受的压力尤其明显。SHRM发现，45%的入门级和职业早期员工感到在岗位中使用AI的压力，压力既来自和直接经理，也来自员工对职业竞争的自我判断。 当企业只不断强调“人人都要用AI”，却不说明什么算高质量使用、什么仍需人工判断、试错是否会影响绩效时，管理层传递的不是创新许可，而是一场没有评分标准的考试。

　　用AI更多，不等于组织已经学会使用AI

　　管理者通常是企业里最早接触AI的一群人，因为他们拥有大量适合生成式工具的工作：读材料、做摘要、写邮件、准备会议、比较方案、制作汇报。工具越好用，高管越容易在个人层面获得立竿见影的节省，并据此判断组织已经进入AI时代。然而，个人办公效率与组织能力之间并不存在自动传导，节省一个小时，也不意味着跨部门流程减少了一个小时。

　　Gallup在《2026全球职场报告》中呈现了这一落差。在已经实施AI的美国组织中，65%的员工认为AI对个人生产率产生了某种程度或非常积极的影响，但只有12%强烈认同AI已经改变所在组织的工作方式。报告还引用一项覆盖美国、英国、德国与澳大利亚企业管理者的研究，其中89%的表示，过去三年AI尚未对本公司的劳动生产率产生影响，这说明“大家都在用”与“组织真正获得价值”仍是两件不同的事。

　　BCG对14个市场11749名员工的2026年调查也指向同一问题。42%的AI常用型一线员工表示，每周至少节省了相当于一个工作日的时间，但66%的人几乎没有得到关于如何使用这些时间的指导，超过一半的人没有把节省出的时间转向战略性工作。企业如果仍按旧流程、旧会议和旧绩效指标运行，AI释放出来的时间就会被更多任务迅速填满，最后只留下“工作做得更多了”的感觉。

　　因此，企业不能用账号开通率、提示词数量或生成文档数量衡量领导力转型。真正值得观察的是，决策周期是否缩短，跨部门返工是否减少，客户问题是否更早被发现，员工是否能把时间转向更有价值的工作。 AI的组织价值不发生在输出更多文字的那一刻，而发生在旧的工作方式被重新设计、人的注意力被重新分配的那一刻。

　　从岗位开始：不要让所有管理岗变成“AI内容审核员”

　　随着AI接管信息搜集、初稿生成和常规分析，许多管理岗位的任务组合会发生变化。BCG调查显示，72%的受访者认为AI已经显著改变了岗位的技能预期，47%的人表示自己花在管理和指挥AI上的时间，已经超过亲自完成工作的时间。这个数字说明，新的管理负担已经出现：人不再只是生产内容，还要定义任务、检查结果、纠正偏差并决定是否采用。

　　如果岗位设计没有同步更新，企业很容易把原来的执行工作替换成大量“看护AI”的隐性劳动。经理仍然承担原有业务指标，同时要编写提示词、核验事实、统一口径、修复格式，并对机器输出造成的问题负责。表面上，人均产出提高了，实际上管理者可能被困在更密集的审核循环中，既没有时间进行真正的团队管理，也没有获得与新增责任相匹配的权限和资源。

　　HR需要与业务部门一起，把岗位拆解从“有哪些任务”升级为“对哪些结果负责”。适合交给AI的通常是高频、可验证、规则相对清晰的准备性工作，例如资料归集、格式转换、初步比较和常规问答；必须由保留的，则包括目标设定、价值取舍、关键关系处理、例外判断与最终责任。两者之间还需要明确人机协作的环节，包括谁提供上下文、谁检查质量、什么情形必须升级、哪些数据不得进入外部模型。

　　这套拆解不能只写在AI使用指南里，还要进入职位说明书和团队分工。一个业务负责人的岗位，不应因为AI能够代写汇报就被简化为“审批内容”，而要更加明确其独特价值：解释外部变化、确定业务优先级、配置资源、培养关键人才并建立跨部门承诺。岗位越靠近管理层，衡量标准越应该从文本产量转向判断质量与组织结果，否则AI越强，反而越容易忙于低价值的校对。

　　绩效必须跟着改变：高质量不等于看起来无可挑剔

　　AI最直接的影响，是把“像一份好工作”的门槛迅速拉低。结构完整的方案、语言专业的报告、图表清晰的汇报都可以被更快生产，于是传统绩效体系中依赖格式、篇幅和交付速度的评价指标开始失真。若企业仍奖励文档数量、会议材料和表面完备度，员工会自然地用AI扩大这些可见产出，而真正稀缺的洞察、判断与协同反而更难被识别。

　　微软2026年工作趋势指数调查了10个的2万名AI用户，66%的人表示AI让自己能够把更多时间用于高价值工作，58%的人表示能够完成一年前无法完成的工作。这是积极信号，但同一研究也发现，只有26%的受访者认为领导团队在AI方向上保持清晰、持续的一致；65%担心如果不迅速适应AI就会落后，45%却认为专注当前目标比重新设计工作更安全。更尖锐的矛盾是，只有13%的人表示，即使结果未达预期，组织也会奖励利用AI重塑工作的努力。

　　这意味着员工接收到的是两套互相冲突的绩效信号。战略上要求创新，考核上仍然奖励短期确定性；口头上鼓励试验，项目失败时却只追问结果；要求员工用AI改变工作，晋升时又继续看谁最擅长维持原有流程。员工并不缺少学习工具的动力，缺少的是一套允许他们在边界内尝试、能够区分合理试错与低质量执行的评价机制。

　　新的绩效标准需要关注四类结果：业务价值是否提升，判断过程是否可靠，协作方式是否改善，知识是否被组织沉淀。使用AI后更快完成任务可以被记录，但还要追问节省的时间去了哪里，输出是否减少返工，关键假设是否得到验证，新的方法能否被团队复用。 绩效管理要奖励的不是“用了AI”，而是员工能否借助AI创造更好的结果，同时保留必要的人类判断与责任。

　　能力建设要换一个方向：提示词只是起点，不是领导力

　　过去两年，许多企业的AI培训从工具介绍和提示词课程开始，这在普及阶段有必要，却不足以支持管理者应对更复杂的责任。SHRM对工作中使用过AI的4065名员工分析发现，69%自认为没有经验、处于初学者或中级水平；总监及以上人员更容易把自己评价为高级或专家，但客观能力测试显示，各职级之间的分布远没有自评差异那么大。管理职级带来的信心，不一定等同于识别模型局限、核验信息和设计人机流程的真实能力。

　　需要具备任务判断能力，即在使用AI前决定是否应该使用。微软的研究显示，成熟AI用户更常在开始工作前主动区分人和AI各自应承担的部分，也更愿意保留一些不使用AI的练习，以避免关键能力退化。这个习惯看似降低了短期速度，却能保护长期判断力，因为必须持续接触原始信息、复杂反馈与不完整现实，而不能只阅读模型加工后的整齐摘要。

　　与任务判断紧密相连的是质量判断。微软调查中，50%的AI用户认为AI承担更多工作后，质量控制的重要性上升，46%强调批判性思维；86%把AI输出视为起点而非最终答案。对管理者而言，质量判断不只是查找事实错误，还包括识别缺失的利益相关方、被平均化的观点、过度平衡的表述以及看似合理却不适合本组织的建议。

　　更高一层的能力是情境领导。相同的信息，在增长期、调整期和转型期需要不同的解释；相同的决定，对核心团队、基层员工、客户和合作伙伴也需要不同的沟通方式。AI可以帮助管理者准备材料，但不能替代其理解关系、把握时机、读取情绪和建立承诺，因此企业的领导力项目需要增加真实场景演练，而不是把课程全部变成软件操作说明。

　　中层管理者不该成为AI战略的“转发层”

　　企业AI战略能否落地，很大程度取决于中层管理者如何解释和执行。高层可以提出愿景，技术部门可以提供平台，HR可以组织培训，但员工每天是否敢于使用、如何判断质量、遇到问题向谁升级，最终都落在直接经理身上。中层如果只负责转发高层口号，就会同时承受上级要求提效和下属需要澄清的双重压力，久而久之成为组织里最疲惫的一层。

　　Gallup的2026年研究给出了明确证据。在组织系统与AI结合较好时，员工高频使用AI的比例为86%，结合较弱时为52%；当经理积极支持团队使用AI时，高频使用比例为79%，缺少支持时只有46%。在已投资AI的美国组织中，强烈认同经理积极支持AI使用的员工，对“AI改变组织工作方式”的认同可能性高出8.7倍，对“AI让我更有机会发挥所长”的认同可能性高出7.4倍。

　　问题是，Gallup同时发现，在已经开始实施AI的美国组织中，不到三分之一的员工强烈认同经理积极支持团队使用AI。中层管理者不是不愿意支持，而是常常没有足够清晰的政策、能力和时间去支持。许多经理既不知道哪些场景被允许，也不知道如何评价AI参与后的成果，只能在出现风险时收紧控制，在面临效率压力时又临时要求员工加速使用。

　　企业应当把中层从传声筒升级为工作设计者，让他们拥有调整流程、设定团队质量标准和组织复盘的权限。微软一项覆盖1800名员工的研究显示，当经理公开示范AI使用时，员工感知到的AI价值提高17个百分点，对AI使用的批判性思考提高22个百分点，对智能体AI的信任提高30个百分点。 经理最重要的示范不是展示自己能生成多漂亮的内容，而是公开说明如何提问、如何核验、哪里不同意AI，以及最终为何作出这个选择。

　　高管的AI使用方式，本身就是一项文化制度

　　很多企业把AI治理理解为技术规则，例如数据分类、访问权限、供应商审查和内容标识。这些都不可缺少，但员工还会观察高管在日常工作中如何使用AI：是否把机器生成的数字当作确定事实，是否在重要会议中公开假设，是否承认模型不知道什么，是否允许团队挑战一份看起来很权威的输出。高管的个人习惯会被迅速复制，最终变成比制度文件更有力量的组织规范。

　　如果高管把AI当成“快速证明自己正确”的工具，团队就会学习如何用更漂亮的材料迎合既有判断。AI能够在短时间内为任何立场提供理由，弱势意见因此更容易在会议前被过滤，而不是在会议中被讨论。相反，如果高管要求团队同时呈现支持证据、反例、未知项和替代方案，AI就会成为扩大认知边界的工具，而不是加速确认偏误的工具。

　　高管也需要主动保留一些“低效率但高价值”的管理动作。与关键员工直接交谈、阅读未经加工的客户反馈、参加业务复盘、亲自写下重要决策的理由，这些工作看起来不如生成摘要高效，却能让保持与现实的接触。没有这些输入，再强的AI也只能在经过筛选的材料上进行推演，最终形成越来越自洽、越来越远离现场的管理闭环。

　　因此，使用AI应当遵循一个简单原则：可以外包准备，不外包立场；可以外包扩展，不外包取舍；可以外包表达优化，不外包关系责任。重要讲话可以让AI帮助搜集事实、模拟疑问和检查歧义，但核心判断、关键承诺和面对员工的回应必须由完成。这样做不是为了保持某种传统权威，而是为了让权力与责任继续落在同一个人身上。

　　HR的任务，不是替高管润色出“更像领导”的文字

　　生成式AI普及后，HR与企业传播团队很容易承担更多高管内容生产工作。组织氛围调查、全员信、干部会议讲话、绩效季说明都可以被快速生成，交付效率显著提高，但这也可能让专业团队陷入一个误区：把领导力问题处理成文案问题。文字越圆润，越可能遮住战略尚未清晰、责任尚未分配和员工关切尚未被回应的事实。

　　HR在重要沟通中的价值，应从代写者转向组织诊断者。拿到一份AI生成的讲话稿后，不只检查语气是否得体，还要追问员工最可能质疑什么，哪些群体会受到不同影响，管理者能够承诺什么，哪些问题必须承认尚无答案。只有把这些问题带回决策桌，沟通才不是给既定结论包装一层更容易接受的语言，而是帮助领导团队补全决策。

　　这也要求HR重新定义领导力模型。过去的模型可能强调战略思维、影响力、协作与执行，AI时代需要把“人机任务判断”“输出质量控制”“透明解释”“责任保留”和“工作再设计”纳入管理要求。不必成为技术专家，却必须知道怎样在不确定信息中作出可解释的选择，并且能够让团队理解AI参与了什么、没有参与什么。

　　的AI能力还应进入选拔、晋升与继任。考察候选人时，不只看其能否使用工具，还要观察其是否会质疑输出、能否发现利益相关方缺口、是否在压力下仍愿意承担最终决定。 未来优秀与普通管理者的差别，可能不在于谁更频繁地调用AI，而在于谁更清楚地知道什么时候必须亲自思考、亲自沟通、亲自负责。

　　把“领导风格”变成可管理的组织资产

　　谈领导风格容易被误解为维护个人魅力，甚至鼓励高管保留任性和随意。真正值得保护的不是口头禅、语气偏好或个人包装，而是稳定的判断原则、对人的基本态度以及面对压力时的行为一致性。这些内容并非不可管理，反而应该被组织识别、讨论和检验。

　　企业可以要求关键管理者建立自己的“领导判断档案”。档案不需要写成宏大的价值观宣言，而应记录一组真实问题：哪些决定必须亲自作出，哪些信息会改变自己的判断，遇到短期业绩与长期能力冲突时如何取舍，什么情况下必须向员工承认不确定性。AI可以学习这些原则来提供更贴近管理者的辅助，但不能把历史偏好当成永远正确的答案。

　　团队也可以定期进行“反风格趋同”复盘。选择几份AI深度参与的讲话、决策材料和绩效反馈，检查它们是否出现同样的安全措辞、同样的结构和同样的模糊承诺，并邀请接收者说明哪些部分缺少真实感。复盘的目的不是追查谁使用了AI，而是发现组织是否正在用统一模板替代必要的管理差异。

　　对于重大决策，企业还可以建立一页式的人类责任说明，写清楚AI提供了哪些分析、关键假设是什么、最终取舍由谁作出、结果由谁负责。这类记录不会拖慢所有工作，只需用于影响人员、资源、客户和合规的高风险场景。它能帮助组织在效率提高的同时保留决策脉络，也能避免出现“系统建议如此，所以无人真正负责”的责任真空。

　　一套可以立即落地的AI边界

　　日常工作可以按风险和责任划分为三个区域。资料整理、会议纪要、格式调整和息比较属于可以广泛委托AI的准备区，但仍需遵守数据和保密要求；方案推演、绩效反馈初稿、重要汇报和客户建议属于人机协作区，需要补充情境并核验结果；组织调整、人员评价、重大资源分配、危机沟通与价值冲突则属于所有区，AI可以提供信息，却不能成为决定的署名者。

　　在协作区，至少要完成三个动作。开始前写清楚目标、受众、不可妥协的原则和质量标准，避免让AI用平均答案替代真实需求；生成后检查事实、遗漏、偏见和语气，特别关注那些被模型处理得过于平滑的冲突；发布前用自己的语言重述核心判断，确保能够在没有稿件的情况下解释为什么这样决定。只要无法完成最后一步，就说明尚未真正拥有这份输出。

　　在所有区，效率不是标准。组织调整说明如果晚半天发布，却能让管理团队充分理解人员影响并准备好回答问题，其价值可能高于几分钟生成一封完美邮件。绩效反馈如果由经理亲自回顾事实、权衡贡献并进行对话，即使表达没有模板那么精致，也比把员工经历压缩成一组通用评语更有发展价值。

　　企业可以把这套边界嵌入AI政策、管理者培训和绩效流程，而不是依赖个人自觉。每个关键场景明确允许用途、核验人、升级条件和最终责任人，既能减少员工对风险的猜测，也能防止管理者在压力下把不该外包的责任交给工具。边界越清楚，团队越敢于在低风险场景大胆使用AI，并在高风险场景保持必要克制。

　　真正有风格的领导，不是拒绝AI，而是让AI看得出边界

　　AI不会天然削平领导力，缺少边界的使用方式才会。工具可以扩大一位的学习速度、信息范围和表达能力，也可以把未经检验的偏好包装得更加可信；可以帮助团队听见更多意见，也可以用流畅文本掩盖真正的分歧。决定结果的，从来不是模型是否足够强，而是是否清楚自己必须保留什么。

　　微软2026年工作趋势指数提供了一个重要结论：组织文化、经理支持和人才实践等组织因素，对员工感知AI价值的解释力度约为个人心态与行为的两倍。换言之，企业不能把AI成败归结为员工会不会写提示词，领导系统如何设定方向、奖励什么行为、允许怎样试错，影响更大。技术部署最终仍然会回到管理质量。

　　BCG的研究也显示，清晰战略能把AI的可衡量业务影响提高25个百分点，而单纯改善工具大约只提高5个百分点。这个差距提醒企业，AI预算之外还需要领导力预算，包括岗位重构、经理训练、绩效调整、流程复盘和信任建设。没有这些投入，更强的工具只会更快地生产旧组织想要的东西。

　　对企业高管而言，最值得警惕的并不是员工发现一封信由AI参与，而是员工逐渐发现，每一封信都可以由任何人发出，因为其中没有独特判断、真实承诺和清晰责任。 AI时代的领导风格，不是刻意制造与众不同，而是在机器能够生成一切常规表达之后，仍然让组织看见你的判断从何而来、你愿意为哪些原则作出取舍、你会为哪些结果承担责任。

　　当然应该使用AI，而且应该比普通员工更早理解它、更熟练地驾驭它。但越靠近权力中心，越不能把“高效生成”误认为“完成领导”。当AI负责越来越多的执行，真正需要增加的不是输出量，而是方向感、解释力与在场时间，这才是技术无法替组织自动生成的竞争优势。

　　参考资料

　　1. Harvard Business Review， David Lancefield， “Don’t Let AI Flatten Your Leadership Style”， 2026-08-03

　　https://hbr.org/2026/08/dont-let-ai-flatten-your-leadership-style

　　2. Microsoft， “2026 Work Trend Index Annual Report: Agents， Human Agency， and the Opportunity for Every Organization”， 2026-05-05

　　https://www.microsoft.com/en-us/worklab/work-trend-index/agents-human-agency-and-the-opportunity-for-every-organization

　　3. Boston Consulting Group， “AI Is Reshaping Jobs Faster Than Companies Are Reshaping Work”， 2026-06-03

　　https://www.bcg.com/press/3june2026-ai-reshaping-jobs-faster-than-companies-reshaping-work

　　4. SHRM， “Navigating AI in the Workplace: 2026”

　　https://www.shrm.org/media-only/navigating-ai-in-the-workplace

　　5. Gallup， “State of the Global Workplace 2026”

　　https://www.gallup.com/workplace/349484/state-of-the-global-workplace.aspx

　　6. Deloitte， “2026 Global Human Capital Trends”

　　https://www.deloitte.com/us/en/insights/topics/talent/human-capital-trends.html

　　原文链接：https://mp.weixin.qq.com/s/MQdClJCpcNwnuQTuCAilzg