AI赋能下的管理困境：效率狂欢背后的“隐形劳动”与评估迷思

【科技24时区】当人工智能被冠以“生产力加速器”的光环注入企业血脉，管理者们却在后台遭遇了意想不到的阵痛。一项由Monday.com委托、Nielsen针对全球七国1700名总监及高层管理人员开展的调查揭示了一个略显悖论的现实：尽管超过半数的高管承认在引入AI后，评估员工工作的难度显著上升。这并非因为工具本身存在缺陷，而是源于一种模糊的界限——如今呈递至管理层收件箱中的工作成果往往经过精心打磨，使得“人”的贡献与“机”的输出难以剥离。这种透明度的丧失，直接导致近一半的管理者不得不将更多时间耗费在复核与指导团队产出上，而非传统的战略规划。

值得注意的是，这种焦虑并未转化为对技术的抵触。相反，94%受访高管对利用AI提升工作效率表现出极大的热忱，其兴奋程度堪比2000年代初互联网普及时的场景。Monday.com市场研究与客户洞察负责人Michal Miller Levi将其比喻为一种新的“魔法”，但她也敏锐地指出核心矛盾所在：技术的迭代速度远远超越了组织流程的适应周期。“对于个体而言，AI或许能瞬间提升效能，但作为管理者，他们的角色是驱动整个组织。目前的挣扎，本质上是因为AI的演进速度已经脱离了现有管理体系的控制轨道。”Levi向TechCrunch坦言。

随之而来的是评估体系的剧烈重构。78%的受访者表示，他们已改变了员工考核的标准，转而更加重视员工构建提示词（Prompts）的能力、任务分配的决策力以及对新工作模式的实验精神。然而，当评判者自身也难以厘清AI介入的深度时，这种公平性便成了悬而未决的难题。更令人深思的是，管理者自身也在深度依赖AI进行决策辅助。数据显示，46%的管理者使用AI来辅助决策，39%甚至直接用AI起草绩效评估报告。这一做法潜藏着巨大的偏见风险——毕竟，大语言模型（LLMs）本质上是基于训练数据中人类行为模式的预测机器。卢森堡社会经济研究所今年早些时候的研究发现，在缺乏明确客观标准且独立评分的情况下，LLM的表现往往与人类趋同；而2025年初的一项研究更进一步指出，AI模型可能对特定社会群体（如黑人男性候选人）展现出显著的方向性和 magnitude 不一的偏见。面对这一隐患，Levi承认，目前尚无企业能给出完美的解决方案。

此外，AI正在重塑管理者的日常图景，催生出一层新的“隐形劳动”。谁来决定哪些任务交给AI代理？谁来监控输出结果并在出错时介入？随着57%的管理者反映组织内的工具数量不降反升，且51%的工具因AI的引入变得更加相互依赖和集群化，软件栈的管理复杂度急剧增加。原本预期通过AI精简软件生态的企业，反而陷入了应用激增、集成复杂以及员工私自使用未经批准工具的“影子AI”泥潭。“ managers本以为2025年会是整合工具的一年，但现实却是工具数量持续膨胀，且这一趋势仍在加剧。”Levi感慨道。

随着具备自主行动能力的AI代理开始部署，这种对控制的渴望变得愈发迫切。调查显示，58%的管理者预计未来一年内需要监管的AI代理数量将超过人类员工，46%的人担忧会失去对这些代理行为的控制权。更有35%的受访者表达了对承担AI决策后果的恐惧，毕竟当前的LLM仍具有相当程度的不可预测性。“他们并不希望代理人完全自主，”Levi解释道，“在关键任务和决策面前，管理者希望保留人类的参与权和咨询权。”归根结底，这份报告揭示了一个深刻的行业转折：AI的采纳不再仅仅是提升生产力的技术命题，更是一场严峻的治理挑战。若缺乏完善的流程与基础设施支撑，管理者们只能在混乱中艰难维持系统的运转。