管理没有消失，管理的对象从人换成了系统与上下文。
四章。这一卷讲密度最终改变的对象。
前面五卷讲的是一把尺子：怎么量、量出来是什么形状、它会怎么动。 这一卷讲被量的那个东西本身——组织——正在变成什么。
一句提醒：这一卷写到“方向 + 判据”为止。诊断矩阵与干预路径不写在书里， 因为那些东西没有人带的时候读了也用不上，写进书里只会变成一堆看着有道理的表格。
人工智能时代，有个比喻我一直在用：木桩和船。
今天的 AI 像不断上涨的海浪。
如果你是一根扎在水里的木桩，过两天就被淹没。 如果你是一艘船，就会被这股力量不断抬起来。
区别不在于你有多强壮——木桩可能比船更结实。区别在于你和水的关系：木桩固定在水底，水涨它就被淹；船浮在水面，水涨它就升。
那什么样的组织是船？我总结了三个特点：
| 层 | 它解决什么问题 |
|---|---|
| 中枢型 | 协作怎么更快 |
| 学习型 | 组织怎么变强 |
| 意义型 | 我为什么待在这 |
这一点要说清楚，否则这张表会被读成一份“三选一”的菜单。
它们是有顺序的三个问题。
中枢解决当下的效率——判断跑得更快、协作损耗更小。 学习解决持续的能力——这一次做对了，下一次更便宜。 而意义——
意义不是顶层的锦上添花。它是地基。
我知道这句话听起来像鸡汤，所以我把它推到第 23 章去，用一个很硬的东西来证明：担责。 那一章会说清为什么没有意义层，三道工序也做不好。
讲这三层之前，我得先讲一件我自己的事。因为我发现凡是我没亲手撞过的墙，讲出来都是空的。
我们公司刚开始不是按 AI 路径做的，是按 3D 软件做的。后来发现 AI 势头这么猛，要调。
自己公司调整时才发现，自己都很难调。
难在哪儿？不是资源，不是技术。是思维惯性会停留在原来的方式里。
具体是什么样的？开会的时候，大家嘴上都同意要转，但讨论到具体做法，所有的方案都是“在原来那套东西上加一个 AI 功能”。因为原来那套东西是所有人熟悉的坐标系，离开它没人知道该怎么想。
这件事让我明白了一个很朴素的道理：转型的阻力不在人的意愿上，在人的坐标系上。 一个人可以真心想转，同时完全想不出转之后是什么样。
后来怎么调？四步，我按真实顺序写：
第一，我自己去看论文，去了解 AI 到底发生了什么变化，我自己带头去用 ChatGPT。
关键词是体感。要自己有体感，感受它带来的威力到底怎么样。
这一步没有替代品。老板听汇报、看 PPT、请人来讲，都不产生体感。而没有体感的人做不出判断——他只能在别人给的选项里挑，也就是卷三第 9 章那个 L3 陷阱的组织版：他自己变成了那个橡皮图章。
第二，后来不愿意拥抱的人我全砍掉。
这一步很重，我不打算把它说得温和一些。因为这就是当时的做法。
第三，新进来的人要求就是：今天你连 AI 都没用过，就别进来了。
我反而去招一些浙大的研究生。给我的感受是——
新的组织就是原生的。
今天的研究生你不用跟他说 AI 不 AI，他本来就在用，而且用得比我们溜多了。
第四，我整天还要坐到他们旁边问：你为什么这么用、有什么经验教给我。
这一步我认为是四步里最容易被跳过、而实际最要紧的一步。
因为前三步做完，你只是换了人。换了人不等于组织变了。 组织变了的标志是知识开始在里面流动——而流动需要有人先低头去问。
老板坐到年轻人旁边问“你为什么这么用”，这个动作本身就是一次制度设计：它告诉整个组织，在这件事上，资历不是权威。
上面那个“不愿意拥抱的人”，值得一句公允的话，因为这件事很容易被讲成一个道德问题。
有时候 AI 会让他们感觉到既替代中层，也替代基层，大家内心本来就抵触。
就像汽车刚出现时英国的马车夫要造反。
任何一代技术变革，总会出现老力量和新力量的冲突。这不是谁品行不好，是利益结构决定的——一个人不会热情地推动一件让自己变得不必要的事。
所以在企业里我们也会看谁是改革派。而会发现一件事：只有那些对 AI 有战略判断力的老板去推，都推得特别难，因为还要一线的人去用。
今天的 AI 还没到老板置换一下、说“AI 你给我干个什么”就拿出结果的程度。
中枢到底管什么？
先看一件很有意思的事。
人一直是某种稀缺能力的载体。
工业时代之前没有机器，我们要体力——修长城要那么多人去搬砖。 机器解决了体力，人就坐进办公室对着电脑动脑子，智力成了稀缺。
而这里有个一直没被认真处理的荒谬：
我买的是你的脑子，但为什么还要把你的身体也一起带过来？
带过来，你有情绪、要吃饭、要发工资、要工位、要通勤、要停车位、要团建。
所以组织的智力 = 人数 × 人均智力，再减掉一大堆协作损耗。而损耗不是线性的：
组织放大一倍，协作成本放大四倍。
现代管理里“有效半径”、“层级管理”、“事业部制”那一整套，本质上都是在处理这个损耗。管理学一百年，很大一部分是在跟这个四倍作斗争。
我十几年前大学刚毕业就管几百人，什么管理都没做过，焦头烂额——人真的太复杂了。
再看人的流动。
以前我特别担心核心员工走。因为他带走的不是工作量，是对业务的理解、判断和资源。
ERP、CRM 能留下一些数字。他甚至真把客户列表都给我了——但很多理解和判断，随他一起走了。 他知道这个客户为什么值得让价、那个客户为什么不能催，这些从来没写在任何系统里。
留下一堆文档，也从没有第二个人再去看。
这两件事——协作损耗和判断流失——是同一个问题的两面：判断只存在于人身上，所以既贵，又会走。
这两年我们自己先做了组织转型。
去年有一刻，我在布置 OKR，打电话问在字节的同学“你们怎么做”。后来我想：
为什么我不直接把我所有想法讲给我的 AI，明天让 AI 来布置工作呢？
我做了个测试。我们公司也就二十来号人，我把对每个人的想法都告诉一个智能体，第二天大家先跟它聊“我是谁、邱总想让我干啥”。
结果它布置的工作，比我布置的好多了。
我得说清楚为什么好，否则这只是个段子。
它好在三处：一是它对每个人说的话是一致的（我自己会因为疲惫或情绪，对第五个人的耐心不如对第一个）；二是它不回避那些我会含糊过去的地方（因为它没有人际负担）；三是它把我讲过但没系统化的想法，串成了一条我自己没串起来的线。
那一刻我意识到一件事：企业的总经理，也许应该让 AI 来做才对。
而且模型能力还在变强。今天是一百万 token，假设三年后能吃进一亿——企业所有文档 AI 一次读完，把漏洞、把人和人的关系全推理出来。以前我们要买那么多脑袋，今天一个 AI 就能抵所有脑袋的智能供给之和。
没有。这是这一章的落点：
管理没有消失，但管理的对象，从“人”换成了“系统与上下文”。
你依然在做管理。只是管的东西换了——你管的是 agent 的上下文边界、验收标准和责任归属。
而你会发现，这三样正好是三道工序加担责：
| 你现在管的 | 对应 |
|---|---|
| 上下文边界（它该知道什么、不该知道什么） | 供料 |
| 什么算做对了 | 定题 |
| 谁看、按什么标准看 | 验收 |
| 错了谁负责 | 担责 |
所以这本书前面五卷讲的那把尺子，到这里露出了它的另一个身份：它同时是新的管理岗位说明书。
以前说我是总经理，我要管这么多人。未来的总经理，要变成领导者：你怎么引导仅剩的那些人，愿意跟随你、跟 AI 一起协作。
智能成为基础建设之后，隐性知识成了唯一的变量。
管理对象换了，随之来了一个很实际、而且到今天没有答案的问题。我把它写在这里，因为它是这一章的诚实边界。
今天 AI 是一个有能力的实习生。
如果他是个人，你还能按人力资源市场给他一个实习工资。可当他是一个虚拟的 AI 时，你怎么给他定价？
你给他发 5000 块实习工资——那还不够我们差旅费。
而他的能力边界到底是什么，也是模糊的。虽然我讲了这么多应用，但每个人对 AI 的幻想都是他是个超级无敌的人，其实他一定有能力边界：什么能做、什么不能做、你愿意为什么能力付什么费用、这个技术会不会被迭代？
所以没有定价标准。 而没有定价标准，这件事的落地就越来越难。
我讲一个具体的场面。我们和一家香港企业沟通了半年，最终总部的 CTO 都过来了，为几万块钱的差价跟我砍价。
我那天就跟他说：老大，你们坐在这、带了七个人过来，我们三个人陪着聊了一个早上，我们的人力成本都不止这个钱。
这里反映的问题不是他小气。是：几万块钱的差价都很难定，因为它是非标的东西。
他们走采购体系，下面的人说得也有道理——他也要向老板交代，为什么多花这几万块钱。而这个行业还没形成公允标准的时候，落地难度就很大。
这个问题和智能密度是同一件事的两面：密度回答“交出去了多少”，定价回答“那值多少钱”。 前一个我给了一把尺子，后一个我没有。卷七第 25 章会把它列成一项待做的工作（单位判断成本）。
上下文到底是什么？我们数据很多算不算？
上一章的落点是“管理上下文”。那上下文是什么？
这一章只讲清一件事：上下文 ≠ 数据。
很多人以为“我们公司数据很值钱”。我通常会说得直白一点：
你们的数据可能不是资产。
因为数据是死的。它是一条条表格记录：这单卖了多少、这个客户什么时候下的单、这批货的检验值是多少。
而做判断需要的不是这些。
我把它整理成三种记忆，这是我目前找到的最清楚的说法：
| 记忆 | 记的是什么 | 载体 | 有没有 |
|---|---|---|---|
| 流程记忆 | 怎么做 | SOP、制度、作业指导书 | 工业化早就攒下了 |
| 数据记忆 | 做了什么 | ERP、CRM、MES | 信息化早就攒下了 |
| 判断记忆 | 为什么这么定 | — | 从来没存过 |
前两种是工业化和信息化的成果，攒了几十年，投了大量的钱。
而 AI 做判断时真正需要的是第三种。
判断记忆为什么从来没存过？ 因为在人来做判断的年代，它不需要存——它就在做判断那个人的脑子里，需要的时候问他一句就行了。存下来是纯成本，没有收益。
这就是为什么二十年知识管理项目大面积失败。
人积累的经验分两类：一类是理解与判断的能力，人走就带走；一类是沉淀的文档，留下了但没人读，是死的。
两条路都失效。 而知识管理只处理了后者——而后者本来就是死的。
所以有一件事今天回去就能开始，不需要预算、不需要立项、不需要说服任何人：
自己开会，尽量都先录下来。 你驳斥员工的、肯定员工的，本质都是你的判断。先留着，这就是资产。
我把这一条放在这里，是因为它是全书唯一一条不需要任何前置条件的建议。
它为什么有效？因为一场会议里最有价值的不是结论——结论会写进会议纪要。最有价值的是你否掉某个方案时说的那句理由。那句话包含了“什么算好”（定题）和“为什么这个不行”（判例），而它从来不进纪要。
而这一条对卷四第 14 章那种中等规模企业价值最大：它是最便宜的制度，而它们最缺制度。
在工具里我把它操作化成四类料。它们和三种记忆是同一件事的两种粒度——三种记忆用来讲道理，四类料用来填表：
| 料 | 是什么 | 对应 |
|---|---|---|
| 事实料 | 数据、状态、历史行为 | 数据记忆 |
| 规则料 | 明文制度、红线、SOP | 流程记忆 |
| 判例料 | 过去同类判断怎么判的、为什么 | 判断记忆 |
| 偏好料 | 这家公司的取舍倾向、品味 | 判断记忆 |
企业通常是这样：事实料满仓，规则料部分，判例料几乎为零，偏好料从来没写过。
偏好料这一类最容易被忽略，我多说一句。它记的是“这家公司在两难时倾向选哪一边”——是宁可慢一点也不出错，还是宁可返工也要抢时间？是价格优先还是关系优先？这些从来没人写下来，但它决定了同一份事实料下的判断会不同。两家公司的偏好料不一样，同一个判断会给出相反的答案，而两个都对。
前两类是背景，后两类才是判断依据。
而供料这一环，是三道工序里唯一可以资产化、可以复利的一环，因此也是天花板。
所以诊断出卡点在供料，是好消息。 它是唯一今晚就能开始的一环——定题和验收靠养人，一年起。
那能力能买吗？
这一章讲一句话：
AI 能力不是买回来的，是长出来的。
你可以买模型、买系统、买工具、买咨询，但你买不回 AI 能力。
为什么？回到三道工序相乘。三样里只有供料系统可以采购。
我可以买别人的系统和工具。但怎么定义一个好问题、怎么验收，本质上是业务和管理的事：
定题在业务，供料在 IT 和数据，验收在管理者。
三者必须结合到一起。
前两年很多人以为搞 AI 就是 IT 部门买软件——这还停留在二十年前的思维。 今天的 AI，是一个组织共同学习、让能力长出来的过程。
所以第一件要改的不是预算，是思维：从采购思维，转成学习思维。
“交给 IT”是最常见的一个错，而它错得很有道理，所以要说清楚它为什么错。
我跟这么多企业打交道都会碰到这个问题：AI 到底是 IT、还是人力资源、还是业务？
往往是技术部去推动，认为这是一项新技术。而问题在于——
企业的 IT，往往是已经成熟固定之后、只要采购就叫 IT。 而今天的 AI 连能力边界是什么都还不知道。
这句话把矛盾说透了。企业 IT 这个职能，是为“已经标准化的技术”设计的：选型、招标、部署、运维。它的全部方法论都建立在“这东西是什么、能干什么，市场上已经有答案”这个前提上。
而 AI 现在没有这个前提。它连能力边界都还在变。
于是 IT 只能做它会做的那件事——把它当成一个采购项目。而采购项目需要明确需求，明确需求需要业务的人，业务的人又不懂技术，就扯皮来扯皮去。
这就是卷五第 19 章那三个总监扯了一年的根子：不是他们不努力，是那个位置本身接不住这件事。
今天不是 IT 的问题，也不是人力资源的问题。一个企业组织在 AI 时代一定会形成新的组织合作模式。
上面这些话可以浓缩成一个动作，我把它做进了工具里。
把一个判断点的定题、供料、验收、担责四件事分别落到具体岗位上，然后问一句：
这三件事——定题、供料、验收——有没有一件落在 IT？
有，就是配错了。
因为定题、供料、验收全是业务判断，不是系统实现。挂到技术口的那一刻，业务方就退出了这个判断，能力也就长不出来了。
（供料这一条要说细一点：料的内容在业务，料的管道在 IT。 判例料该记什么、偏好料怎么写，只有业务能定；而怎么存、怎么检索、怎么送进模型，那是 IT。这两件事经常被合成一件，然后一起交给 IT，于是料的内容也没人管了。）
四个格子填完，还有一条更狠的检验：担责那一格，能不能写出一个人的名字？
写不出来的，这个判断点不管表上标的是 L3 还是 L4，实际上都是没人负责的 L4。
现在回到那个残差。
三道工序测的是能力。而还有一件事，它不在三道工序里：担责。
我在卷二第 6 章埋过一句：智能承接判断，但不承接下注与担责。 无论模型多强，“谁为这个结果负责”不会被吸收进去。
这一件测的不是能力，是意愿。
一家公司可以定题清楚、料也齐、验收人也够格——但只要没有人肯为这个判断兜底，它就永远停在 L1。所有人都在参与，没有人在负责。
我见过这样的公司。他们的三道工序打分很漂亮，做出来的东西也确实不错，但每一个判断最后都要“再确认一下”，然后就没有然后了。因为确认意味着签字，签字意味着承担。
所以担责不属于三道工序。它属于意义层。
而这也是为什么我在第 20 章说意义层不是顶层，是地基：
没有意义层的组织，三道工序也做不好。 因为人不会为一件他不知道为什么要做的事情兜底。
这一句是这一卷的落点，也是全书从“尺子”回到“人”的地方。你可以把定题、供料、验收都建好，你可以把密度算得很准，但最后那一格——有没有人肯把名字写上去——不是一个技术问题，也不是一个管理技巧问题。
它是一个组织为什么存在的问题。
也就是卷二第 5 章那个我没有回答的问题：企业为何值得存在。
三层是观察归纳，不是从公理推出的必然。
中枢、学习、意义这三层，我是从见过的组织里归纳出来的，不是从五条公理推导出来的。
这意味着两个风险：它们可能不完备（也许有第四层），也可能不互斥（中枢和学习可能是同一件事的两个侧面）。
反驳条件：如果能找到一个被 AI 显著抬起来的组织，它的变化无法归入这三层中的任何一层，那这个划分就不完备。
意义型组织目前只有方向，没有量表。
中枢层有工具（B1—B4），学习层有转速这个指标，而意义层——我只能说出“担责测意愿”这个位置，说不出怎么量。
而且我要承认一个不对称：我用了一整卷的篇幅论证意义层是地基，却只给了它一个判据（担责那一格能不能写出名字）。论证的重量和给出的工具，明显不匹配。
第 21 章那个 OKR 测试是 n=1，而且我是当事人。
“AI 布置的工作比我布置的好多了”——这个判断是我自己下的，对象是我自己的公司，样本是一次。它作为一个启发是有力的，作为一个证据几乎没有分量。
我把它留在书里，是因为它记录了一个真实的认知转折点。但读者应该把它当故事读，不当数据读。
“管理的对象从人换成系统与上下文”这句话，目前只在小组织上验证过。
我们公司二十来号人。二十人的组织里，一个人的判断可以覆盖全局，所以“把想法讲给 AI”是可行的。两千人的组织里，谁的想法该被讲进去？ 这个问题我没有处理，而它可能是这一条最关键的边界。
定价问题我只提出，没有解决。 第 21 章末尾那一节是一个空缺的诚实记录，不是一个答案。卷七第 25 章会把它列成待做工作，但“单位判断成本怎么算”，我今天答不上来。
最要紧的是：卷二提出的科斯缺口，这本书没有给出答案。
我论证了“企业为何存在”的旧答案正在失效（交易成本趋零），并提出“做一个人做不了的判断”作为新答案的候选。
但那只是一个候选。它对不对、够不够、能不能推出别的东西——这本书没有解决，只是把问题摆到了台面上。
我认为把问题摆清楚也有价值。但读者应该知道，这里是一个开口，不是一个结论。 而这一卷最后那句“有没有人肯把名字写上去，是一个组织为什么存在的问题”——它是一个指向，不是一个回答。