我的那篇《与多位高管深聊后我们发现：驾驭AI的决胜点，不是提示词，而是Critical Thinking》发出后，有朋友评论说：“最近到年底，真的就遇到了这样的苦恼，大家都在用AI写年度报告，变成了AI的狂欢。”

这个评论揭示了一个正在发生的职场博弈。

上一篇文章我们讨论的是个人如何驾驭AI，这篇我想从管理的角度，来看一下AI对它的影响：

当员工开始习惯用AI批量生产“漂亮的废话”时，本质上是将思考的成本，转移成了管理者识别真伪的负担。

这才是那位朋友所称“AI的狂欢”背后，管理领域真实的荒诞。

当今年收到的报告都“差不多”时，管理者就应该警惕了。

并不是因为报告的“文笔”不好，恰恰相反，相比没有AI的那些年份，报告的形式和文字流畅度整体上明显好多了。

往年的汇报，你能从字里行间看到员工的鲜明特质：有人逻辑犀利但行文粗糙，有人数据详实但缺乏总结。但今年，AI像一个巨大的“熨斗”，把这些棱角全部熨平了。

这些经AI优化或由它们代劳的报告，常常有两个显著的“AI化特征”：

AI生成的观点，是一种“统计学上的正确”。它会自动过滤掉那些可能带有偏见、但极具个人色彩的尖锐洞察，转而提供一种四平八稳的通用结论。

结果就是：差生被AI“拔高”到了及格线，优生被AI“拉低”到了平均线。 所有人看起来都差不多，管理者失去了识别顶尖人才的抓手。

AI极度偏爱“赋能”、“闭环”、“底层逻辑”、“第一性原理”、“第二曲线”、“对齐颗粒度”这种“高概率词汇”。

我也不知道为什么AI喜欢输出职场黑话，难道这是训练者的日常用语？

在AI的加持下，原本话语朴实的实干派员工，突然开始大量堆砌华丽的辞藻。“语文水平”的集体统一，掩盖了“思考深度”的贫富差距。

我的一个朋友对此打了个十分贴切的比方：AI撰文，就像我们中小学时刚学习写作文时，为了丰富词句，就去读很多范文，记录很多优美的语句，然后把它们拼到作文里，让写出的作文显得有“文采”。

但“文采”并不等同于内涵和独到的见解。

当十份汇报摆在桌上，读起来都很顺畅，但读完你却记不住任何一个独特的观点。这就是“平庸的完美”。

如果管理者以为，员工在AI的助力下写出这么漂亮的报告，一定是经过深思熟虑的，那就更麻烦了。

要知道，目前AI的“底层逻辑”，并不是真正基于逻辑的思考，而是通过海量数据完成对逻辑的模拟。

如果你问AI，它自己也会告诉你，AI是一个“概率模型”。

打个比方，AI其实就是手机“智能输入法”的超级加强版。

当它帮助你写年度报告时，它并不是在像你一样分析业务逻辑，它只是在根据已经积累的数据“猜”：通常在“业务复盘”的后面，大概率要接“痛点分析”；而在“痛点”后面，大概率接的是“底层逻辑”。

它不在乎逻辑自洽，它只在乎概率最高。 这就解释了为什么它写出来的东西总是那么“平均”——因为它本身就是无数篇范文的“平均值”。

在AI眼里，“净利润下滑10%”不是一个经营危机，而是一段“文本”。

它之所以能给出建议，是因为它在训练数据里看过无数次类似的文本组合。但是，如果你给它一个复杂的、它没见过的业务场景，它没背过这段书，往往就会开始用最专业的术语，一本正经地胡说八道。

一旦了解了这些基本原理，管理者就能够意识到，员工通过使用AI助力之后提交给你的，很可能是一个记忆力超群、意愿满分、但缺乏内在逻辑校验机制的“热情的无知者”所产出的内容。

管理者识别成本的增加，只是第一层代价。更深远的代价在于团队的“认知卸载”。

在职场中，写汇报不仅仅是同步信息，更是锻炼Critical Thinking（思辨力，很多人也称之为批判性思维） 的一个绝佳演练场。

现实世界的业务是乱糟糟的。而汇报要求必须是有条理的。

把“一团乱麻的现实”变成“逻辑严密的文档”，这个过程需要大脑付出高强度的努力，它至少要完成以下几件事情：

1. 筛选： 从100件事中挑出最关键的3件，这需要去粗存精的思考判断能力；

2. 归因： 搞清楚数据下滑是市场原因还是执行原因，显然，这需要正确的归因能力；

3. 推演： 你想到的办法真的能解决问题吗？这需要创新及逻辑验证能力。

所有这些，都是锻炼思辨力的“健身房”。

如果员工长期、无脑地依赖AI一键生成汇报，这实际上是一种“思维的外包”——把工作外包给AI了。显然，“认知卸载”也就因此发生了。

当一个团队习惯了这种“认知卸载”，职场中撰写年度报告这个极具价值的思辨力训练场，就被悄悄拆除了。

面对职场上的“AI狂欢”，管理者单纯呼吁“多思考”是苍白无力的。既然员工用工具“掩盖”了思考过程，你就必须用管理手段“还原”这个过程。

这不需要高深的理论，只需要三个简单直接的做法：

在听取汇报的关键环节，请员工合上电脑，不看PPT，不看稿子。

这是检验员工是否真正思考的有效做法。

然后提问，要求员工呈现思考过程，比如：

“请用三句话告诉我，你明年最大的增长点在哪里，推导逻辑是什么？”

如果观点是员工自己从乱麻中理出来的，逻辑链条会长在他的脑子里，脱口而出。

如果观点是AI生成的，他只记住了结论，记不住推导过程。一旦不让他看PPT或稿子，他的逻辑链条就会当场断裂。

在审阅报告时，重点关注那些“AI不可能知道的信息”。

AI的训练数据是公开的。它不知道公司上个月跨部门协作的细节，不知道某个大客户的隐形需求，不知道团队此刻微妙的士气。

这些检查，也一样可以让那些AI编写的内容“现形”。同时推进员工独立思考。

管理者需要为AI的应用明确边界。比如，只有那些高度重复的事务，才可以在一定程度上依赖AI，比如客服中的标准化答疑等。

但在需要形成个性化观点的领域，就需要约束AI的使用，甚至禁止——这是很多高校禁止学生用AI写论文的重要原因之一。

总之，对AI的使用，应该基于其基本原理，而不要陷入跟风和盲从。

对于组织而言，在管理中警惕“AI代写汇报”，将AI的使用约束在合适的范围内，不仅仅是为了此刻的效率，更是为了未来的梯队。

今天的初级员工，就是明天的管理者。

如果他们在职业生涯初期，就习惯了跳过“整理混沌信息”的痛苦过程，习惯了用概率模型替代逻辑推演。那么，多年后，当他们坐上管理岗位，面对复杂的市场变局时，他们将没有任何能力去做出独立的判断。

管理者不能让技术的便利，变成团队成长的天花板。

这不仅是对公司负责，也是对员工职业生涯最大的保护。

往期推介：与多位高管深聊后我们发现：驾驭AI的决胜点，不是提示词，而是Critical Thinking

高管团队服务案例分享（1）：一张跨越十数年的信任票

归纳式教学法©精华TTT：开始接受报名