这是“数智新解”栏目的新一篇。在前面的文章中，我们探讨了AI时代管理职能的种种新解。今天，我们聚焦一个更根本的问题——决策。当数字化解决了“用什么数据做决策”，智能化要追问的是“如何处理数据之外的判断”。当AI能提供预测、模拟情景、甚至给出建议时，管理者该如何做出有效的决策？这篇文章，我们从《管理的常识》出发，探讨AI时代决策的本质与方法。
    要理解AI时代决策的变与不变，先回到管理的基本常识。在《管理的常识》中，关于决策，有几个基础判断始终有效。
    第一，“决策的目的是为了执行”。判断一个决策好不好，不是看它是否正确，而是看它最终能不能被有效执行并产生结果。如果决策无法落地，再精妙的分析与推演，都不会产生真正的价值。
    第二，“重大决策必须是理性决策”。重大决策对组织发展影响深远，不能只依赖经验或直觉，必须基于充分的理性分析与论证。
    第三，“集体决策，个人负责”。集体决策可以汇集多方信息、控制决策风险，但要有一个明确的个人对决策的最终结果承担责任。而实际管理中，最容易出现的偏差是“个人决策，集体负责”——决策由少数人甚至一个人确定，却要求大家一起承担责任。
    这些原则并不是AI时代的新发明，但它们在AI时代有了新的意义。过去，“理性决策”可能需要花大量时间搜集数据，今天AI可以快速完成。过去，“集体决策”受限于信息传递效率，今天数据可以实时同步。过去，“个人负责”可能因信息不对等而难以落实，今天决策过程可以被更完整地记录和回溯。但无论技术如何变化，决策的执行力与责任归属，始终决定决策的有效性。
    从数字化到智能化，决策面对的核心问题在悄然转变。我曾在文章中指出：“数字化解决的是‘如何更快更稳地做对事’，而智能化要回答的是‘如何在不确定中持续做出更优判断’。”
    数字化阶段，决策的核心是效率。面对的问题主要是：如何从经验决策转向数据决策，让决策更标准化、更透明。智能化阶段，决策的核心是判断。当AI本身可以实时处理海量信息时，管理者的价值不再是比谁算得快，而是比谁能对模糊的未来做出有原则的判断，并愿意为这个判断的结果负责。
    我在分析AI时代的组织发展时指出：“决策从高度依赖经验，转向由分析与模型共同支撑；从经验驱动演进为模型驱动，从事后追溯转向事前预见。”不同企业做同样一件事，决策水平的高低，关键不是用了什么工具，而是在数据和模型之外，如何结合对业务规律的理解来做判断。
    还有一个更深层的变化：当AI能够模拟多种情景，决策就不再是寻找“唯一正确答案”，而是在多种可能性中做出恰当选择。我借用军事指挥官的兵棋推演来形容这一过程：“借助数智技术，我们可以将过去的经验数据化，将未来的可能性模型化，让管理者能够在‘推演沙盘’上反复测试不同决策的可能结果。”
    基于以上变化，我把AI时代有效决策的关键问题，整理成三个方面。
    第一，决策的执行力，来自“可行性”还是“责任归属”？理性分析可以解决的问题是“这件事能不能做成”，但真正影响决策是否推动、落地的，往往是对“由谁来做、为这件事负责”的明确判断。AI可以提供方案，但不能替人承担“拍板”的压力。
    我反复强调：决策的目的是为了执行。决策能不能在组织中被推行，往往不是方案不够好，而是责任没有落到明确的人头上。AI可以帮助分析，但无法代替人在压力下做出选择，无法代替人在关键时刻对团队说“这件事由我来负责”。
    第二，决策的效果，来自“推演”还是“对齐”？AI可以推演不同情景下会发生什么，但决策想要切实落地，还需要团队在目标和原则上保持一致。我在论述组织发展的第一个关键词“心智对齐”时说：“当组织成员在关键问题上形成基本共识，组织就能够在复杂环境中保持方向感。”
    决策的有效性，不仅取决于方案是否符合逻辑，还取决于执行者是否理解并真正认同这个决策的出发点和目标。AI可以给出逻辑严密的建议，但无法自然替代团队之间通过沟通建立起的信任和共识。
    第三，决策的价值，来自“模型迭代”还是“人的责任”？AI帮助决策的方式，本质上是让决策从一次性的、依赖经验的过程，变成可以持续迭代的、由数据与模型共同支撑的过程。我在论述AI对组织的影响时明确指出：“当系统能够稳定产出高质量数据，当智能化能够持续支持判断，当人能够把精力投入到真正重要的问题上，管理才能从‘应对复杂’走向‘驾驭复杂’。”
    但模型可以迭代，责任却不能迭代。一个决策做出之后，无论模型如何优化，最终的责任必须由具体的人来承担。这是任何AI系统都无法替代的价值。
    基于以上讨论，我想从几个维度来说明管理者在决策中的独特责任。
    第一，对模糊边界的判断力。 AI擅长处理规则清晰、边界明确的问题。但在实际管理中，大量决策都处于信息不完全、因果关系不明确的模糊地带。我对此有清晰的判断：“企业运营工作的核心判断，依然必须由人来完成。智能系统可以提供更快、更全面的分析支持，但不能替代对业务逻辑、风险边界和长期价值的判断。”当数据不足以支持决策，当不同原则相互冲突，当短期利益与长期目标难以兼顾——这些判断，只能由人来完成。
    第二，把决策转化为团队行动的能力。 一项决策的价值，最终体现在团队是否愿意推进它、是否在行动中真正落实它。我说得很清楚：决策能不能最终获得执行并取得效果，才是衡量决策有效性的标准。如果决策做出后团队不理解、不认同，再精妙的方案也难以落地。管理者需要做的，是用自己的判断去整合AI提供的分析，把“理性的方案”转化成“有温度的行动”，让团队能够在不确定中依然保持方向感。
    第三，对决策后果的最终承担。 “集体决策，个人负责”，这一原则在AI时代并没有失效。当AI参与集体决策的分析与推演，决策的参与者不只是人类成员，但最终对结果负责的，必须是具体的个人。管理者需要明确界定：哪些决策可以授权给AI，哪些必须由人来审查，谁在关键环节对决策的结果承担责任。AI可以作为决策的参与者、支持者，但不能替代承担责任的人。
    回到开篇的现象。为什么数据越透明、报表越齐全，决策反而变得困难？因为信息本身并不自动带来判断力。真正困扰管理者的，不是缺少信息，而是缺少关于决策的逻辑框架：优先选择什么、由谁负责、用什么样的基准去衡量判断的质量。
    AI时代，不可能通过“收集更多信息”来消除决策的不确定性。管理者的职责，也不能简化为“在AI给出的选项里挑一个”。在数据被充分处理之后，如何运用判断力做出有原则的选择，并为此承担责任，这才是衡量决策成败的关键。
    AI是效率的工具，但判断是人的智慧。当技术越来越强大时，不能因为系统能够精准推演，就把判断这件事完全交给它。判断力来自于对业务规律的长期积累，来自于对组织目标和价值的深刻理解，来自于敢于在信息不完全的情况下做出选择的勇气。