AI带来的变化，让员工重新思考自己的未来。本期《数智新解》从员工的具体担忧出发，讨论管理者如何把沟通落实到工作安排、评价与激励之中，在创造绩效的同时，支持员工找到新的价值与意义。AI进入工作之后，管理者常常会谈到效率：哪些任务可以更快完成，哪些流程可以缩短，团队可以创造怎样的新绩效。员工也在思考变化，只是他们关心的事情可能有所不同：过去积累的经验还能发挥什么作用？未来的工作中，还有没有自己能够作出贡献的位置？组织希望自己积极投入，可是下一步究竟该往哪里走？
    这些问题，管理者未必都有答案。技术与业务都在变化，很难提前说清每一个岗位将如何调整。但员工的担忧不能因此被搁置，也很难仅靠一句“大家要积极拥抱AI”得到回应。管理者需要先听懂员工，再与员工一起，把新的可能变成可以参与的工作、能够验证的绩效，以及得到承认的贡献。
    此前，我们分别讨论过赋能、工作意义与价值评价。这一次，我想把这些讨论连接起来，看看管理者如何在追求绩效的过程中，带着员工找到新的价值与意义。当员工问“我的岗位以后会怎样”时，管理者需要多听一听。他担心的可能是现有技能跟不上变化，也可能是不知道新的投入将怎样被评价，或者担心自己承担了探索任务，却得不到必要的支持。
    不同员工的处境并不相同，需要通过具体交流去理解。但有三个问题，值得管理者认真回应：我有没有参与创造新价值的机会？我的经验变成组织能力以后，贡献如何被承认？探索带来的风险，组织愿意承担什么？
    沟通能够帮助彼此理解，却无法代替这些问题所需要的实际安排。员工会从任务如何分配、资源如何支持、贡献如何评价中，判断管理者说的话是否可信。
   《AI原生组织》把“员工主动”作为底层准则之一。主动性需要发挥作用的空间，也需要相应的制度支持。管理者要做的，就是与员工共同创造这样的条件。
    让员工参与新的价值创造，首先要看他是否有时间和精力。如果一个人仍然被现有工作占满，组织又要求他学习AI、分享经验、开展创新，这些期待就可能成为新的负担。管理者需要与员工一起，先找到现有工作可以改善的地方。以客户服务为例。一位员工每天需要整理咨询记录、归纳问题、向相关部门反馈。借助AI，他可能减少资料整理的时间。但新的做法是否有效，还要共同验证：记录是否准确，重要信息有没有遗漏，核查与纠错是否增加了额外工作。
    只有在质量得到保证、人的实际投入有所减少时，新的空间才真正出现。有了这部分时间，接下来做什么，管理者需要与员工讲清楚。不能只留下一句“多做些创新”，让员工自己寻找方向。组织希望改善什么，顾客还有哪些需要没有得到满足，员工的经验能够在哪些问题上发挥作用？这些讨论，帮助员工理解新投入的意义。
    比如，可以与这位客服人员一起回看反复出现的咨询：顾客究竟在哪一步遇到了困难？为什么同一个问题总是发生？能否通过改善产品说明或服务流程，让顾客少一次求助？员工熟悉顾客的表达，知道哪些解释经常无效，他的经验可以帮助团队找到问题。管理者则需要协调相关同事，明确希望改善的结果，为探索安排时间与资源。员工由此看见，过去的积累能够用于解决新的问题。工作的意义，也在这种具体的贡献中变得清楚。
    员工愿意投入，还需要知道组织如何对待这些新的贡献。如果组织希望他改进流程，考核却只看个人处理了多少咨询；希望他沉淀经验，却不承认整理、验证与更新所花费的时间，他就会面对相互冲突的要求。因此，在开始新的工作时，管理者就要与员工约定：原有任务怎样调整，探索投入如何计入评价，哪些结果能够说明改善有效，相应的回报如何兑现。规则可以逐步完善，但不能把这些问题全部留到成果出现以后。
    在共同解决问题的过程中，一些原本依赖个人的经验，经过验证、整理与修正，会成为团队能够重复使用的知识；一些需要本人反复解释的判断，也可以进入智能系统，支持更多同事完成工作。
   《AI原生组织》在讨论“知识资产化”时，强调权益明确化，以及责任与激励的关联。经验成为组织资产之后，贡献者与这份资产之间的关系，也需要被确认。知识资产可以成为彼此价值创造的认证。这样的认证，需要回答具体的问题：谁提供了关键经验，谁参与了验证和完善，它解决了什么问题，带来了什么实际改善。
    如果这些知识被其他团队持续调用，并继续产生价值，相关贡献也应持续得到体现。后续维护、纠错和更新，同样属于需要被承认的投入。调用记录可以帮助追踪使用情况，实际效果则是判断价值的依据。组织可以结合自身条件，将这些贡献纳入绩效、奖励和发展安排，逐步形成与持续贡献相对应的激励机制。意义需要在工作中被理解，回报也需要在制度中被兑现。员工经历了这种兑现，才会相信组织能力的成长与自己的发展相互连接。
    新的尝试未必一次就能成功。有些想法需要修改，有些投入需要停止。管理者要提前说清探索的边界：可以投入哪些资源，哪些行动需要复核，什么情况下应当暂停，到什么阶段一起评估。员工需要认真验证、及时反馈，管理者则需要提供支持、组织纠偏，承担与自身决策和权限相对应的责任。
   《AI原生组织》讨论管理者角色时，提出维护试验的安全边界、定义实证与资源支持规则，并在系统出现偏差时承担兜底责任。这些安排，是员工能够主动探索的重要条件。允许探索中的修正，与追求绩效并不矛盾。过程中要提供帮助，阶段结束后也要依据实际结果，判断哪些做法值得继续。
    回到客户服务的例子，当新的做法减少了顾客重复咨询、改善了服务体验，管理者就可以与员工一起总结：哪些经验发挥了作用，AI提供了什么帮助，哪些协作值得保留，哪些方法能够进一步复用。没有达到预期，也需要一起分析原因。是方向需要调整，还是资源与协作不足？哪些认识已经得到验证，哪些判断还需要继续检验？
    通过这样的共同工作，绩效有了检验依据，知识得到积累，个人的贡献也逐渐清楚。下一步是否需要调整岗位、改变角色与分工，可以在此基础上讨论，并继续接受实践检验。追求效率，是管理者必须承担的责任。组织也需要让身处其中的人有机会发挥所长、创造价值，并在共同工作中获得成长。
    当管理者眼里只有效率，就容易把员工的经验看成等待提取的资源，把释放出来的时间看成可以继续填满的空间。员工是否理解新的方向，贡献是否得到承认，成长是否获得支持，反而容易被忽略。那些看似合理的组织设计，也可能因此难以产生预期的效果。工具和流程能够改变工作的方式，人的主动投入则关系着这些改变能否持续创造价值。
    面对AI带来的焦虑，管理者需要带着员工一起改善工作、解决新的问题、创造实际绩效，让形成的知识资产以及持续的贡献，进入评价与回报。员工在这个过程中，才能找到新的意义，建立对未来的信心。我们未必能够提前说清每一个岗位的未来，却可以让员工在今天的工作中看见：自己的经验仍然被需要，新的贡献能够被承认，组织向前走的时候，自己也能够一起成长。