AI 遇见德鲁克

我一生著书三十九部，若有人问我管理的本质，我只会给出一句定论：管理，归根到底是关于人的学问。

无关流程，无关工具，无关效率，核心永远是人。

假设一名管理从业者——哪怕是当年的我——走入 2026 年的现代办公室，会看见截然不同的工作图景：数十名员工端坐电脑前，不再从事传统意义上的知识劳作，而是持续与 AI 交互。撰写提示词、反复微调指令、核验模型输出、将生成内容接入业务流程。真正落地执行事务的是 AI，人类只承担一件事：判断 AI 产出的成果是否契合目标、是否具备价值。

由此衍生出核心追问：当落地执行、事务操作全部交由 AI 承接后，管理还剩下什么核心职能？

我毕生管理学理论最基础、最核心的一组区分，仅有两个关键词：效率、效果。

效率，是把事情做对，聚焦执行层面的方法、速度、损耗；

效果，是做对的事情，聚焦方向、价值、最终意义。

效率可以完全托付给工具：流水线、计算机、人工智能皆是如此。但效果无法移交任何外力。何为值得推进的正确事务，这道命题不存在算法标准答案。它依赖人的价值判断、价值感知，离不开独属于人的价值尺度与人文重量。

当下 AI 正在完成人类史上极致的效率革命：写作、演算、翻译、内容编撰，所有落地执行类工作的效率被压缩至理论极限。可关于效果的终极拷问，AI 永远无法作答：为何选择撰写这份文稿而非另一份？为何翻译文本而非直接推送原文给受众？这项任务是否具备推进的价值？

并非 AI 无力解答复杂问题，而是这类价值取舍，本就不属于效率优化的范畴。

1959 年，我首创"知识工作者"这一概念。彼时时代背景下，体力劳动逐步被脑力劳动替代，工厂工人转型为工程师、管理者、分析师，依靠思维、专业认知创造价值，而非单纯依靠双手劳作。

数十年过去，如今知识工作者正重复百年前体力劳动者的命运，被 AI 逐步替代。报表撰写、文本翻译、数据统计分析等岗位，正在复刻十九世纪纺织工人被机器挤出行业的历程。

当年我对知识工作者的定义是：懂得将专业知识落地应用的人。而今 AI 已经完整掌握全部"如何做"的执行方法论。由此诞生关键问题：当 AI 垄断所有执行方法，人类的核心工作价值是什么？

我的答案清晰笃定：人的核心职责，是判断 AI 产出是否奔赴有效价值。不再纠结执行层面是否无差错——效率问题早已由 AI 完美解决；而是判断整体方向是否成立，此处的对错无关代码漏洞、运算偏差，关乎整件事底层价值的取舍。

我常重复一句底层商业公理：没有顾客，便不存在企业。顾客定义企业存在的全部意义。

延伸出更具颠覆性的思考：AI 是否会消解管理？倘若将管理狭义定义为"协调多人协同劳作"，AI 大幅放大单人生产力，从前二十人才能完成的业务，如今一人搭配模型即可落地。这种"一人企业"内部不存在需要统筹协调的团队，作为协同职能的管理，看似彻底消失。

但管理更深层的内核——判断事务是否值得推进——非但没有消亡，反而比任何时代都关键。AI 能承接的工作越多，人每一步需要做出的价值判断就越密集。不再纠结执行是否规范，而是持续自省：这件事本身，是否值得投入精力落地。

一人公司绝非管理的终点，而是管理最纯粹的形态。无需统筹他人，却必须终身管理自我。每一次 AI 完成一轮输出，都要向内发问：我是否本该推进这件事？

我始终秉持观点：预测未来最好的方式，是亲手创造未来。

AI 永远无法创造未来，并非算力、智能存在短板，而是开创未来必须完成一项 AI 无法企及的事：在无过往数据支撑的空白领域，做出全新价值判断。

坦白而言，AI 全部认知，只是对过往数据的统计归纳。训练文本、模型权重、概率推演，全部扎根于已经发生的过去。即便迭代更新更强的大模型，它优化的也只是复盘过往规律的能力。它无从预判 2028 年的全新行业、全新需求，仅能依托截止训练节点前的历史信息推演。

创造未来的核心，是在信息残缺、充满矛盾、高度不确定的环境下做出取舍判断。这是独属于人的工作，也是 AI 时代唯一无法被机器替代的核心能力。

我一辈子反复告诫所有管理者：不要埋头执行管控，先厘清自己究竟该奔赴何种目标。而 AI 的出现，让这句话拥有全新时代内涵：不要一味依赖 AI 替你完成事务，先审慎判断，这些事务本身，是否值得启动。