我们越来越习惯用「效率」来衡量一项工作的价值：会议能不能更短？流程能不能再简化？方案能不能更快完成？那些过去需要几个人讨论、查找资料、反复修改的工作，能不能直接交给 AI？
没有人会怀念无休止的表格整理、重复的信息搬运，以及那些耗费大量时间却没有产生真正价值的会议。技术帮助我们摆脱这些消耗，是一种进步。
但一个容易被忽略的问题是：当组织不断消除低效时，会不会也在无意中消除一些产生能力、关系与意义的过程？这可能是 AI 时代，组织健康必须认真面对的一个新问题。
一、效率回答「如何更快」，却不能回答「为什么值得」
AI 正在进一步改变知识工作的形态。报告、演示文稿、分析和策略建议，都可以更快地被生成。我们与最终产出之间的距离越来越短，但与工作的真实经验之间，也可能越来越远。
那些常被视为「低效」的中间过程——一起讨论一个问题，围绕不同意见争辩，在信息不完整时探索，做出一个并不成熟的版本，再根据反馈重新调整——从产出效率看似乎都是摩擦。如果 AI 能够直接给出一个足够好的答案，为什么还要花时间亲自经历？
但如果我们只看最终结果，就容易漏掉一件事：人并不只是在过程中完成工作，也在过程中形成自己。
- 判断力不是阅读一个正确答案后自然拥有的，而是在辨别、取舍和承担后果中逐渐形成的；
- 信任不是一次团建活动带来的，而是在分歧、协作和彼此回应中建立的；
- 文化也不只是墙上的一组价值观，而是人们一次次共同解决真实问题后，留下来的集体经验。
因此，效率与意义真正的冲突，并不是「快」与「慢」的冲突，而是我们是否只看见了产出，却没有看见过程还承担着什么功能。
二、有些低效是消耗，有些低效却在生成
在管理实践中，我们需要区分两种看起来相似、实质不同的过程。
第一种是消耗性过程。 例如重复录入同一份信息，层层转发没有新增价值的文件，为了证明自己忙碌而参加的会议，或者由于职责不清造成的反复确认。这些过程既不增加能力，也不改善关系，更没有提升决策质量。减少它们，就是把人的时间和注意力还给真正重要的工作。
第二种是生成性过程。 它们可能同样不够快，却在产生一些短期报表难以衡量的东西：
- 共同讨论，在生成对问题的共同理解；
- 不同意见的碰撞，在生成更完整的判断；
- 试错与复盘，在生成可迁移的能力；
- 艰难但坦诚的对话，在生成关系中的信任；
- 共同经历一次挑战，在生成团队的身份与意义。
如果我们没有看清这种差别，就可能把所有「摩擦」都当作浪费，把所有「绕路」都当作能力不足。最后，流程的确缩短了，人的参与也减少了，但组织可能因此失去更重要的东西：一个团队可以很快地拿到一份方案，却没有人真正理解方案背后的逻辑；可以由 AI 生成一份漂亮的复盘，却没有发生真实的自我反思；可以迅速形成一套价值观文本，却没有经历过关于取舍与冲突的深度对话。
我们得到了结果，却没有获得结果本来可以帮助我们形成的能力。
三、同时，也要警惕对「过程」的浪漫化
过程一定能产生意义吗？低效是否天然值得保留？答案显然是否定的。
共同讨论可能形成理解，也可能只是少数人的重复发言；反复修改可能锻炼判断，也可能源于决策者迟迟不愿承担责任；一项工作让人经历了很多困难，并不意味着这些困难就具有成长价值。
管理者尤其需要警惕，用「过程有价值」为糟糕的组织方式辩护：会议冗长，是为了充分共识；职责模糊，是为了加强协作；反复加班，是为了磨炼团队；一件原本可以简单完成的工作被层层加码，也被解释成培养人才。这些说法听起来都重视人，实际却可能掩盖了管理问题。
我们需要区分的，不只是消耗性过程和生成性过程，还有两种不同的摩擦：
- 必要的摩擦，来自复杂问题本身。例如不同利益之间的权衡、重要决策中的分歧，以及改变固有认知时的不适；
- 人为的摩擦，来自权责不清、信息割裂、能力不足和不必要的控制。
前者不能被一个快速答案轻易绕过，后者却应该被流程优化和技术尽可能消除。
过程也不会自动产生意义。只有当人拥有一定的自主选择，能够运用和发展能力，获得真实反馈，并与他人形成有质量的连接时，一个过程才更可能成为「生成性的」。否则，所谓有意义的经历，可能只是管理者站在组织立场上赋予它的解释。
四、AI 不只是替代任务，也在重新设计人的经历
讨论 AI 应用时，组织最常问的问题是：「哪些工作可以交给 AI？」这是必要的，但还不够。因为每一次自动化，都不只是改变任务由谁完成，也在改变人将会经历什么、不再经历什么。
- 如果 AI 帮助咨询顾问整理访谈资料，使他能把更多时间用来理解客户真正的困境，这是释放。如果 AI 直接替他完成诊断，而他只负责把结论交给客户，短期看效率更高，长期却可能削弱其专业判断。
- 如果 AI 帮助管理者梳理反馈信息，让他更充分地准备一次绩效对话，这是赋能。如果 AI 替他生成所有评价，而管理者没有认真观察员工、理解情境并形成自己的判断，那么被节省掉的，可能正是管理者成长所需要的过程。
- 如果 AI 帮助学员记录和整理一次反思，使他能够看见自己的模式，这是支持。如果 AI 连反思也代为完成，学员得到的可能只是一段正确的文字，而不是一次真实的自我突破。
所以，衡量 AI 应用的价值，不能只看节省了多少工时、提高了多少产量。我们还需要追问：它让人的判断更强了，还是让人越来越不需要判断？它让人与人之间的对话更深入了，还是让人用机器生成的结论绕过了对话？它把人从消耗中解放出来，还是把人从有意义的经历中移除了？
我们也不能简单地认为：只要 AI 替代了某个过程，人的能力就一定会退化。计算器减少了手工计算，搜索引擎改变了人们记忆信息的方式，但这些工具也释放了认知资源，使人能够处理更复杂的问题。AI 同样可能削弱一些旧能力，同时催生新的能力要求：从搜集信息转向辨别信息，从制作内容转向定义问题，从给出答案转向审视假设，从熟练执行转向承担判断责任。
真正需要回答的，不是「这个过程有没有被 AI 替代」，而是：被削弱的是什么能力，被增强的又是什么能力？新的能力，是否足以支撑组织未来需要的判断与创造？
人也不必亲自完成每个步骤，才算真正参与。医生不需要操作每一项检测，管理者不需要阅读全部原始数据。组织真正要识别的，是那些不可外包的认知节点：问题如何定义，哪些证据值得相信，不同价值如何取舍，风险由谁承担，以及最终决定意味着什么。AI 可以帮助准备、分析，甚至提出挑战，但这些关键节点上的责任，不能随着任务一起被外包。
五、效率的收益归谁，代价又由谁承担？
还有一个更现实、也更容易被忽略的问题：效率提升之后，节省出来的时间真的会回到人吗？
理论上，AI 可以让人减少重复劳动，把时间用于创造、关系和深度思考。但在很多组织中，提高一倍的效率并不意味着员工可以拥有更多思考和休息的空间，更可能意味着绩效指标继续提高、任务数量继续增加。于是，AI 节省下来的时间很快被新的工作填满。员工没有从消耗中真正获得解放，只是被要求以更快的速度持续产出。
这说明，效率与意义不只是一个工作设计问题，也是一个分配问题：
- 效率带来的收益主要归组织、客户还是员工？
- 工作总量会相应减少，还是产出要求不断提高？
- 员工获得了更大的自主空间，还是接受了更细密的监督？
- 所谓「有意义的过程」，究竟是谁在获得意义，又是谁在承担时间和情绪成本？
领导者可能认为一场共同研讨很有价值，员工感受到的却可能是额外加班；资深成员在讨论中锻炼判断，新人却只承担整理和执行；组织用「共同创造」要求员工投入更多情感，但成果、认可和发展机会并未被共同分享。如果不讨论这些问题，「AI 让人从事更有意义的工作」就容易停留在一句美好的管理叙事里。
组织当然不必为每个人规定工作的意义。有人从创造中获得满足，有人重视专业成长，也有人只是希望工作是一份公平、有边界的交换。健康的组织不应要求员工必须热爱工作，更不能以使命和文化之名占用一个人的全部生活。组织真正需要做的，不是替员工定义意义，而是避免用制度持续破坏人的尊严、自主、成长与真实连接，并让效率的收益得到更合理的分享。
六、组织健康需要保护「值得亲自经历的过程」
这并不代表我们应该保留低效，更不是要用「意义」来为落后的管理方式辩护。真正需要做的，是在流程优化和 AI 应用之前，多完成一步组织判断：这个过程除了产生结果，还在产生什么？
- 如果它只是在搬运信息，就应该尽可能自动化；
- 如果它正在形成共同理解，技术就应该帮助人更好地对话，而不是替代对话。
- 如果它只是重复套用规则，就可以交给系统；
- 如果它涉及复杂情境中的权衡、伦理与责任，人就不能只在最后按下确认键。
- 如果它只是整理素材，AI 可以承担更多；
- 如果它关系到一个人如何认识自己、改变自己，那么思考和选择必须由本人完成。
这也意味着，未来的管理设计不能只做「任务分工」，还要做「经历设计」。管理者需要有意识地决定：
- 哪些消耗性的劳动应当从人的工作中移除；
- 哪些关键的判断必须由人参与形成；
- 哪些分歧需要团队共同面对，而不能被一个标准答案迅速覆盖；
- 哪些过去重要的能力正在失去，哪些面向未来的新能力需要被有意识地培养；
- 效率释放出来的时间，最终用于更有价值的创造和连接，还是被更多任务重新填满；
- 效率的收益与转型的代价，是否在组织成员之间得到了合理分配。
从组织健康的角度看，一套好的系统不仅要让事情顺利完成，还应当让人在完成事情的过程中变得更有能力，让团队形成更好的关系，让组织积累可以持续生长的文化。
七、不要让效率成为唯一的答案
效率当然重要。没有效率的组织，会让人长期困在无意义的消耗中，同样谈不上健康。但效率应该是一种工具，而不是对所有工作的最终判断。它帮助我们缩短不必要的路径，却不应该替我们决定哪些路值得亲自走过。
在 AI 快速进入组织的今天，我们或许需要经常停下来问：
- 我们正在消除的，是无效劳动，还是必要的共同经历？
- 员工获得答案之后，是否也形成了自己的判断？
- 效率提升释放出来的时间，最终回到了人，还是变成了更多任务？
- 效率创造的收益与代价，最终分别由谁获得、又由谁承担？
好的效率，是让人从消耗中解放出来；坏的效率，则是把人从有意义的过程中移除。真正健康的组织，不会要求人用低效证明自己的价值，也不会把所有不能量化的过程都视为浪费；不会因为机器可以更快地给出答案，就忽视人的判断如何形成、责任由谁承担，以及效率的红利如何分享。
技术可以帮助我们更快到达。而组织需要决定的是：哪些地方值得更快到达，哪些过程值得我们亲自经历。
关键要点
- 区分两类过程：消耗性过程应被技术消除；生成性过程（共同理解、判断、信任、身份）需要被保护。
- AI 改变的是人的经历：自动化不只是替代任务，也在决定人还能经历什么、不再经历什么。
- 效率是一个分配问题：节省的时间若只被更多任务填满，人就并未真正获得解放。
- 管理要做「经历设计」：在优化流程前先判断——这个过程除了结果，还在生成什么？
- 效率是工具，不是答案：技术帮我们更快到达，但哪些路值得亲自走过，只能由组织决定。
延伸阅读
Aaron Horwath, Why Is Everyone in Tech So Sad?, Noema Magazine, 2026 年 8 月 6 日。