AI 越强,越需要管理者的真功夫——基于10万+场 Mr. Sen 管理模拟对练的数据洞察

2026-04-02 11:06:05 围观 : 39 次 0 评论

管理没有被 AI 取代只是被重新衡量

过去几个月,AI agent 的进化速度让人很难忽视。像 OpenClaw 这类工具的走红,把“AI 不只是回答问题,而是开始替你完成任务”的想象,突然变得具体:从整理信息到跨应用执行流程,一切都像按下了加速键。热潮之下,一个更现实的问题被反复提起——当 AI 能更快地产出方案、总结重点、推进流程,组织还需要多少管理者?

从表面上看,这个问题似乎指向“管理者会不会变少”,但在企业真实运行中,我们看到的趋势并不是管理消失了,而是管理在分化。那些主要依赖汇总信息、跟进流程、传递任务的事务型管理岗位,确实可能被压缩;但与此同时,真正负责统一理解、明确标准、压实责任、推动协同的管理工作,反而变得更加重要。

AI 让答案更便宜,却让对齐更昂贵。 当协作节奏变快、信息更加充分之后,真正拖慢组织的往往不再是缺方案,而是理解不一致、标准不一致、责任不一致。这样会导致的结果是:每个人都在忙碌,团队似乎一直在推进,但共识迟迟难以形成,执行也在反复偏航。

而共识如何产生,最终往往落在管理者每天最频繁、也最容易被低估的一项工作上:一次次对话。对话质量决定了问题能不能被说清,分歧能不能被化解,行动能不能被确认。

基于这一观察,本文从10万+场北森 AI 领导力教练 Mr. Sen 的管理模拟对练数据、也即真实管理情境中的对话行为出发,尝试回答一个更具体的问题:在 AI 时代,什么样的管理对话更可能真正推动事情向前?

管理对话的难点集中在少数高频高难场景
很多企业的管理培训往往从能力模型出发:反馈、授权、绩效、协作……这些维度当然重要。但把管理模拟演练主题按“热度×难度”展开,会看到一个更直接的现实:管理者最想提升的内容高度集中,他们主动去反复练习的,是少数几个高频出现、又最难处理好的具体场景。
这些场景大多发生在绩效、责任、协作与冲突等议题上,本质上是多重目标的权衡:既要推进结果,又要维持关系;既要坚持标准,又要避免全盘否定;既要明确提出要求,又要降低防御反应。正因为没有标准答案,它们往往成为管理对话的压力点。
图1 Mr. Sen管理模拟场景演练热度✖难度四宫格分布
数据进一步印证了这种集中性:一半以上的管理者会在四宫格左上区域的8个场景上反复练习:
  • 建立信任:如何拉近有距离感的员工?
  • 推动执行:如何让安于现状的员工挑战高目标?
  • 推动执行:如何让高潜员工接受挑战性任务?
  • 推动执行:如何提点工作做不到位的员工?
  • 辅导他人:如何指导眼高手低的年轻员工?
  • 辅导他人:如何帮助优秀员工进一步提升?
  • 沟通协调:如何处理下属与其他部门的冲突?
  • 绩效辅导:如何与不认同绩效结果的员工沟通?
把这些场景归纳起来,可以看到三类典型冲突结构:
一是结果推进型冲突,你要结果,但对方缺乏配合的意愿或能力;
二是关系与边界冲突,你没有绝对权力,却必须推动事情落地;
三是动机与预期冲突,双方对目标理解与精力投入存在根本分歧。
也因此,这些场景一旦处理不当,对话很容易滑向两个极端:要么变成压力与指责,要么变成安抚与模糊,最终都难以形成可执行的共识。
开局阶段的差异:提问多,不等于问题更易被解决
在很多管理讨论里,“多倾听、多提问”几乎已经成为共识。提问,被视为一种更为成熟的管理方式:它象征尊重、体现理解,也意味着不急于下判断,尤其在对话的开局阶段。但在Mr. Sen的演练数据样本中,我们看到一个略显反直觉的现象,在对话前30%的阶段(可理解为刚开始的前几轮互动),高分对话(综合得分前10%)的问句占比为13.0%,而低分对话(综合得分后10%)的问句占比为13.9%,也就是说,表现较差的对话,并不是因为“问得少”,甚至问得更多。提问的数量本身,并不会直接推动问题走向解决。
当我们进一步剖析“有效提问”(即提问之后是否带来信息澄清、讨论聚焦,以及下一步的明确)时,差异便清晰可见,高分对话中,有效提问占提问的比例为8.45%,而低分对话中,这一比例为6.68%
2 不同类别的管理者在Mr. Sen管理模拟场景演练上的提问方式对比图

同样是提问,为什么会导向不同结果?关键不在“问没问”,而在“问完发生了什么”。低分对话的提问更容易停留在表层,甚至带着隐性评判比如反复追问原因(“为什么会这样?”)、要求对方自我归因(你自己觉得问题到底在哪?),对话随之陷入解释与辩护,问题并没有更接近解决。高分对话的提问则更像“定位问题”,把抽象归因转向下一步的具体行动比如卡在什么业务节点?是时间窗口、资源配置还是协作边界?先解决哪个堵点,下一步如何推进?

有效共情:决定对话能否继续推进的关键环节

在管理对话里,共情常被简单理解为“态度好一点、先表示理解”。但从大量对练对话来看,共情更像一个关键环节,它影响对方是否愿意说出真实顾虑,也影响对话能否回到共同解决问题。

从常见表达方式看,共情大致有两种形态。

一种是模板化共情,例如“我理解你”、“辛苦了”、“别多想”。这类表达本身无可厚非,但如果只是用来快速收住情绪,随后立刻进入要求或结论,对方往往会觉得“被安抚了,却没被真正理解”,甚至可能觉得在被敷衍

另一种是有效共情,它先把对方的感受与触发点说清楚(这确实让人委屈”、“如果是我,我也会……”、“我能想象……”),再把背后的担心或限制转化为可讨论的信息(“我们先把你最担心的点说清楚”),最后把讨论落到可验证的具体事项(“下周可以再复盘复盘”)上。它的作用不是停在安抚,而是把对话重新带回同一阵线。

3 不同类别的管理者在Mr. Sen管理模拟场景演练上的有效共情出现率对比图

数据也印证了这种差异:高分管理者在对话中出现有效共情的比例显著更高。这意味着,差距并不在于“会不会表达理解”,而在于能否把共情用成推进机制——把情绪转成信息,把顾虑转成议题,为后续对齐创造条件。这也是为何在数据中,“模板化共情”往往是对话崩盘的重要前兆——它会让对方觉得你只是在走流程,而非真诚对话。

确认:把讨论转化为执行的关键动作
如果说“开局提问”决定了对话能不能走上正轨,“共情质量”决定了对方愿不愿意继续谈,那么真正决定执行力的,往往是一个更容易被忽视的动作:确认。许多管理者将“说完”视为“沟通完成”。然而,没有确认的沟通本质上只是单向的广播:你以为对方理解了,对方却以为你只是在表达不满;你以为标准很明确,对方却以为还有商量的余地;你以为对方答应了,对方却以为你只是在催促。确认的意义,是把默认一致变成明确对齐,让共识转化为下一步行动。
图4 不同类别的管理者在Mr. Sen管理模拟场景演练上的确认动作出现率对比图
在全部轮次对话中,确认动作的总体出现率只有25.1%。而高低分对话在这一点上明显分化:高分管理者确认动作出现率达到38.5%,低分管理者只有13.6%。更值得注意的是确认出现的时机:在对话前30%阶段,总体为6.4%,高分11.4%、低分3.4%;到了对话后20%阶段,总体为7.0%,高分9.5%、低分4.5%。这些数字指向同一个事实:高分对话的优势不仅仅在最后的确认和总结,而在更早把对齐机制放进讨论中。
从管理实践看,确认通常覆盖四类最关键的对齐点:确认理解、确认共识、确认下一步、确认复盘点。这些动作看似细小,但却是区分高分对话与低分对话最明显的信号之一。很多管理者在沟通中会把“把话说完”当作结束,但对方是否真正理解、是否认同、是否知道下一步怎么做,往往并没有被验证。正因如此,“确认”不仅是沟通的礼貌之举,更是将共识转化为实际行动的关键环节。
成长拐点:从生涩到熟练,多数人至少需要4次刻意练习
很多企业的管理培训容易停留在“一次性体验”,但对练数据呈现的规律更接近现实:管理对话能力的提升往往来自连续、多次的重复演练。
基于10万余场对练学习轨迹,我们观察到一条相对典型的学习曲线:第1次更多是在熟悉场景与反馈标准;第2–3-4次开始尝试调整表达方式,持续试错;到第5次左右,对话结构更明显地发生变化;第6次以后,整体表现趋于稳定。提升并非线性增长,而是存在一个从理解到习惯的拐点。
图5 管理模拟演练表现的学习曲线
更重要的是,这种变化不是“话术更熟练”,也不是一次灵感式顿悟,而更像一种结构化习得过程:从快速下结论、带着评判推进,如“你为什么没有按照要求做?”、“这个问题其实是你的态度问题。”,逐渐转向把问题拆清楚、把分歧落到可操作变量,并把讨论导向下一步行动设计,如“我们先把事实对齐一下。”、“你觉得卡住的关键点在哪里?”。这些领导力结构化行为一旦形成模式,在真实工作中也更容易被调用。
结尾:面对 AI 焦虑,最有效的行动是把管理者的不可替代能力练出来
把上面的发现连起来看,会得到一个更清晰的结论:AI 越强,越需要管理者的真功夫。这并不是因为对话需要更“温暖”,而是因为对话是组织在 AI 时代生产共识、推动执行的关键机制。当信息、建议与方案都更容易获得时,真正稀缺的是:能否在关键场景里把问题界定清楚,把顾虑转化为可讨论的信息,并把共识确认成下一步行动。
也正因如此,越来越多组织开始把管理发展从“课堂式输入”转向“教练式训练”,并引入 AI 领导力教练这类新方式:用高频场景复现、统一评价标准与即时反馈,把关键对话动作变成可练习、可复盘、可规模化提升的能力资产。更重要的是,这类训练正在从“通用题库”走向“企业场景定制”——把组织最真实、最高频、最难推进的管理情境沉淀为可反复演练的素材,让练习更有的放矢,也让管理者练得更透,更容易迁移到真实工作中。
AI 时代不缺答案,缺的是把答案变成共识与执行的管理者。

相关文章

发表评论