一、老管法的三个前提，正在被抽走
过去十几年，公司搞数字化，系统上了一套又一套。这些系统干了什么？无非是把原来的管理动作搬到线上：审批还是审批，汇报还是汇报，部门墙还是那堵墙。
AI不一样。传统管理靠什么立起来？靠信息稀缺——老板知道得比员工多，所以要分层级；信息层层传会变形，所以要定流程；谁干了多少不好衡量，所以要看指标。现在，信息稀缺这个前提被抽掉了：查资料随手就有，谁做了什么系统里有实时记录。
一家大型零售企业已经把这件事跑通了：门店提交调货需求，AI根据历史销售、库存周转和供应条件，当场给出调度的安排，在管理平台上生成一条执行指令。管理者不用手动干预，资源流向、任务进度、异常预警随时能看。管理动作本身变成了数据，管理平台和数据平台合成了一个。
制造业那边跑得更快。一家家电工厂用强化学习排产，零件运输一延迟，系统毫秒内重排全厂生产，不再停工等料；机器视觉做质检，漏检率从5%降到0.1%以下。2025年一年，这家企业靠AI省下超过1500万小时工时，节约成本7亿元。
二、4个基本功，一件一件重做
管理学讲了100多年，基本功就4件：计划、组织、领导、控制。这4件在AI时代都得重做。
1.计划，从一张纸变成实时导航。公司的战略变成AI能懂的目标：利润率、市场占有率、库存周转，都成了随时调整的变量。给AI下指令也别再含糊——不说「把物流成本压下来」，而是说清楚：在保证24小时送达率不低于98%的前提下，调整前置仓比例，找物流成本和库存成本之间最好的平衡点。下指令的水平，就是做计划的水平。
2.组织，从请示审批变成互相调用。把公司内部的合作看成能力模块之间的互相调用：任务一启动，相关模块自动响应，可能是一个AI，也可能是一位专家。合作卡住了，老办法是找人谈话，新办法是检查规则——是分工没说清，还是反馈太慢。管理者的身份从调解矛盾的人，变成设计合作规则的人。
3.领导，管算不出来的那部分。算法只认概率和效率，人需要的是安全感和情感连接。AI能算出最优解，但算不出什么叫体面、什么叫人情味、什么叫一家公司长期值得信任。处理这些算不出来的东西，才是管理者真正的价值。
4.控制，从盯指标变成盯创造。传统控制盯指标，本质是防着人出错；AI时代的控制，任务是激发人。一个人给公司贡献了什么新思路、新做法，系统要认得出来，不能只看最后那个干巴巴的数字。
三、岗位让位给角色
岗位描述正在失效。它写的是一个人的边界：干这个，别碰那个。AI时代需要的是一张角色卡：这个角色能调动什么、目标是什么、权限多大、跟谁配合、交出什么结果。权限跟着角色走，跟着任务动态分配；任务结束，权限收回。
有一家200人的游戏开发团队，为了配合，职能切得稀碎，十几个小组各管一摊。引入AI之后，200人的活，5个人就接了。注意，这5个人不是离开公司单干的个人英雄，正相反，他们跟组织绑得更深：会调AI，会用公司的知识库，一个人交出过去一个团队的活。
人多这个优势在贬值，会用杠杆的个体在升值。
四、企业对外那套信息，吃的就是「准备」
把这套逻辑挪到企业对外信息上，同样成立。AI回答关于一家公司的问题时，它的水平不取决于它多聪明，取决于公司准备的水平——准备到位，答案就准；准备不足，它就只能自己往下填。
所以，一家公司对外最常被问的那些问题，答案应该由公司自己先定一版，而不是等AI现场去组织。先定一版的价值不在省事，而在兜底：定下来之后，答得好是这一版，答得不好也是这一版，改的余地始终留在公司手里。
这类提前备好的答案必须落在具体上：适用条件、生效时间、涉及范围，一样都不能含糊。「支持定制」和「30人以上团队支持定制、交付周期两周起」是两个完全不同的回答，AI引用起来，后面的那个才不会走形。这份功夫花一次就够，往后每一次被问到，回的都是同一份准备好的东西。
近期GEO官网搭建受到企业关注，有从业者将企业知识库导入后实现询盘提升，具体操作方式可在公众号「智扣AI」查阅。
结语
AI用不起来，根子往往不在工具，在准备。计划、组织、领导、控制，4件基本功都要重做；对企业对外的那套信息来说，重做的起点是把它当成一件要提前备好的事。当客户开始先问AI、再决定要不要了解一家公司，这家公司最常被问的那几个问题，答案准备好了吗？