共同管理人与机器的能力

业务问题

团队引入 AI 协助，能力记录却只描述员工技能。管理者无法区分员工可独立完成的工作，以及依赖特定 AI 工具、复核者或业务背景的工作。

设计管理关系

以任务、背景、人员责任、机器协助与验证共同描述能力。保留成功表现证据及其成立条件。能力属于一套工作安排，而不只是工具名称。

建立结构化经营模型

将能力建模为在明确背景下已展示的表现，连接执行者、任务类别、支持工具、监督程度、评估标准与验收工作。能力、可用性与权限分开：有能力的人可能没有时间，有能力的智能体也可能无权对外行动。运营背景改变时，指出哪些评估须重查。这让能力规划具体到足以支持指派与发展决策，同时避免以广泛标签概括个人或智能体潜力。历史还应记录成功所需的人类帮助，才能理解真正可独立运作的能力。

你需要作什么决定

对 HR 主管，此能力应描述人与智能体共同工作的产能。先记录任务类别、所需监督、业务背景与已展示结果，再使用能力标签。能使用 AI 工具不证明能评估其产出，单次成功也不证明智能体可在不同条件重复完成。分开准备者、复核者与批准者的贡献，记录修正投入与被退回工作，再据模式设计培训、支持与指派。避免把所有运营观察直接化为员工排名。确有比较需要时，约定用途、可比较工作与修正错误记录的机会。工具、政策或背景改变可能须重评。目标是形成可辩护的组织能力认知，支持发展与负责任授权，让指派者看见评估限制。同时关注能力来自个人、工具还是特定协作安排，防止关键复核者缺席后，公司仍误以为原能力完全可用。

如何用于实际业务

跨职能企业中，同一请求可能在销售、交付与支持有不同含义。选一项真实客户或内部承诺，跨边界追踪，保留承诺身份并允许各队有相关视图。记录完成含义在哪里改变、谁负责状态转换，以及另一团队需要什么证据。此例不依赖特定软件，工具更换后管理模型仍应可理解。下一个团队能依关联背景行动，而负责人能解释实际观察到的结果，试行才有意义。未接通的步骤须明示，避免人工补充的信息被误认为系统已自动掌握。

管理原则

能力应按人机协作安排预期完成的工作评估。记录任务类别、相关背景、所用协助与验收标准。工具访问不代表能力，单次成功也不证明持续表现。让复核工作量可见，因为表面自动化可能依赖大量人工修正。目标是理解可靠产能与限制，让未来指派依据已展示能力。使用历史改善培训、任务设计与复核支持，而非将每项观察化为简单排行榜。

实际决策示例

能复核 AI 研究的人，未必已准备好授权其用于客户方案。准备、复核与批准应属不同责任。指派历史须显示人员实际担任角色、所用协助与结果，避免广泛能力标签悄悄变成超出已展示经验的承诺权限。

追踪执行与检查结果

启用自动行动前，先定义运营历史须保留什么。有效记录包含执行者、业务对象、时间、原因、授权、相关输入版本、观察动作与结果状态。失败尝试与成功重试分开。若动作涉及邮件，区分准备、批准、尝试发送及送达观察；尝试寄出不证明收件人收到或已行动。指定异常负责人与人工介入条件，再请未参与同事只凭记录重建事件。缺失背景属模型缺口，增加自主程度前先解决。可观察性因此跨人员、智能体与系统支持问责，而不只是大量无解释日志。还须说明哪些来源未接入、哪些结果仍靠人工确认，避免把局部观察当作全面事实。每次修正保留原因与生效时间，才能持续学习而不覆盖过去。