AI 与组织 · 观点
精确的账,
算不出不确定的事。
因为探索的产出是“没发生的事”。
而所有“没发生”的价值,在会计上都等于零。

先说一个现象。

在传统企业里,AI 应用这件事,几乎都是信息部门在推。从发现痛点到定义方案,到最后落地,百分之百是信息部提的。

业务部门提不出方案。这不是他们能力差,是他们只看得到痛点,看不到解法——“这个月对账太慢”是痛点,“该上什么、怎么上、上到什么程度算好”是方案,这中间隔着一次完整的翻译。

于是出现一个错位:信息部在做产品经理的活,却被按 IT 部门的尺子考核。

做产品的人,被考核“有没有人天天用”;做 IT 的人,被考核“项目交没交、系统稳不稳”。一个部门干两件事,只用一套尺子量,怎么量都不及格。

01 / 探索不是项目

项目和探索,产出形态完全不同。

项目的产出是系统,探索的产出是信息。

  • 项目的成功是“按时、按预算、按范围交付”
  • 探索的成功是“证明这条路能不能走”

用同一套评价去管这两件事,会逼出一个动作:把探索伪装成项目。 先编一个投入产出比去立项,做完达不到,下次没人敢提。

这就是假创新的生成机制。不是没人想做,是做的成本太高。

02 / 用收益的尺子,量期权的账

投入产出比这个公式,分子是收益,分母是成本。

探索的特点是:成本当下就能观测,收益三年后才知道,而且大概率是零。

一个可观测的分子,除以一个可观测的分母,结果永远是负的。

这个负数不代表项目不好,代表公式用错了对象——探索不是一笔投资,是一张期权。

对比 项目思维 探索思维
产出 系统、功能 信息、结论
成功标准 按时交付、稳定运行 证明可行,或证明不可行
失败的定义 延期、超支 没有拿到结论
该用的尺子 投入产出比 少走了多少弯路

把这张表看明白,很多争论就不用吵了:两边说的“成功”根本不是一回事。

03 / 排雷也是一种产出

一次两周的探索,
结论是“这条路走不通”。

那它交付了什么?

它交付了一个信息:这个方向,不用再投了。

这件事的价值,用钱算不出来,但用时间算得出来——它让公司少等三个月,让老板少纠结一轮,让团队不在一个死方向上耗半年。

时间是能看见的,钱是算不清的。
用一个能看见的东西去证明价值,比用一个算不清的数字安全得多。

而且探索的产出不止是排雷。两周试完,即使结论是“不行”,同时拿到三样东西:一套验证方法、一份数据现状的认知(哪些字段缺、口径乱在哪)、团队对模型边界的理解。

这三样是可复用资产,不是一次性的消耗。 这也是“有机制的探索”和“瞎试”的分界线——瞎试每次归零,有机制的探索每次积累。

04 / 真正的代价,不是算错了

这一段是这篇文章真正想说的。

要求精确测算,问题从来不在算得准不准,而在于它决定了什么被允许存在。

一旦所有事都要先算出投入产出比才能立项,评价体系就会自动筛掉那些“算不清但重要”的事。久而久之,组织里只剩下能算的事。

不是人变懒了,是做那些算不清的事的人,在考核表上永远不及格,然后自然被淘汰。

大组织病不是管理不精细,是管得太精细——
精细到只允许确定的事存在。

企业能装进利润表的东西,只有收入、成本、利润。它装不下“避免的风险”,也装不下“没发生的事故”。

而企业的存续,恰恰靠这些没发生的事。

05 / 所以这不是要放宽考核

而是要承认,有一类工作,它的产出只能用“少走了多少弯路”来衡量。

承认这一类,组织才有未来。不承认,就只能靠运气——而运气不在考核表上。

一个反常识的地方:越是管理精细的公司,越做不出新东西。
不是因为它管得差,是因为它管得太好,好到只剩确定性。

精确测算当然有用,它能让确定的事做得更省。但它同时会做另一件事:把不确定的事从组织里清出去。

而所有新东西,出生的时候都是不确定的。

一个只能算清“已经发生”的组织,
注定错过所有“还没发生”的机会。