使命感被稀释后，组织的认知使命让位于判断使命。但判断本身需要回答一个更前置的问题：判断的依据从何而来？一个判断之所以成立，不是因为它准确，而是因为它建立在对什么值得判断的某种共识之上。所优化的目标本身是否值得追求？这个问题不会因为AI的强大而自动消解，它只是被效率所掩盖了。但当组织将越来越多的决策委托给AI时，价值判断可能会落入真空：既不由AI承担，AI本身无法做价值判断；也不由人来承担，人将决策权让渡给了AI，只保留了“效率”的话语权，却放弃了“方向”的话语权，这个真空的后果是组织可能以极高的效率朝错误的方向行进。
AI的极致与边界
所优化的目标本身是否值得追求。要回答这个问题，需要回到韦伯近一个世纪前做出的一个区分——工具理性与价值理性。
工具理性衡量的是效率，关注的是如何在既定目的下选择最优手段；
价值理性衡量的是意义，不论成本如何，这件事是否应该。给定一个目标，工具理性追问的是“怎么做最好”，而价值理性思考的是“该不该做”。
韦伯没有简单地褒贬其中一方，而是两者之间的作用力：一个社会如果只有工具理性，会变得极其高效却容易失去方向；如果只有价值理性，会拥有崇高的目标却缺乏实现的能力。理想的状态是两者并行——工具理性负责“怎么做”，价值理性负责“为什么做”。
现代组织的管理体系使得工具理性得以高度发展，如KPI、OKR、流程优化、效率提升，这些管理工具的共同特征是将目标给定，然后追求最优实现路径。体系越成熟，工具理性的精密性越高；但价值理性的制度化保障相对薄弱，目的的选择往往被视为战略层的判断或董事会的博弈，而非需要系统化培育的能力。组织花大量资源训练员工“怎么做更好”，却很少训练他们“怎么判断什么值得做”。
这一问题在AI出现之前就已经存在，只是它的后果被人类决策者的价值直觉所缓冲，人虽然不擅长系统化地做价值判断，但在日常运行中仍然隐性地行使着这一功能。AI的出现使这一不对称变得更为突出，AI的核心能力在本质上都是工具理性的操作，给定一个目标函数，AI可以找到接近最优的实现路径，而且速度、规模、一致性都远超人类。但AI完全不考虑目的的合理性，它只关心如何最优地达到，可以说AI是迄今为止最高效的工具理性实现，它将韦伯所忧虑的“只有工具理性”的可能性推到了一个前所未有的极端。
那么价值理性能否也被算法化？答案是否定。价值判断需要多方面因素的综合判断，其中最重要的包括三种。
第一是价值立场，什么是对的、什么是重要的，这不是一个计算问题而是一个选择问题，它要求判断者站在某个位置上，而这个位置本身不能由算法推出；
第二是情境理解，同样的规则在不同情境中含义不同，而情境的把握来自生活经验而非训练数据；
第三是道德直觉，某些事即使有效也不该做，这不是概率计算的结果，而是一种近乎本能的边界感，它来自人类长期的伦理实践和文化积淀。
然而AI没有价值立场，除非被人为设定，三者缺失意味着AI无法回答“值不值得”这一更前置的问题。价值理性是人类认知中AI最难侵入的领域，不是因为它太难，而是因为它的运作逻辑与AI运行有着根本不同。
谁来做价值判断
01
当组织把“怎么做”交给AI之后
组织允许大量的AI介入后，表面上是手段层面的选择，委托的只是“怎么做”，但委托行为本身隐含着一个更深的让渡，当AI决定了“怎么做”之后，“为什么做”的问题往往被默认锁定了。手段的优化先行，目的的审视被推后，那就不是目的决定了手段，而是手段反向锁定了目的。例如，AI推荐了方案A，而方案A的执行需要投入大量资源、调整组织结构、改变既有流程，那么在资源已经投入、结构已经调整之后，质疑“为什么要做方案A”的时机就已经过去了。这种裹挟之所以隐蔽，是因为整个链条中“目的审视”的时机被系统性地消除了，当所有步骤都在高效运转时，停下来问“该不该做”反而显得低效。
更隐蔽的让渡发生在“可衡量”与“有价值”之间。AI擅长优化可衡量的指标，但组织的许多重要目标不可直接衡量，例如，客户信任、品牌声誉、员工敬业度等。当AI被用于优化可衡量指标时，不可衡量但重要的目标容易被忽视，从而导致一种系统性偏差：可衡量的越来越好，不可衡量的越来越差，而组织的实际健康状况可能正在恶化。因为目标函数的选择本身就是一个价值判断，而这个价值判断在AI介入后被边缘化了。人们更多地在讨论“AI优化得好不好”，更少在讨论“我们在优化的事情值不值得优化”。这正是“只有工具理性”在组织日常运行中的具体显现。
02
真空中的责任缺位
手段优化先行，目的审视被推后，可衡量指标淹没不可衡量目标，但如果价值判断只是被边缘化而非消失，那么问题就聚焦到当价值判断的时机被系统性消除后，组织中还有谁在做这件事？
最直接的责任人是领导者。但AI提供的数据分析和决策建议越强大，领导者越容易陷入一种认知陷阱，将“数据支持的决策”等同于“正确的决策”，当领导者习惯于依赖AI的优化建议时，价值判断的能力会逐渐萎缩。更危险的是，这种萎缩是不自觉的，领导者并不觉得自己放弃了价值判断，他们觉得自己在做更科学的决策，当“有没有数据支持”取代“值不值得做”成为决策合理性的标准时，价值判断不是被拒绝了，而是被重新定义为一种过时的、不够科学的方式。这反而是最彻底的让渡，不是被迫放弃，而是主动将价值判断误认为低效决策而自行淘汰。
从组织层面的制度保障的角度来看，在传统组织中，价值判断主要通过治理结构来保障，如董事会的战略讨论、党委的政治把关等，这些机制的设计初衷是在效率逻辑之外保留一个价值审视的空间。但AI时代，这些机制的更新速度远落后于技术的应用速度，许多组织已经有AI在运行，但还没有建立起“AI应该追求什么目标’的审查机制。价值判断的制度真空不是因为组织不在乎，而是因为制度化的速度跟不上技术化的速度。
当领导者个人的判断力萎缩、组织制度保障又跟不上时，价值判断的真空便形成了。占据它的通常是最容易量化的目标，如利润最大化、增长至上、效率优先。这些默认值不需要任何人主动选择，它们是组织在没有明确价值判断时自然遵循的方向，而且与AI的优化逻辑天然契合。而经过审慎价值判断的目标需要有人主动提出、论证、捍卫，成本更高，阻力更大。于是在没有刻意选择的情况下，组织默认沿着最容易量化的方向高速行进，直到某一天发现方向出了问题，而此时改变方向的成本往往因累计付出变得巨大。价值判断的真空不会带来“停顿”而是“没有刹车的加速”。
从优化效率到选择方向
重建的第一步是明确边界：AI是优化器，不是决策者。组织需要在每一个AI应用场景中区分两种决策，优化决策回答“如何最优地实现目标”，方向决策回答“什么目标是值得实现的”。前者可以委托给AI，后者必须由人承担。但这一边界的划定不是一次性的声明，而是需要嵌入每一个AI应用流程的制度设计，在哪个环节由AI优化，在哪个环节由人定方向，方向决策如何约束优化决策的目标函数。
但仅靠个人自觉不足以保障这一边界，因此价值判断需要制度化的框架，哪些决策必须经过价值审查，审查的标准是什么，谁有权做出价值判断，判断的依据如何记录和追溯。正如效率流程和合规流程需要双轨运行，优化决策和价值判断也需要双轨保障。一条轨道上，AI全力优化可衡量目标；另一条轨道上，人审视这些目标是否值得优化，不可衡量的重要目标是否被忽视。
这一重建最终落在领导者的角色转变上。在AI时代，领导者的核心角色不再是做出最好的决策而是确保组织在做值得做的事。领导者的价值不在于比AI更聪明，而在于比AI更知道什么值得去追求，从战术层面的“做好”转向战略和伦理层面的“做对”，方向守护者的角色比决策者更难，这恰恰是AI无法替代的能力。
写在最后
价值判断是组织选择方向的依据，工具理性与价值理性的分野曾经为组织的方向审视提供稳固的框架，但AI以工具理性极致实现的方式将价值判断从决策链条中系统性消除，从而引发价值判断的真空，这可能导致组织即使效率达到前所未有的高度也可能正在远离真正值得追求的目标。在AI不可阻挡地介入决策的时代，价值判断的重建必须从“优化效率”转向“选择方向”，将方向决策锚定在价值立场、情境理解与道德直觉的综合之上，这也是组织在AI时代避免“没有刹车的加速”、保持方向清醒的根本所在。
作者：正略咨询国企人力资源管理研究课题组
课题组专家：付百航、李必峰、朱强、董翔、秦檀、余义、姚振宇、卢兆弘、陈庆康、韩瑜、于佳、赵福兰
编辑：Xin
责编：Little J
正略集团是一家致力于服务中国企业向人工智能时代转型的咨询公司，以协助企业客户在战略、组织、人力资源、制度流程、营销、研发、生产、物流等关键领域实现转型为目标，通过迭代规划，推动人工智能技术与企业经营管理的深度融合，助力企业优化经营管理，在人工智能时代探索发展机遇，提升行业竞争力。
全国统一业务电话
400-800-0139
正略钧策管理咨询
咨询中国，智惠四海
-END-
推荐阅读：
点击以下【关键词】
查看您感兴趣的内容合集
