中国移动通信集团
负责全员企业文化建设与落地评估,在跨省范围完成超过十万人样本分析。项目连续续签 3 年。
通过组织设计、流程改进与 AI 协同,把复杂问题放回真实业务场景,找到能够落地、持续运行并带来实际改变的方法。
ABOUT
组织设计与 AI 协同
我从 2008 年开始做管理咨询。早期服务大型企业,后来更多进入消费、连锁和成长型企业。服务对象变了,我处理的问题始终很具体:目标怎样分解,责任怎样划分,流程怎样跑顺,经验怎样留下来。
管理咨询对我来说,是一项需要深入现场的工作。先理解一家企业何以成功,看清它的商业逻辑与业务运行方式,再把组织架构、岗位职责、业务流程、协同机制、经营报表、数据分析和激励安排放回经营逻辑中,判断它们是否真正支持业务。
业务最终要靠人来完成。如何调动人的主动性,为员工提供必要的资源、信息与机制支持,让人与人、人与 AI 更有效地协作,是我持续关注的组织发展与战略落地问题。
北京大学光华管理学院
管理学硕士
北京师范大学
心理学理学学士
惠远咨询高级顾问
项目经理
与《哈佛商业评论》合作发表《海底捞的管理智慧》,在《创业家》发表《创业者胜任素质模型》。
THREE CHAPTERS
在和君集团,我主要从事组织与人力资源管理咨询,在具体项目中积累组织设计、人才评价与激励机制方面的经验。团队的专业、敬业,以及客户的口碑与满意度,获得了公司内外的认可。这段经历奠定了我理解管理问题、开展现场工作的基础。
以驻场调研为起点,通过访谈、资料分析与业务观察,明确关键问题、交付范围和评价标准。项目通常围绕具体管理议题展开,例如企业文化践行度评估、胜任力模型搭建与人才评价。
在形成诊断判断后,提出解决思路与实施方案,并推动管理层达成共识;必要时开展全员宣讲,使制度要求和实施安排得到一致理解。
工作不止于提交报告,也包括与大型集团的相关负责人共同完成招聘与培训、薪酬与激励评价等完整管理周期,将方案转化为可执行的动作、记录和反馈。
在惠远,我对管理咨询的方法有了更系统的理解:工作不止于完成一个项目,还要让组织、流程和机制进入企业的日常运营,并持续改进。团队强调“理、事、人贯通”——理解经营管理的原理,把它用于具体问题,并在解决问题的过程中培养人的能力。
回看早期项目,我发现部分企业在顾问驻场时推进积极,顾问离开后却逐渐回到原来的状态。问题不只是方案是否合理,更在于企业内部是否真正掌握了分析、设计和持续改进的方法。
因此,工作重心逐步从替企业设计、推动方案,转向支持主要责任人从零开始构建方案。顾问提供方法、提问与反馈,把思考过程逐步传递给团队,并在真实任务中培养管理培训生和业务骨干,使其能够独立承担责任。节奏可能更慢,但更有利于形成持续的组织能力。
服务范围也从边界明确的专项项目,扩展到持续运营中的问题处理。既关注组织结构、制度和责权,也关注会议如何设置、经营数据如何分析、管理层如何汇报,以及如何在突发问题中形成系统判断、推动协作并复盘。
在精细化运营中,财务口径与经营口径的差异容易造成数据争议。我会协助团队梳理指标定义、核算范围、数据来源与责任归属,明确不同口径的用途和对应关系,再将其落实到报表和信息系统中,让讨论回到同一套事实基础。
现在,我更愿意把过去对组织分工与协作、机制与流程的理解,放到 AI 参与工作的场景中检验。既亲手开发工具,也研究工具进入组织后,工作怎样重新安排、责任如何落实、结果如何评价,让技术能力转化为实际的组织效率。
从高频、重复、结果可检查的工作中识别效率机会,同时寻找愿意学习、能够承担试点责任的业务人员。先明确现有耗时、交付质量和协作难点,再判断 AI 适合介入哪一环。
根据场景探索共享上下文的智能体部署,整理可复用的提示词及调用方式,或借助 Vibe Coding 开发定制化看板和轻量工具。重点是让工具进入已有的输入、处理、审核与交付流程,而不是停留在单次演示。
在试点中明确数据权限、人工确认节点、异常接管和最终责任,用实际耗时、返工、交付质量等变化评价效果。有效的做法再沉淀为流程、Skill 和使用规范,由业务团队逐步接手维护。
大型组织教会我从整体结构看问题,成长型企业则要求每一项调整都尽快回到经营结果。下面是几项能够说明工作范围的代表项目。
负责全员企业文化建设与落地评估,在跨省范围完成超过十万人样本分析。项目连续续签 3 年。
参与青岛分行、新疆区分行管理干部胜任力模型、人才盘点与梯队画像。项目获总行管理创新成果奖。
梳理生产研发基地、营销中心与总部的责权利边界,衔接全面预算和经营分析。相关项目先后续约 5 年。
深入百余家门店,根据人效、翻台和流水数据测算最优及保底人力配置,形成定岗定编和营运标准。
统一产研销数据口径,规范高管经营会议,梳理研发协同流程,并调整直播电商核心团队激励机制。
分别完成高管团队与管理制度建设,以及跨大区组织、人岗匹配、经营报表和例会机制梳理。
组织设计、业务流程和人才管理,是我长期工作的基础。现在,我正在探索 AI 进入企业后,如何与人的工作配合,改善组织效率和交付质量。
从个人工具选择,到智能体参与流程,再到责权、评价与共享上下文,我关注工具背后的组织运营问题,也借助 AI 编程开发产品、积累自己的 Skill。
我更适合处理那些已经影响日常经营、又不能只靠一次培训解决的问题。通常从一个关键业务环节切入,先把现状看清,再决定是否调整组织、流程、工具或激励。
门客 · 你的私人管理智囊。通过一段真实对话,逐步看清问题背后的业务、组织与人的关系。
进入门客对话 →当前为测试版本;请勿输入身份证、账户密码等敏感信息。
好的对话,往往是改变的开始。
研究 AI 如何进入真实工作,以及组织需要随之改变什么。
组织设计、业务流程和人才管理,是我长期工作的基础。现在,我正在将这些经验用于一个新的问题:AI 进入企业之后,如何与人的工作配合,改善整个组织的效率和交付质量。
我的探索从个人工具使用开始,逐步进入智能体搭建、流程协作和组织运营。个人提效、流程接入与组织重构,涉及不同的管理要求,也可能同时发生在同一家企业里。需要根据任务特点和企业条件,判断哪些地方值得引入 AI,以及应该给予多大的自主空间。
从任务出发选工具,建立使用与检查习惯。
02 / AGENT WORKFLOW明确输入、输出,以及人与智能体的交接。
03 / GOVERNANCE把授权、责任和评价放回业务交付。
04 / SHARED CONTEXT让信息有来源、有时效,也有访问边界。
05 / OPERATIONS从一次跑通,到可维护的日常工作。
06 / ORGANIZATION DESIGN重新思考岗位、协作与团队学习。
从具体工作出发,比较不同工具在研究、写作、数据处理、编程和日常事务中的适用范围,建立自己的使用方法与结果检查习惯。选择工具时,我关注任务质量、操作成本、数据边界和长期使用费用,也关注它能否与已有工作方式配合。对于规则清楚的任务,普通自动化也可能是更合适的选择。
把工作要求拆成明确的输入、输出、操作步骤和验收标准,为智能体配置所需知识、工具和访问权限,并设计它与员工之间的交接方式。这里的“训练”,主要是通过业务说明、案例、反馈和测试不断校准行为,不必然涉及训练或微调模型。
我尤其关注任务中断、信息缺失和判断不确定时的处理:何时补充信息,何时交给人,如何避免重复执行或漏掉后续工作。智能体能完成一次任务,只是流程运行的起点。
明确谁提出需求、谁维护智能体、谁审核结果,以及谁对最终业务交付负责。读取信息、修改记录和对外执行应有不同的授权边界,关键动作需要能够追溯和纠正。
评估从引入前的工作基线开始,既看完成周期、交付质量和返工,也计入人工审核、工具调用与维护成本。团队绩效还需要关注协作和知识贡献,避免把工具使用次数当作工作成效,或简单以节省工时作为减员依据。
我正在探索以飞书为协作工具,引入团队共用的公共智能体,帮助连接讨论、文档、任务与项目进展。关注点是让目标、关键决策、当前状态和相关经验能够持续更新,成为团队与智能体共同工作的依据。
这需要进一步明确信息的来源、维护责任、有效时间和访问范围。讨论中的临时判断与已经确认的决定要有所区分;个人或受限信息也不应因为引入公共智能体而默认向所有人开放。
选择高频、价值明确且结果可检查的场景,从小范围试用开始,用真实案例和异常案例检查表现。记录失败原因,持续调整工作说明、知识和工具配置;模型或流程变化后,再检查原有任务是否仍能可靠完成。
我也关注谁承担日常维护、如何控制成本、故障时怎样切回人工,以及一个试点的经验能否被其他团队复用。这些条件决定了工具能否成为稳定的工作支持。
当 AI 持续承担部分工作,岗位边界、审批层级、人员配置和能力要求都值得重新审视。我关注如何围绕业务目标重新安排人机分工,以及员工如何在实际任务中学习判断、审核和改进智能体。
对我而言,AI 原生组织意味着在设计工作时,充分考虑人的判断能力与 AI 的执行能力,并建立相应的信息、责任和评价机制。它仍然是一项需要通过具体场景验证的探索,而不是一套适用于所有企业的固定组织模板。
借助 AI 编程,把具体需求做成能够试用、检查和持续修改的产品。
把反复使用的方法写成可复用的操作说明、输入要求与检查标准。
我也在开发自己的 Skill,将反复使用的方法整理成明确的操作说明、输入要求与检查标准,减少每次从头解释的成本。随着实际使用不断修订,再观察哪些经验具有复用价值,哪些仍然依赖人的情境判断。
目前公开的作品包括:
公众号文章整理 Skill ↗:支持文章整理与表达,让内容保留个人观点和语气。
手写版 PPT Skill ↗:将文章和思路转成可编辑的手写风格演示稿。
海报与手抄报制作 Skill ↗:将主题、文字和视觉要求整理成图文作品。
这些实践也让我继续思考:个人的方法怎样变成别人能够理解和使用的工作说明,以及它进入团队之后,需要补充哪些权限、检查和维护机制。
以飞书为起点,探索信息整理、任务衔接和团队上下文的共同维护。
以飞书中的日常协作为起点,探索公共智能体如何参与信息整理、任务衔接和上下文共建。我关注的是团队能否更容易了解工作背景与最新进展,以及这些信息能否帮助人与智能体完成下一步工作。这部分目前按探索实践呈现。
组织管理的经验,为选择 AI 应用场景提供了判断依据。我更关注那些反复发生、需要多人协作,又能检查结果的工作:信息能否少搬运一次,任务能否少遗漏一个环节,管理者能否更早发现问题,员工能否更方便地获得工作所需的支持。
下面是我希望结合企业实际需求进一步开发和验证的方向,不是已经完成的客户项目清单。具体采用普通软件、自动化流程还是智能体,需要根据业务规则、数据条件和风险来决定。
将分散在不同系统中的销售、客流、商品和目标进展汇集起来,让店长、区域负责人和总部各自看到职责范围内的信息。进一步探索经营异常提示、缺货与调拨建议,以及每日经营信息的定向推送。
这与我过去的连锁门店管理、人力配置研究可以衔接起来:结合客流、工作量和服务要求,辅助比较排班与人员配置方案。重点是让信息支持具体行动,并能够跟踪执行结果。数据口径、门店身份和访问权限需要先核对清楚,经营建议由负责人判断和采纳。
把部门目标、执行任务、预算使用和阶段进展放在同一套工作记录中,减少周报、会议材料与业务系统之间的重复填写。员工可以基于已授权的会议、文档和任务记录生成进展草稿,管理者可以查看任务依赖、资源冲突和需要协调的事项。
在已有的目标预算分解产品基础上,还可以进一步探索不同经营假设下的预算推演与资源安排。AI 可以帮助整理信息、提示偏差,但目标调整、预算变更和任务重新分配需要由相应负责人确认。
将经过确认的薪酬、提成和激励规则转成可核对的计算流程,支持数据归集、规则匹配、异常提示和审核材料生成,减少人工反复整理表格的工作。
这里需要把两类能力分开:明确的金额计算交给规则和程序,AI 协助理解说明、整理资料与解释异常。规则版本、计算依据、特殊情况和调整记录都应保留,由人力与财务审核后进入后续流程。使用 AI 开发工具,并不意味着让模型直接决定核算结果。
以飞书中的会议、文档和任务为基础,探索会前背景整理、会中决策记录、会后任务衔接。对于持续推进的事项,把历次讨论串起来,帮助参与者了解已经确定了什么、还有什么分歧,以及这次需要作出哪些决定。
公共智能体可以准备文档草稿、汇总进展或提示待办;涉及发出消息、安排他人工作或修改正式记录时,应遵循相应授权。任务完成要有实际结果,不能只以生成了一份纪要或待办清单作为结束。
把经过确认的业务标准转成更容易使用的培训材料,包括操作图解、演示动画、拍摄清单和可编辑的视频初稿。AI 先整理内容结构,明确哪些部分可以生成、哪些需要现场拍摄,再由业务人员补充素材与审核。
这一方向可以与我的图文和演示类 Skill 衔接。除了提高制作效率,还需要确保培训材料与当前业务标准一致;流程或产品发生变化时,相关内容也应同步更新,避免旧版本继续流传。
将岗位知识和常见工作情境做成交互练习,例如操作顺序判断、产品知识卡片和服务场景演练。根据练习中的常见错误,为员工提供针对性反馈,也帮助培训负责人调整课程和辅导重点。
评价重点是员工是否理解并能够完成真实工作,而不只是答题分数或排行榜名次。练习记录可以用于学习支持,但不宜未经验证就直接替代岗位能力判断或绩效评价。
围绕岗位要求,辅助整理候选人提供的材料、准备面试问题、归纳面试记录,并提示需要进一步核实的信息。将分散的观察与证据整理清楚,让参与面试的人更容易讨论,而不是让 AI 给出一个无法解释的总分。
这一方向与我过去的胜任力和人才评价工作有关。探索中需要特别注意个人信息的使用范围、证据来源与评价偏差;录用、定薪和人才判断仍由有责任和权限的人作出,不能将模型的推测当作事实。
把团队中反复使用的方法整理成可复用的 Skill,并通过公共智能体连接已授权的制度、项目记录和业务系统。员工可以在日常工作中查找依据、获取帮助,也可以将修订后的方法交回团队共同使用。
我希望进一步探索的,是这些内容如何持续维护:谁负责更新,哪些版本仍然有效,遇到冲突时以什么为准,以及如何认可员工的知识贡献。个人的信息筛选方法也可以扩展为团队的专题信息服务,但要保留来源,并区分外部信息、个人判断与正式决策。
无论从哪个场景切入,我都会先关注几件事:到现场理解工作;把隐含规则和例外讲清楚;核对数据与权限;选择一个可以检查结果的小范围试点;再根据实际使用修订流程。
上线后,还需要有人负责维护、处理失败、控制成本,并检查版本变化是否影响原有工作。对我来说,组织管理与 AI 实践正是在这里连接起来:工具能做什么,需要和人员分工、工作标准、责任安排及效果评估一起考虑。
预算情景推演、门店人力配置和组织诊断,都可能成为后续工具开发的方向。我的兴趣是把管理分析中的假设和计算过程做得可见,让使用者能够调整条件、比较结果,再作判断。
不是把每个想法都写成文章,而是把真实发生过的判断、困惑和试验,整理成以后还能回看的记录。
按主题整理值得反复阅读的文章,保留摘要与来源。尚未收录的主题暂时留白。
把“我实际怎么做的”讲清楚:从工具选择、操作步骤,到最后得到的结果。视频由我上传,介绍和章节由 Codex 协助整理。
借助 AI 编程,把工作中的问题做成可以使用的工具。这里保留各个产品的实际进展,也记录还在摸索的方向。