来源：李论数转 ID：gh_39ff3283f7f8 作者：李论数转
···编者按···
别只盯着AI抢饭碗，它更在给管理学做加法，文中列了四个真实增量。
一是决策质量天花板被抬高：AI照亮"有限理性"的黑屋，把满意解推近最优解。二是研究方法升级，清华AI4S²框架用大模型做"智能语义萃取"，几个月的人工编码几天跑完初稿。三是组织能力可"沉淀"，魏炜的"一企一模型"把锁在人脑的隐性经验固化成模型，人走经验留。四是中国管理学迎来生长契机，联想、中信、招行、云南白药的本土实践，西方理论解释不了。
AI能生成理论，但"成立"与否还得靠人判断。
数字化的这层意思最实在：AI是助手不是主角，加法的价值最终仍由业务与人来检验。
···正文···
打开手机刷一刷，关于AI和管理的话题，十个里头有八个在讲"冲击""颠覆""替代"——AI要抢饭碗了、中层要消失了、科层制要崩塌了。说得都对，但总觉得少了点什么。
少了什么呢？少了"AI给管理学补了什么"这半边故事。
光盯着AI抢了谁的饭碗，容易焦虑。但如果你看看AI给管理学加了什么，可能就不焦虑了，甚至会觉着——这事儿挺让人兴奋的。
今天就来聊聊——AI在给管理学做哪些加法，有四个真实的增量。
决策质量的天花板被抬高了
第一个加法，是对决策质量的提升。
西蒙的"有限理性"理论，是管理学里最诚实的自我认知——人的决策受限于信息、认知和情绪，只能追求"满意解"而非"最优解"。这就像一个人在一间黑屋子里摸东西，摸到一个椅子就坐下来了，不一定是最好的位置，但已经"满意"了。
AI干了什么？它把这间黑屋子照亮了。
以前管理者做决策，能看几份报告？五六份撑死了。能想几种情景？两三种不错了。能注意到几个弱信号？一两个就算敏锐了。现在呢？AI可以同时处理几万份非结构化文本、推演几十种情景、盯住几百个弱信号。你以前摸到一个椅子就坐了，现在AI帮你把整个屋子的布局都看清楚了，你选的位置自然更好。
这不是"替代人做决策"，是"帮人把决策做得更好"。有限理性的天花板，被AI抬高了。"满意解"离"最优解"近了好多。
管理研究方法升级了——从人工编码到智能萃取
第二个加法，是研究方法层面的事。听着偏学术，但对企业也有启发。
以前做管理研究，有个特别费时间的环节叫"人工编码"——研究者把访谈录音、会议纪要、公司文件这些非结构化的素材，一条一条读、一条一条打标签、一条一条归类。几万字的材料，编码下来可能要几个月。而且不同人编出来的结果不一样，一致性差。
清华大学陈国青教授团队提出了一个框架叫AI4S²（AI for Social Science），讲AI怎么把社会科学研究链条重新组装。其中一块就是"智能语义萃取"——用大模型自动读非结构化文本、提取构念、打标签、做归类。以前几个月的活，现在几天就能跑完初稿，而且一致性比人工好。
《管理学研究》2026年第二期还专门出了个"AI与管理研究方法"特刊，提了个12C-PIPE矩阵模型，覆盖生成式AI应用的4个阶段12项关键流程，给研究者一套方法论指南。
这对企业有什么启发？你做市场调研、做客户分析、做内部诊断的时候，以前也是"人工编码"——人读、人分类、人总结。现在AI可以帮你把这些杂乱的文本自动萃取、自动归类、自动总结。效率上去了，成本下来了。
但也有个警钟——学界明确说了，要警惕AI生成的"伪理论"。AI能帮你归纳、帮你生成命题，但判断这些理论到底成不成立、有没有"机制深度"，还得靠学术共同体。AI给的是半成品，不是定论。
组织能力可以"沉淀"了——"一企一模型"
第三个加法，跟企业的核心壁垒有关。
北大汇丰商学院的魏炜教授提了个概念——"一企一模型"。意思是，企业AI的长期壁垒，不是你买了什么系统、用了什么大模型，而是你沉淀出了自己独有的"世界模型"——一套融合了你的战略、业务规则、数据和可执行知识的体系。
这个概念为什么重要？因为以前企业的"组织能力"——那些隐性经验、决策逻辑、行业know-how——是锁在人脑子里的。人走了，能力就散了。老员工退休，经验跟着退休。新人来了，从头摸起。
AI时代，这些隐性经验可以被"萃取"出来——沉淀到模型里、固化到智能体的规则里、写进知识库。人走了，经验留下了。新人来了，AI带着他上手。这就是"组织能力"在AI时代的新形态——从"锁在人脑子里"变成"沉淀在模型里"。
陈春花教授也说了类似的话——AI原生组织下，协同关系变成"人与智能体、智能体与智能体"。组织设计的基本单元从"岗位"变成了"智能体+人"的组合。这意味着什么？意味着组织能力不再只靠"招到什么人"，还靠"沉淀了什么模型"。模型是组织能力的新载体。
别人能买你的系统，但买不走你这套沉淀。这就是壁垒。
中国管理学的生长契机
第四个加法，格局更大一些——中国管理学的生长契机。
说句实在话，中国管理学过去几十年，主要在学西方——泰勒、法约尔、韦伯、梅奥、西蒙、德鲁克……教科书里的理论基本是西方的。不是说不好，是"拿来用"的时候总有些"水土不服"。中国的产业环境、组织文化、人际关系跟西方不一样，直接套理论经常套不上。
但AI时代给了一个契机。中国实体产业——制造、汽车、医药——的AI落地场景，是西方教科书里没有的样本。联想搞AI原生组织，让AI进了主价值链，连续两年拿了管理实践权威奖项。中信银行落地了超1900个AI服务场景。招商银行用AI替代了1556万小时人工。云南白药把数据资产入表，传统企业长出了"数据公司"的基因。
这些实践，西方管理学理论解释不了，因为西方没遇到过这种场景。中国的管理学年会主题也在跟着变——2025年第二十届年会的主题是"人工智能时代的管理创新"，2026年工业工程与管理技术创新年会上，中科院汪寿阳研究员作了《关于AI时代管理科学理论体系构建的几点思考》的报告。
一个清晰的信号是——中国管理学正从"借鉴西式范式"转向"从本土实践中生长方法"。这些本土的AI实践，恰恰是管理学新理论的素材库。
冷思考：AI能生成理论，但判断价值还得靠人
说了四个加法，最后泼一点冷水。
AI能帮你萃取信息、归纳概念、生成命题——但"生成"和"成立"是两回事。AI给你一个"理论"，它看着挺像那么回事，但有没有"机制深度"？有没有解释力？经不经得起实证检验？这些判断，AI自己做不了，得靠学术共同体——靠人来判断。
清华大学的研究也明确提了这条警示——模糊的、争议性的构念，仍须专家人工校准。AI能做"广度"，但"深度"还得人来兜底。
所以这四个加法，不是"AI自动给管理学加了四样东西"，而是"AI帮人把四样东西做得更好了"。决策质量提高——AI帮你照亮屋子，但选哪个位置还是你定。研究方法升级——AI帮你萃取和归纳，但判断理论成不成立还是学术共同体说了算。组织能力沉淀——AI帮你把隐性经验固化成模型，但模型好不好用还是业务来检验。中国范式生长——AI给了新的实践土壤，但理论还得从实践里长出来。
AI是助手，不是主角。主角还是人。
点击下方关键字，查看原创热文
（截至26年9月）
典型案例：| | | | | | |
理念解读：| | | | | | |
应用场景：| | | | | | | | | |
业务系统：| | | |
数智科普：| | |
米多是国内领先的营销数字化整体解决方案提供商，为企业提供顶层设计（营销数字化蓝图/架构/体系等）、系统规划（一物一码/智能营销/渠道管理）及运营落地（扫码发红包/一元换购/五码合一等）提供服务，用数字化驱动业务增长。
热门跟贴