文 ｜ 防冷涂的蜡

假设你是一家连锁餐饮店的店长。上午十一点，顾客开始排队，你刚准备进后厨帮忙，手机又收到总部发来的经营异常清单：昨天有一项指标低于标准，需要解释原因、提交处理办法。昨天的回复刚发完，今天的新清单又到了。门店没有多一个员工，总部却好像突然多出了一双每天盯着你的眼睛。

这样的场景有了现实中的技术基础。2026年9月，徐升记高级副总裁刘帅介绍，公司过去每周需要8名运营人员花一天半，才能整理340多家门店、50多项经营数据。接入美团“妙手·智能掌柜”后，相关分析可以按天完成，再分发给区域负责人和门店，系统还能生成巡检报告与经营报表。

从总部看，这是一笔漂亮的效率账：以前八个人忙一天半的工作，现在每天都能做。可如果经营分析每天更新，整改要求也跟着变成每日任务，门店节省下来的时间未必有总部那么多。总部终于能随时看到问题，店长却可能需要不断停下手头的事，说明自己为什么还没解决问题。

我们一直期待AI帮公司少开会、少审批、少几个催报表的领导。然而，领导少了，盯着你工作的东西就一定会少吗？

在赞美组织扁平化之前，恐怕得先弄清一件事：大公司那些让人厌烦的规矩，最初为什么会越来越多？

01 一家公司为什么会有这么多规矩？

大公司最容易挨骂的，就是制度。

报销多填一张表，客户退款要等主管批示，换一个货架位置还得先征求区域意见。人们觉得，公司长大了就染上官僚病。

不过，真当你把一家小公司交给一群互不认识的人经营时，你很快就会发现，原来那些讨厌的规矩自有来历。

假设你只有十名员工。

谁会修设备，谁能处理难缠的客户，哪个店员偶尔迟到但办事靠谱，你都心里有数。一旦公司有了几千家门店，情况就变了。总部不可能认识每个店长，也无法靠创始人一句话处理每天发生的退款、招聘、采购和投诉。组织必须找到一种办法，让陌生人也能稳定地合作。

第一步，是把个人经验变成组织规则。 谁负责什么，什么费用可以报销，什么情况必须上报，出了问题如何追溯责任，都提前写清楚。

德国社会学家韦伯将这种依靠专业分工、岗位权限和正式规则运转的方式称为理性官僚制。它首先解决的是规模化协作：人可以离职，职位和制度还能继续运转。

这曾是效率进步。

同样一笔支出，不必看财务经理是否喜欢申请人；同样的食品安全要求，不会因为店长心情不同而改变。一个连锁品牌要保持几千家门店的基本品质，就不能指望每个人都自由发挥。即使今天最推崇扁平化的企业，也不可能真的抛弃职责、授权和标准。

但写出制度，只完成了一半工作。

公司规定员工必须戴手套制作食品，谁来确认他们真的戴了？要求客服不得随意承诺退款，谁来听录音？要求区域经理及时整改，又由谁核实整改结果？一条规则想要产生作用，至少要有人知道它、遵守它，还要有人检查是否遵守。

第二步，是把监督做成一份专门的工作。 泰勒的科学管理曾把生产活动拆解成标准动作，再通过检查提高执行一致性。委托—代理理论则解释了另一层原因：管理者看不到每个人的实际努力，也无法保证员工的选择总与组织目标一致。所以企业需要主管、质检、财务审核和各种汇报制度。

从一个员工的视角看，这些人似乎总在检查自己；从企业经营者的视角看，他们是在为不确定性付钱。门店有没有偷懒，报销是否真实，客服有没有违规，管理者既想知道，又不能无限增加审核人员。控制越深入细节，就越需要时间、工资和协调成本，甚至可能拖慢业务。

第三步，是接受有些事只能管到一定程度。 一位督导一天跑不了几十家店，客服主管也不可能听完所有录音。风险最高的业务逐项核查，其他事务抽查；特殊客户的问题留给一线处理，普通差错等到周报再看。企业保留弹性，固然有信任的成分，也因为没人手管到底。

过去的官僚制因此有一个天然的上限。总部想知道得更多，就得增加负责搜集和核对信息的人；想让制度执行得更严，就得付出更多监督成本。那些没被检查到的动作、没有上报的例外，构成了员工可以自行判断的空间。可如果检查工作突然不再那么昂贵，这个上限还会存在吗？

02 那些省下来的时间，去哪儿了？

答案已经出现在一些中国企业的日常管理里。

据报道，益禾堂的门店需要上传巡检照片，过去由督导花大量时间核对清洁、设备、物料等项目。按照飞书披露的案例，现在AI可以根据照片自动检查，识别重复上传、敷衍填写和风险事项，再把不合格项目交给督导复核。

飞书披露，益禾堂这套系统的审核准确率超过90%，督导重复工作量下降60%，全国督导每天累计节省近1000小时。表面上看，这是把人从繁琐工作中解放出来。但不要忽略另外半张成绩单：总部得以用更少的重复劳动，持续核对更多门店是否按同一套标准做事。

百果园也有类似的变化。公司在2025年ESG报告中披露，AI智能巡店用于识别门店着装、陈列和食品安全操作等问题。过去督导要亲自到店，才能知道货架摆得对不对、操作是否符合规定；如今，部分异常可以由系统持续发现。对于连锁零售，这显然是实实在在的管理进步。

不过，一件事情变便宜以后，使用它的人往往会改变习惯。过去每周核对一次经营数据，是因为需要8个人忙一天半；现在每天都能分析，同样的管理动作自然可以发生得更频繁。企业不会只把省下来的时间存进账本，还可能拿它去发现以前顾不上检查的问题。

先变的是管理范围。

原来单独质检一次普通客户沟通，成本太高；现在系统本来就在处理语音和文字，顺手识别话术偏差就容易得多。类似地，一张门店照片、一次任务延期、一份费用申请，原来可能只有出问题时才被翻出来，现在都可以提前纳入检查。

接着变的是检查频率。

过去一家门店每周汇报一次，店长有几天时间观察情况、调整安排。如今总部每天都能收到异常清单，反馈也可能随之变成每日任务。系统更新越及时，管理者越容易觉得：昨天发现的问题，怎么能拖到下周？

最后变的是管理者的选择。

多发现一次违规，可能减少一次事故；增加一条预警，能在绩效报告里体现管理成果；取消已有检查，万一出了问题却要有人解释。新增监督既便宜又容易说明理由，主动放弃监督反而显得冒险。企业管理层很可能顺着这种激励，一项一项扩大检查范围。

这里还藏着一笔成本。

对总部来说，增加一个监测项目可能只是系统配置；对一线来说，背后却是解释原因、提交材料、接受复核，有时还要改变原本顺手的工作方式。检查者节省的工时，并不会自动变成被检查者的自由时间。 一项项看都有必要的管理，合在一起可能挤满员工的一天。

设想一个区域负责人：周一增加投诉话术监测，周二增加陈列照片检查，周三为了食品安全追加操作留痕。每次决定都站得住脚。麻烦在于，系统能计算新增检查发现了多少问题，却很少有人逐笔核算，一线为这些问题花了多少时间，原本用来接待顾客、培养新人和观察市场的精力又去了哪里。

这就让传统的组织扁平化出现了一个吊诡的结果。

原来需要层层上传数据的工作，现在系统可以直接完成；一个区域经理借助软件，可能管理更多门店。管理岗位减少，审批链条缩短，公司组织图看起来比以前清爽得多。与此同时，规则却能绕过层级，直接进入员工每一天的具体操作。

人们过去凭主管人数判断一家企业是否官僚，今后恐怕要换一种算法：一名员工在完成工作时，有多少动作受到预先规定，多少细节会被持续记录，多少次自行判断需要事后说明。

真正奇怪的地方是，管理的外壳越来越轻，规则的触角却可能伸得更远。

对于经营者，这甚至是梦寐以求的状态：花更少的钱，及时发现更多问题，让不同地区的人保持一致。

但一家公司如果把所有偏差都识别出来、逐项纠正，下一个问题就会变得棘手：员工主动尝试一种与标准不同的做法时，系统会把它当作改进，还是当作异常？

03 谁来为一次破例负责？

想象一名客服遇到特殊客户。按照公司规定，这笔退款需要等待上级批准；客服根据客户过往记录判断，马上处理更有利于维持关系。以前主管只能抽听部分录音，经验丰富的客服可能愿意在授权范围内变通。现在，每一次偏离标准流程的操作，都更容易留下记录，并可能触发解释与复核。

最微妙的地方是，公司根本不需要宣布禁止变通。员工只要算一笔账就够了：照流程处理，即使客户不满意，自己至少没有违规；主动改变做法，客户满意了未必得到额外奖励，出了问题却很容易追溯到自己。

久而久之，制度上依然存在的自主权，实际使用的人却可能越来越少。

第一个变化，是规则开始压过目的。 社会学家默顿早就研究过这种现象：一套原本为实现目标制定的规则，可能逐渐成为人们追求的目标本身。客服的工作本来是解决客户问题，但当遵守流程可以清清楚楚地计分，处理问题的实际效果又难以衡量，按流程办事便成了最稳妥的选择。

这并不只影响服务现场的一次退款。店员发现了不合理的陈列规定，客服发现某类投诉反复发生，销售发现既有话术已经失效，都是组织改进的机会。如果系统只负责记录他们有没有遵守现行流程，员工渐渐就会把改进流程看成别人的工作。那些最接近问题的人，反而失去了提出问题的动力。

第二个变化，是责任心可能被重新分配。 2026年，北京交通大学团队调查美团服务站351组员工和主管。研究发现，算法提供工作反馈，有助于提高员工改进工作的责任感；算法指挥、排班和监控，则与这种责任感下降、主动建言减少相关。同样的技术，一种方式鼓励人思考，另一种却使人习惯等待指令。

这种变化很容易被忽视。管理者每天看到的都是任务有没有完成、异常有没有消除，很难从报表里看到员工少提了多少建议。长期按系统安排做事，员工便容易只关心指标。至于这套指标是不是过时，似乎应该由设计指标的人负责。

第三个变化，关系到公司还能不能发现新机会。 管理学家詹姆斯·马奇把组织学习分成“利用”和“探索”：前者不断改进已经掌握的方法，后者尝试尚未证明有效的做法。

AI很适合帮助企业把成熟流程执行得更稳，但新的产品、新的服务方法、新的经营策略，往往先表现为偏离旧标准。

对食品安全和财务合规，企业当然应该严守底线。可一个店长按照本地顾客习惯调整服务方式，一名产品经理测试不同于历史经验的方案，都可能暂时没有漂亮的数据。如果每件事都先要符合已有指标，探索的难度就会上升；公司越擅长复制过去，越可能对变化迟钝。

早在1996年，阿德勒和博里斯就区分过两种官僚制：一种用制度帮助员工获得信息、解决问题，另一种主要用制度检查服从。

今天，同样一套AI能力，可以告诉店员为什么出现异常、给出调整建议，也可以只判断他有没有按标准操作。区别不在系统有多聪明，而在企业把判断权留给了谁。

到这里，评价一家AI企业的组织能力，可能需要增加一把尺子。

能否全量质检、实时派单、自动纠偏，衡量的是它执行既有规则的能力；员工能否在合理范围内提出异议、尝试例外、推动规则更新，衡量的是另一种能力。前者很容易采购和部署，后者却无法靠增加一套AI系统就能自动获得。

04 结尾 ⁠ ⁠

回到徐升记。总部从每周取得一次经营分析，变成每天都能得到结果，当然有助于更早发现问题。但每天能指出多少异常，与每天应该要求门店回应多少异常，是两回事。

管理者仍要作出判断：哪些问题必须立即纠正，哪些需要留给一线观察、尝试，甚至提出不同意见。

过去，官僚制靠一层层管理者执行规则，也受到管理成本制约。AI让层级减少，监督却能更细。考验随之变化：当所有工作都容易被检查，组织还愿不愿意给人的判断留位置？未来最有活力的公司，也许不是每件事都管得最细的公司，而是有人敢说：这条规则，该改了。