第 4 章判断力：组织的悟性

一、一百把藏在脑中的尺子 #

每个人脑中都有未写下、未对齐的尺子。把一百个有悟性的人放进同一家公司，并不会自动得到一百倍的悟性。一个人借来的标准，另一个人无法检查；同一个词，在不同人手里可能有不同刻度；判断者离开时，适用条件和反例也会一起离开。

同一场产品会议里，产品负责人主张立刻上线，依据是新增用户；客服负责人要求推迟，依据是投诉增长；技术负责人提出先发布一半，依据是另一组风险数据。三种意见使用了增长、信任和稳定性三种排序标准，引用的事实也不相同。会议即使形成结论，只记录最终选择，仍然无法判断分歧来自标准还是信息。

个人独立完成判断时，标准来源、适用条件和反例经常不会形成记录。进入组织后，第二个人只能看到结论；经过多次转述，判断便只剩一句脱离条件的命令。

所以，个人悟性很难靠复制个人直接放大。公司可以多招人，却不能订购一百份同样的直觉；可以请高手开会，却不能保证他离开后仍有人能够重建取舍依据。个人判断要成为组织能力，必须先回答一个更朴素的问题：一个判断离开做出它的人之后，究竟还能留下什么？

二、组织判断力不是老板判断力 #

组织判断力，是个人悟性被沉淀、统一和复用后的组织资产。

沉淀，不是把结论抄进会议纪要。一句“这个功能不要做”没有留下判断，只留下命令。真正需要保住的是结论之前的东西：当时用什么标准取舍，记录了哪些事实，哪些条件被视为成立，还有什么结果会推翻原判断。少了这些内容，后来的人只能照做，不能检查；环境一变，也无法判断该继续坚持还是及时停止。

统一，也不是要求所有人给出同一个答案。它要求参与同一项判断的人，至少能确认大家是否在使用同一组优先级、边界和证据口径，是否依据同一版本的相关事实。意见仍然可以不同，但记录必须区分标准差异、事实差异和推理遗漏。

复用，则要经过换人检验。原作者不在场，另一支团队能否依据记录重建这次判断，确认它的适用条件，并在新证据出现时修订它？如果只有写下这句话的人会用，文档只是他的外接记忆；如果别人也能检查和继续加工，它才开始成为组织资产。

这样的资产并不保证组织永远正确。写下来的标准可能过期，共享的事实也可能一起出错。组织判断力增加的，不是一次做对的概率，而是判断摆脱个人之后仍然可以被追溯、质疑和改进。老板连续做对多次，只能说明个人判断有效；其他人依据同一组材料也能继续判断，才说明判断已经进入组织。

三、为什么偏偏是两个统一 #

一次判断至少有三部分：做判断的人、用来取舍的标准，以及眼前问题的上下文。

做判断的人带着自己的知识、经验和推理能力。悟性发生在这一层。问题在于，这个人本身无法直接复制。组织真正能从他身上取出、交给别人继续使用的，是另外两部分。

第一部分是判断标准。它回答什么算好、什么更重要、哪些边界不能越过，以及一项证据要满足什么条件才算可信。同样面对一个新产品，优先扩大收入、保护用户信任还是降低安全风险，会产生完全不同的选择。标准没有说清，讨论很容易退化成职位、声量和立场的较量。

第二部分是上下文。它包括当前事实、历史变化、约束条件、仍未确认的假设和已知的不确定性。同一标准作用在最新投诉数据和两个月前的数据上，会产生不同结论。此时仅仅要求“价值观一致”没有用，因为被尺子测量的对象已经不是同一个。

这两部分对应组织里两种不同的故障。标准没有统一，同一事实会得到不同排序；上下文没有统一，同一标准会作用在不同版本的事实之上。把两种故障混在一起，处理办法通常只剩“加强沟通”或“提高执行力”；把它们分开，才能确定应该对齐尺子，还是补齐材料。

战略、文化、流程、激励、人才和治理当然仍然重要。资本也不会因为 AI 出现就失去作用，执行更没有从物理世界、监管责任和复杂协作中消失。两个统一不是公司成功的全部充分条件。它们回答的是一个更窄、也更关键的问题：当个人悟性要变成共同判断时，哪两类输入必须能够被共享和治理。

推理方法是否构成第三类？如果一种方法可以写成检查步骤、证据要求或停止条件，它属于判断标准；如果它仍然只存在某个高手的头脑里，它还是个人能力，尚未成为组织资产。新出现的数据也不是第三类，它会进入上下文。两个统一不是把管理世界硬塞进两个盒子，而是给组织判断留下一个最小接口：用什么尺子，量哪一组事实。

四、从大模型借一面镜子 #

大模型处理信息的方式，为这两类输入提供了一个直观参照。

在 Transformer 中，同一段输入会经过多组不同的学习投影，并行建立词与词、位置与位置之间的关系，再把结果合在一起。技术上，这叫多头注意力（Vaswani 等，2017）。白话说，模型会同时从若干角度处理材料，而不是只沿一条固定线索往下读。

随后，上一层形成的表示还会进入下一层，由结构相似但参数不同的模块继续加工。这种连续处理可以概括为多层同构堆叠：同一批材料经过多个角度的检查后，前一层的结果还会被继续处理，关系和权重也随之改变。

模型最后怎样处理一段材料，一方面受训练中学到的权重、任务指令和目标约束影响，另一方面受它此刻能够读到的输入影响。借到组织里，前一部分对应“用什么角度和尺度作判断”，也就是判断标准；后一部分对应“眼前有哪些事实可供处理”，也就是上下文。这不是严格的一一映射，却解释了为什么同一个模型换一条指令或少一段材料，就可能给出不同答案。

这个参照也有清楚的边界。注意力头不是会议室里几个分工明确的专家。研究发现，注意力权重通常不能直接当作模型为何给出某个答案的解释；不同的注意力分布甚至可能产生相近的输出（Jain 与 Wallace，2019）。解释性研究已经能从大模型内部提取一部分可理解的特征，但这些特征仍不完整，也不能呈现模型怎样把它们组合成每一次回答（Anthropic，2024）。模型写出的推理过程同样不能自动当作审计记录；实验已经观察到，隐藏提示改变答案后，模型可能生成与答案一致、却没有披露提示影响的解释（Turpin 等，2023）。

因此，模型内部的判断方式不会自动变成一份人能阅读的规则表。开放权重可以被复制，不等于其中的判断可以被拆成清楚条款；模型能回答“为什么”，也不等于它忠实报告了内部计算。对一家普通组织来说，这套判断仍然不能被直接看见、逐条检查，再原样交给员工使用。它更无法和成员脑中的隐性标准自然对齐。

这正是组织不能照搬模型内部结构的原因。公司需要的不是让每个人都拥有同一组隐藏参数，而是把关键判断做成显性的共同材料：标准写明价值对象、优先级、证据要求和边界；上下文写明事实、来源、假设、未知项和版本；决策记录再留下结论、可能推翻它的信号与复核时间。这样，人和 AI 才能围绕同一份可检查的东西工作。

大模型与组织之间只有结构类比，不构成证明。Transformer 的结构不能证明公司必须怎样组织，更不能证明两个统一足以带来成功。这个类比只说明两点：判断需要从不止一个角度处理信息，而处理结果取决于模型实际获得了什么信息。组织若要稳定地使用人和 AI，同样不能把判断角度留在个人习惯里，也不能让关键信息散落在互不相通的地方。

五、两个统一的四种状态 #

把判断标准和上下文画成两条轴，就得到“两个统一”。横轴是判断标准的统一程度，纵轴是相关上下文的统一程度。轴上的高低只描述某一次或某一类判断，不是公司的永久标签。

左下，标准不一致，上下文也不一致。每个人依据不同信息，用不同尺度作出选择。争论发生以后，现有记录既无法确认参与者是否在回答同一道题，也无法定位应该先核对标准还是事实。这是分歧不可追溯的状态。

左上，上下文比较一致，标准却不一致。参与者使用同一组事实，但对价值、优先级和风险边界的排序不同。这种状态仍能支持探索，因为分歧已经显露，组织可以直接比较各套标准，而不是让职位和声量决定结果。这个位置可以叫同事实，异标准。

右下，标准比较一致，上下文却不一致。组织采用同一价值观和决策规则，参与者手里的数据、客户反馈或风险信息却属于不同版本。相同的尺子量着不同的对象，结论便会分开。诺基亚 2005—2010 年间的负面信息过滤，就是这种失真的实例（Vuori 与 Huy，2016）。共同标准不能修复失真的事实。这个位置是同标准，异事实。

右上，两者都达到足以支持当前判断的一致程度。决策记录写明取舍标准，参与者也能访问同版本的相关事实；即使由不同团队或 AI 处理，判断仍然可以被追溯和复核。右上不要求人人同意，它表示可审计的分散判断。这是 AI 原生组织的基础，不是 AI 原生组织的完整定义。

图：标准回答用什么尺度取舍，上下文回答尺度作用于哪些事实。

“统一”还需要两条边界。第一，统一标准不等于统一具体答案。相同标准面对不同地区、客户或阶段，允许产生不同选择；真正要一致的是排序依据、证据口径和不可跨越的边界。第二，统一上下文不等于全公司都能访问全部信息。薪酬、并购、医疗数据和安全事件都有权限要求。验收口径是：对同一项判断负责的人能够使用同一版本的必要事实，材料同时标明哪些信息受限或尚未取得。

即使到了右上，共同标准仍可能有偏差，共享数据也可能遗漏重要变量。两个统一提供的是检查错误的条件，不是免于错误的保证。错误发生后，记录可以把问题定位到待修订的标准或持续验证充的上下文。

六、统一标准，先问价值 #

如果组织要使用共同标准，最底层的起点是：以价值去判断。

它不是一句“要有价值”的道德口号，也不是遇到任何问题都能自动算出答案的公式。它要求组织在选择之前把排序依据说完整：这件事为谁带来什么可观察的改变，信号应在什么时间出现，又有哪些边界不能为了结果跨过去。

比如，同一个功能既能提高短期使用次数，也可能增加误导用户的风险。只说“增长重要”或“用户第一”都不足以判断。团队需要进一步说明要改善哪类用户的什么处境，用什么证据确认改善确实发生，以及安全、诚信和合规边界画在哪里。写到这一步，口号才变成可以检查的标准。

价值也不能替代专业标准。医疗判断仍要服从安全和证据要求，财务判断仍要符合会计与法律规则，产品判断仍要理解具体用户。以价值去判断只提供最底层的排序方向：当多个方案都能做时，不按提案人的职位、团队的忙碌程度或一时声量决定，而是把它们将创造的真实改变摆到同一张纸上。

这条标准在事前最有用。结果出现后再定义“长期价值”，无法形成可检验的口径；事前写明对象、结果和边界，现实才有机会否定它。钱、时间和判断怎样配置，是限制性资源的问题。

七、段永平影响圈：判断怎样变成可复制的话 #

OPPO 的官方招聘页面、vivo 的企业文化说明和拼多多提交给美国证券交易委员会的招股文件，都使用了同一个词：本分。

OPPO 的现行招聘页面把它展开为五项：做正确的事、批判性思考、求责于己、不赚人便宜、本分高于诚信。vivo 在 2014 年的官方说明中，把本分解释为保持平常心，排除困难、压力和诱惑的干扰，回到事物本原，坚持做正确的事并力求把事情做正确。拼多多 2018 年的招股文件则列出诚信尽责、不受外部压力干扰、不占别人便宜、出现问题先反省等内容，并把管理层的本分落到持续为消费者创造价值上（OPPO，现行招聘页；vivo，2014；Pinduoduo，2018）。

这些说法并非逐字相同，约束的行为却高度重叠：外部压力下保持原有取舍标准，问题发生后先检查自身责任，拥有谈判优势时不占对方便宜，面对多个选项时明确价值对象。它们不是某个产品的操作步骤，而是用于不同问题的取舍语言。

段永平在 2018 年斯坦福交流的公开整理稿中，把本分和平常心解释为回到事物本原，“做对的事情，和把事情做对”（段永平，2018，公开整理稿）。这句话压缩了两种不同判断：先确认方向是否值得，再提高完成它的能力。到了 OPPO、vivo 和拼多多的正式文本里，它又被展开成更具体的行为边界。

这种语言并不依赖段永平每天发指令。2019 年，他在公开回应中说，自己从未遥控 OPPO 和 vivo，对公司情况主要也是从网上了解；他同时说，把黄峥称作弟子并不合适（段永平，2019）。“段永平影响圈”不是一个存在控制关系的正式组织，只指共同判断语言影响到的一组企业和个人。

这组材料能够确认判断语言发生了复制。一个人的主张离开原说话者以后，进入了其他组织的招聘、品牌说明和上市文件；其他成员可以引用、重新解释，也可以用它检查具体行为。个人的隐性判断无法逐字传递，写下来的标准却能被讨论。

企业文化页面是组织的自我陈述，不是实际决策的录像。共同使用“本分”不能证明每位成员都按它行动，更不能证明几家公司的经营结果由这一个词造成。段永平影响圈最能说明的，只有“让判断变成可复制的话”：它留下了直接文本证据，却不能拿市场份额、估值或跨周期胜负替这些文本证明因果。

判断标准写成文字后，上下文缺口仍会造成决策分裂。参与者如果掌握不同事实，或者关键关切没有进入同一份材料，再清楚的使命和价值观也不能补齐信息。2023 年 11 月的 OpenAI 董事会事件呈现了这种断裂。

八、OpenAI 的五天：最高层上下文怎样断裂 #

2023 年 11 月 17 日，OpenAI 董事会宣布解除 Sam Altman 的 CEO 与董事职务。公告把解职归因于 Altman 在沟通中并非始终坦诚，妨碍了董事会履行职责（OpenAI，2023a）。

这项公开理由指向管理层到董事会的信息缺口。董事会随后的行动又暴露出相反方向的断裂：管理团队、员工和关键合作方没有提前得到足以理解这项重大决定的材料。

三天后，超过七百名员工在联名信上署名。当时 OpenAI 约有七百七十名员工（The New York Times，2023）。信件要求恢复 Altman 和 Greg Brockman 的职务并重组董事会，否则签署者可能转往微软。员工人数说明这项决定迅速失去了组织支持，却不能说明事实真相已经通过投票决定。多数人的选择可以改变治理结果，不能替代对原始关切的核验。

11 月 21 日，OpenAI 作出重新聘用 Altman 与 Brockman 的决定；公司在 22 日对外宣布原则协议。这段从 17 日到 22 日的过程通常被概括为“五天风波”。正式回任公告发布于 11 月 29 日，新初始董事会由 Bret Taylor、Larry Summers 和原董事 Adam D’Angelo 组成（OpenAI，2023b）。

次年 3 月，OpenAI 公布了 WilmerHale 审查的摘要。审查团队查看了三万多份文件，进行了数十次访谈。摘要称，原董事会与 Altman 之间的关系破裂和信任丧失引发了 11 月 17 日的事件；解职决定并非出于对产品安全、产品安保、开发速度、公司财务，或面向投资者、客户和商业伙伴陈述的担忧（OpenAI，2024）。

同一份摘要也指出，原董事会在压缩的时间内执行决定，没有提前通知关键利益相关者，没有进行完整调查，也没有给 Altman 回应董事会关切的机会。摘要认定董事会有权解除他的职务，但他的行为并不必然要求解除；相关决策准备也没有覆盖公司随后出现的动荡。

这些事实呈现出双向的上下文断裂：管理层沟通被公告指为不完整，董事会作出决定前的调查、回应机会和利益相关者通知也不完整。双方受“确保通用人工智能造福全人类”这句正式使命约束，却没有共享足以检查判断的事实、关切与程序。

这不等于董事会一定错误，也不等于 Altman 因回任而被证明完全正确。五天后的结果是员工、合作方、治理权和组织稳定性共同作用下达成的新安排，不是法庭判决，更不是对全部争议事实的裁定。OpenAI 后来公布的是新董事会转述的审查摘要，完整报告并未公开；原董事会所说“不坦诚”具体指什么，外部至今无法完整重建。

公开材料只支持一项结论：最高治理层没有同一份可供核验的上下文时，正式使命、顶尖人才和先进技术都不能替组织补上缺失的信息。做大模型的公司，也会在最需要共同判断的地方失去共同材料。

九、不同组织怎样把判断写出来 #

判断标准和上下文并不只存在于商业公司。不同类型的组织，会用完全不同的载体让它们变得显性。比较这些载体有助于看清机制，但不能拿规模和结果替理论作证。

中国共产党把大量判断标准写进纲领、章程和党内法规。2022 年党章明确提出用理论和基本路线统一思想、统一行动，并规定民主集中制、请示报告、上下级互通情报和党务公开等组织要求。《中国共产党重大事项请示报告条例》进一步规定哪些事项必须上报、由谁负责以及通过什么程序处理（中共中央，2019）。2023 年发布的调查研究工作方案，又把问题梳理、实地调研、深化研究、解决问题和督查回访写成正式步骤（中共中央办公厅，2023）。

马斯克企业群采用的是另一种载体。马斯克在 2013 年 TED 访谈中把第一性原理解释为从最基本的事实出发向上推导，而不是只按类比复制别人的做法（Musk，2013）。Tesla 在 2006 年和 2016 年公开两版主计划，把长期目标与产品路径写给员工、投资者和外界看。SpaceX 的星舰飞行测试记录则会说明测试目标、未完成事项、调查方向和下一轮改动；公司把这种做法称为快速迭代开发（Musk，2006、2016；SpaceX，2024）。

两类样本的共同价值，只在于让载体可见：一种依靠制度文本和正式报告关系，另一种高度依赖创始人语言、公开计划和工程反馈。公开材料可以确认这些机制被写了出来，不能单独证明它们始终有效。中共的制度文本无法证明信息从不被过滤、标准从不被选择性执行，更不能证明两个统一不存在规模上限；马斯克的公开方法也无法证明几千名工程师都按同一种方式推理，或跨公司业绩由这些机制造成。计划中的开发测试可以产生重要数据，测试失败仍可能带来安全后果并接受监管调查，不能因为目的是学习，就把所有爆炸都写成“不是事故”。文件让判断获得被检查的入口，实际结果才检验文件中的机制是否发生。

十、五项检验：先做诊断，再谈指标 #

“我们公司很有判断力”无法被反驳，也就无法帮助管理。要检查判断有没有离开个人，可以从五个方向观察：胜率、纠偏率、复制率、迁移率和外溢率。名字里虽然都有一个“率”，现阶段却不能直接给公司各打十分，再算出一张排行榜。每一项都要先说清楚数什么、除以什么，以及多久回看一次。

胜率观察一类关键判断最终有多少达到事前约定的结果。分母不能只收成功案例，而应包括在同一时期到期、应该复盘的全部判断；结果标准也要在行动前写明。一次成功可能来自环境、执行或运气，所以胜率只能和同类任务的历史基线一起看，不能单独证明判断标准正确。

纠偏率观察证伪信号出现后，组织有多少次在约定时间内修订或停止原判断。速度和代价也很重要，但它们不应被含混地塞进同一个“率”：可以另报从信号出现到完成修订的时间，以及继续错误行动造成的损失。没有预先写下什么信号算证伪，所谓纠偏很容易变成事后改口。

复制率观察原判断者不在场时，其他团队能否依据同一份标准和上下文，在允许的误差范围内完成判断。它检验的不是新人会不会复述口号，而是换人以后能否说清取舍理由、识别边界，并得到可接受的结果。没有换人测试，组织无法区分文档在工作，还是作者仍在替文档工作。

迁移率观察一条判断从原场景移到新地区、新任务或新对象后，有多少次仍在预设条件下成立。所有迁移尝试都应登记，失败不能从分母里消失；迁移距离和任务难度也要相近，数字才有意义。否则，一次跨行业成功与十次相邻场景复用无法放在一起比较。

外溢率观察组织外部是否有人真正采用这套语言和标准。媒体提到一个词、用户记住一个口号，只能证明知名度；外部团队开始用它描述问题、记录决策或约束行为，才接近外溢。由于目标总体通常不清楚，这一项目前更适合记录“外溢迹象”，不宜制造一个精确百分比。

前四项在同一组织、同类任务和相同时间窗口里，可以逐步变成内部指标；跨行业、跨阶段比较时，口径很容易失真。外溢更难找到可靠分母。五项不能合成一个总分，只能分别检查判断是否产生结果、能否纠偏、换人后能否复用、换场景后是否成立，以及组织外部是否实际采用。

个人悟性成为组织资产，需要把判断标准写清，把相关上下文放到同一版本上，再让复用和反馈留下记录。但判断即使可以沉淀，也不会因此无限供应。一家公司需要判断的事项越来越多，可靠判断者和验证机会仍然有限。有限判断应该投向哪里，由此成为限制性资源问题。

周一早上怎么做 #

从公司最近三个重要决定中任选一个，找出当时没有参与的人，再准备一页纸。

纸的上半部分写判断标准：这项决定要为谁创造什么价值，优先级是什么，哪些边界不能越过，什么证据才算有效。下半部分写上下文：已经确认的事实、仍在使用的假设、尚未确认的事项、材料来源和更新时间。最后只加两行：什么信号会推翻当前结论，什么时候回来复核。

把这张纸交给那位没有参会的人，也可以同时交给 AI。请他复述为什么这样选，指出最薄弱的假设，并说出出现什么新事实时应该改答案。如果他只能重复结论，判断仍然藏在原作者脑中；如果他能够复述、质疑并继续加工，这项判断才开始从个人悟性变成组织判断力。