第 6 章　没有标准，停止执行

一、判断写下来，才开始成为标准 #

钱可以买到更多执行，时间可以换来更多尝试，组织仍会受可靠判断的产能限制。把一次判断变成可复用材料，可以避免同类问题每次都从头判断。

一句“这个方案不能上线”只留下结论，没有记录取舍对象、证据、适用条件和失效信号。交接以后，其他人只能照抄结论；环境改变以后，也无法据此判断原结论是否仍然成立。

标准要保住的是结论之前的东西：这条判断在什么情况下适用，要求做什么或避免什么，用什么证据确认合格，出现什么情况必须停止，又有哪些新事实会要求修订。把这些内容写进所有相关的人都能读取、检查和更新的载体，一次判断才开始离开个人，成为可以复用的组织材料。

写下来只是必要条件。条文还要能被现场人员找到和理解，并且有人负责执行、留下证据和处理例外。伦顿工厂的舱门塞事故表明，一套存在多年的程序仍可能无法约束关键现场。

柳州螺蛳粉提供了一个较轻的对照。2015 年，柳州开始组织编制食品安全地方标准；2016 年实施的 DBS45/034—2016，把预包装产品的原料、理化指标、微生物指标、检验和包装等要求写成了可以检查的条文（人民网，2021；DBS45/034—2016）。它没有把“正宗味道”完整装进文件，更不能单独解释后来整个产业的增长。它能说明的只有一点：原来分散在生产经验和检验人员手里的判断，可以被写成不同企业都能对照的条件。

标准是：把判断中可复用的部分写下来，让其他人能够执行、检查和修订。 它不替代全部经验，也不以文件数量衡量。它让同类判断不再依赖某个人当场参与。

二、标准、上下文和执行载体不是一回事 #

共享文件夹里的材料不能全部统称为标准。判断标准和上下文是两类不同的共同输入，分别处理取舍依据和当前事实。

判断标准回答怎么取舍。 它说明什么更重要、什么算合格、哪些边界不能越过，以及什么证据足以支持结论。例如，客服处理退款时，是优先追求一次解决，还是在事实不足时优先保护账户安全；什么金额可以直接处理，什么情况必须升级；哪些承诺无论如何都不能对客户作出。这些内容决定同一组事实会被怎样评价。

上下文回答眼前事实是什么。 同一张退款申请里，订单记录、客户历史、当前政策版本、已经核实的证据、尚未确认的假设，都是上下文。它们会不断变化。两个人使用相同标准，却看到不同版本的订单或政策，仍会给出不同答案。此时需要修的是信息，不是重新发明一把尺子。

流程和工作流回答事情按什么顺序发生。 先读取订单，再核对政策，然后生成回复，必要时交给人工，这是一组步骤。步骤里可以嵌入判断标准，例如“证据缺一项就升级”；也可以调用上下文，例如“读取当前生效的退款政策”。但顺序本身不等于标准。一个流程可以运行得很顺，却一直按错误标准稳定地产生坏结果。

SOP 通常把这三类内容装在同一份文档里：背景材料、操作步骤、检查点和合格线。它是一种执行载体，不是第四种共同输入，更不与判断标准同义。要把 SOP 交给另一个团队或 AI，第一步不是整份复制，而是先拆清楚：哪些句子在规定取舍，哪些段落在提供当前事实，哪些内容只是在安排步骤。

prompt 也是容器。一个 prompt 里可以有任务目标、判断标准、输入材料、工作步骤和输出格式。评估规则如果规定了优先级、证据要求和边界，属于标准；附上的客户资料和政策文件属于上下文；“先检索、再起草、最后复核”属于工作流；要求使用某个系统或只能读取某类数据，则涉及工具和权限。不能因为它们都出现在同一段文字里，就把它们全部叫作标准。

愿望和经验也各有位置。“写一封让客户满意的回复”没有定义满意、验收证据和不可牺牲的边界，只是愿望。老员工积累的处理经验可以提出候选标准；其中可复用的关系和适用条件仍需提炼、验证。标准规定怎么判断，上下文提供被判断的事实，执行载体把两者带进工作。

三、“停止执行”到底停止什么 #

“没有标准，停止执行”不等于停止一切行动。需要停止的是在判断还说不清时继续增加执行的数量、范围和不可逆性。

一项工作同时出现下面两类条件，就应触发暂停。

第一，它准备被重复、扩大或交接。一次回复要变成一万次回复，一个门店试法要铺到全国，一笔小额试投要变成长期预算，一项工作要从原决策人交给新人、外包团队或 AI。执行量一旦上升，同一处含糊就会被反复复制。

第二，它没有可用标准。可能是合格线和停止条件从未写过，也可能是原标准已经过期、相互冲突或不适用于新场景；还可能是必要上下文缺失，执行缺乏事实依据。此时再催进度，增加的不是有效产出，而是未经检验的判断次数。

因此，可操作的规则是：

对重复、规模化、不可逆、高代价或准备交给别人和 AI 的工作，没有可用标准，就停止继续扩大执行；把任务转为寻找、借用或验证标准。

触发暂停后，工作对象转为寻找外部标准、核对适用条件和补齐上下文。没有成熟答案时，原任务缩成有边界的试验。试验需要写明验证对象、时间与成本上限、观察证据和停止条件，产出下一版标准所需的反馈。

探索性工作可以在临时边界内继续：只影响一小批对象，只改变一个关键变量，不越过安全和诚信红线，失败后可以恢复。探索允许答案未知，不允许代价无限，也不允许结果没有记录。在标准形成之前，试验不能直接转为全面执行。

紧急情况是另一条边界。火灾、数据泄露、人身风险或现金链正在恶化时，不能为了补文件而延误止损。组织应该按预先授权的安全边界行动，先控制正在扩大的伤害，再补记录、复盘并修订标准。暂停规则保护的是判断质量，不是让程序凌驾于生命、安全和生存。

人的临场判断也不会消失。低频、低代价、情境高度具体的事情，可以留给当事人决定。即使如此，行为红线、升级条件和事后记录仍然可以写清。标准化不是把每个答案提前写死，而是决定哪些部分不应再靠猜。

暂停还必须有响应。任何执行者都可以报告标准缺口，但报告不能把任务扔进无人负责的队列。负责人要在约定时间内给出三种明确处理之一：已有标准可以适用；进入有边界试验；或升级给有权承担风险的人。暂停不是无限等待，而是把“继续做”改成一项需要理由的决定。

四、波音：纸上有程序，现场没有可用标准 #

2024 年 1 月 5 日，阿拉斯加航空 1282 航班从波特兰起飞约六分钟后，一块左侧中部舱门塞在约 14,830 英尺高度脱离机身，客舱迅速失压。一名乘务员和七名乘客轻伤，飞机受到严重损坏。美国国家运输安全委员会随后确认，固定舱门塞、防止它向上移动的四颗螺栓，在这架新飞机交付给航空公司之前就已经缺失（NTSB，2025）。

波音有明确程序。飞机在伦顿工厂装配时，舱门塞前方的五颗铆钉需要返工。为了接近铆钉，制造人员必须打开舱门塞；而打开它必然要拆下四颗固定螺栓和配套硬件。波音当时的业务流程指令（Business Process Instruction，BPI）明确要求：只要扰动了已经验收的安装，就要先生成一份拆卸记录。

拆卸记录要在制造系统中留下“这处已验收安装被拆过”的状态，列出恢复安装的动作、制造人员与质量人员的签字步骤，以及最后的质量检查。它把触发条件、复装动作和验收责任连接在一起，避免后续人员依靠记忆确认四颗螺栓是否装回。

这个触发条件已经进入现场记录。2023 年 9 月 17 日，波音的现场协作记录写道，如果需要拆卸，就必须先写拆卸记录。负责协调的管理者后来说明，当时没有具备相应能力的门组成员可用，这项工作应等到合适人员到场。

可是第二天早上的记录变成了“舱门正在由机械师打开”。调查没有找到对应的拆卸记录，也没有人能够说明究竟是谁打开了舱门塞。铆钉返工完成后，舱门塞在 9 月 19 日第二班期间被关闭；当时没有门组成员值班，接受调查的人员同样不知道是谁完成了最终关闭。四颗固定螺栓没有装回，关闭过程也没有接受质量检查。随后，内饰和隔热材料继续安装，缺少螺栓的位置被遮住了。

叫停信号已经出现，等待合适人员的处理意见也已形成，生产却仍然继续。拆卸记录缺失后，后续系统只显示“铆钉返工已经处理”，没有显示“舱门塞尚未复原”。质量人员检查了系统中已有记录的问题，没有检查一个从未进入记录的问题。生产流程因此继续向前。

NTSB 发现，当时用于判断是否需要拆卸记录的业务流程指令超过五十页，包含多个指向其他说明的链接，列出的“不需要记录”例外比“什么时候需要记录”的正面指引还多。波音管理人员确认，这套指令越来越复杂、难以使用。相关在岗培训没有结构、没有完整记录，主要围绕日常装配任务；打开舱门塞这样的非常规任务很少出现，当时也没有经验最丰富的人员在场。

这套拆卸流程在事故前至少十年已有合规问题记录。波音进行过文件修订、质量提醒、培训和其他纠正动作，问题仍然持续。最终报告把事故的可能原因归为波音没有提供足够的培训、指导和监督，使制造人员无法持续、正确地遵守拆卸流程；美国联邦航空管理局未能有效识别并推动波音解决反复出现的系统性不符合问题，是促成因素（NTSB，2025）。

NTSB 的结论指向系统问题，不是单个工人失误或文件页数这一项原因。关键断点有五个：条文不够清楚易用；触发条件没有真正叫停；工作继续却无人负责；关键状态没有记录；问题反复出现，修订仍未消除根因。

纸上有程序，不等于现场有可用标准。有效标准必须能被找到和理解，把动作交给明确的人，要求可检查的证据，并让例外进入修订。否则，文件只证明组织曾经写过什么，不能证明工作受它约束。

五、一条可用标准至少写清五件事 #

波音有文件、制造系统和质量岗位，关键工作仍未受到程序约束。一条准备直接下发给人或 AI 的标准，至少要回答五个问题。

适用条件：什么时候用。 写明对象、场景、前提和必要上下文。条件变化以后，标准不能靠原来的标题继续获得权威。退款规则要说明适用地区和政策版本，制造规则要说明哪一种安装受到扰动。没有条件的标准，会被搬到不该使用的地方。
动作：要求谁做什么。 标准可以规定必须做、禁止做，也可以给出取舍顺序和升级路径。主语不能省略。“需要检查”不够，必须知道由执行者自检、质量人员签字，还是负责人批准。
验收证据：凭什么算完成。 结果不能只靠执行者说“做了”。证据可能是一项检测结果、一份系统记录、一次独立复核或客户侧的可观察变化。证据来源和保存位置也要写明，否则复盘时只剩回忆。
停止条件：什么时候不能继续。 缺少必要材料、结果越过风险线、合资格人员不在场、关键假设被推翻，都可能触发停止或升级。没有停止条件的标准只会催人往前，不会阻止错误继续扩大。
修订触发器：什么会让标准失效。 新法规、新技术、新一类例外、连续偏差，或者约定的复核日期，都应把标准重新送回判断。标准不是因为写入系统就永久正确；它只是在当前证据和条件下可用。

五项不要求统一表格，却必须能够被找到。对直接下发的重复工作，缺一项就可能留下未定义的处理空间：“提升客户满意度”没有动作和证据，“按现行政策处理”没有版本和停止条件，“异常时找主管”没有异常定义和负责人。

舱门塞事故中，适用条件已经出现：一处已验收安装将被打开。生成拆卸记录的动作也已经存在。但是，停止信号没有挡住工作，记录和质量签字没有形成验收证据，反复出现的合规问题也没有带来有效修订。这五项构成检查一条标准是否真正进入工作的最低问题。

标准之外还要附上负责人、版本和生效时间。负责人维护它，不等于只有负责人能提出修改；执行者最接近例外，应该随时反馈。版本让组织知道一项结果当时依据的是哪套规则。生效时间则避免新旧标准同时流通。没有这些基本信息，团队即使写齐五项，也可能在使用不同版本。

最高层的使命和信念不会长得像一张制造检查单。它们只有在能够约束下层选择、说明冲突时谁优先，并接受定期复核时，才算组织标准，而不只是一句声明。越接近具体执行，五项就越需要完整；越接近长期方向，越要能看见它如何改变下面的取舍。

六、标准循环怎样在一支团队里转起来 #

一条标准写完，只记录了当时的判断。现实变化和执行反馈会暴露遗漏的边界。标准需要随结果回流并持续修订：

判断 → 提炼 → 形成标准 → 下发 → 执行 → 回流 → 迭代。

标准循环：判断、提炼、形成标准、下发、执行、回流与迭代

图：下发前检查标准是否可用；缺少标准时，停止扩大执行，转入寻找、借用或有边界的验证。

判断发生在具体选择中。除了答案，还要留下当时使用的标准和上下文，否则后来的人无法分辨结论来自哪把尺子、依据哪些事实。

提炼从一次决定里找出可复用关系：哪些条件只属于当时，哪些取舍下次仍成立，什么反例会推翻它。它防止组织把偶然成功写成普遍规则。

形成标准把可复用判断写成五项，并标明负责人、版本和生效时间。适用条件、证据和停止线由此可以直接检查。

下发不是群发通知，而是确认执行者能找到、理解标准并取得相应上下文。交给 AI 时，还要把工作流和工具权限分别装入任务。没有进入工作入口的知识库文件，不算完成下发。

执行既要产生结果，也要留下执行证据。符合标准的结果需要记录，偏离标准的人工处理更要记录。例外、原因和处理结果进入固定记录后，才能成为下一版标准的原料。

回流把结果、失败、例外、客户反馈和风险信号送回负责人。这里回来的首先是上下文：发生了什么，在哪些条件下发生，造成了什么结果。负责人再用这些新事实检查原判断。把执行数据直接称为“新标准”，会再次混淆尺子和事实。

迭代要求负责人说明修改原因、修改内容、生效时间和旧版本退出方式，并通知受到影响的执行入口。新版本重新下发后，循环进入下一轮。已被事实推翻的标准不能继续使用。

七个动作不会自行发生，还需要四项运行条件。第一，团队要约定触发器：重复返工、重大例外、风险事件、关键上下文变化，以及一项工作准备交给更多人或 AI，都应启动提炼或复审。第二，每个标准或标准域要有明确负责人，不能让“大家共同维护”变成无人维护。第三，执行反馈要进入固定位置，而不是散落在会议和私聊。第四，修订触发后要有人发布新版本，并关闭旧入口。

这四项也约束叫停。执行者报告缺口后，负责人要在约定时间内判断：已有标准可以继续使用，标准需要修订，还是任务应缩成试验。叫停若没有负责人和处理时限，就会退化成新的审批堵点；循环若没有叫停入口，就会让坏标准一直跑到结果无法挽回。

标准循环不保证组织永远正确。它让判断有出处，让执行有证据，让错误能够回到原标准。个人判断由此成为团队可以共同使用和修订的材料。

七、先写哪些判断，哪些留给人 #

标准循环也消耗判断。每个选择都写成长文会增加维护成本，有限的提炼能力应优先用于复用价值较高的判断。

第一批值得写的，通常具备几个特征：同类判断反复出现；一次错误会造成较高损失；工作需要跨人、跨团队或跨 AI 交接；结果必须接受审计；适用条件相对稳定；执行以后还能获得可观察反馈。返工最多的工序、重复发生的客户取舍、需要一致放行的质量检查，以及准备批量交给 AI 的工作，通常都在这张清单前面。

高频但低风险的工作，用简短合格线、少数例外和自动记录可能就够。低频但高风险的工作未必能预写最终答案，却应标准化材料、证据、参与角色、权限、红线和升级条件：谁能决定、至少看见什么、什么情况不能继续。

低频、低代价、情境高度具体的判断，可以留给人的临场能力。强行把每种礼貌表达、每次现场调整都写成标准，维护成本可能高于收益。标准的目标是减少不必要的重复判断，不是取消人对具体情境的感知。人保留最终决定时，也应把关键理由和结果留下来，让组织知道这是一次合理例外，还是标准遗漏了新场景。

建立在短期打法上的条文容易随环境失效；建立在较稳定需求上的判断更适合持续维护。亚马逊零售业务的三个长期需求提供了一个样本。

2007 年，《哈佛商业评论》的访谈记录了亚马逊对更多选择、更低价格和更快配送的长期取向，并用“十年后顾客不会要求配送更慢”说明其稳定性（Kirby 与 Stewart，2007）。2008 年度股东信（2009 年向 SEC 提交）把三项写为低价格、广泛选择、快速而便利的配送，并明确将需求的时间稳定性与持续投资相连（Amazon，2009）。

这封信随后分别说明了投资怎样落到三项需求上：持续降低价格和提供免运费服务；扩充品类；通过 Prime 与 Fulfillment by Amazon 改善配送。它能证明公司公开地把稳定需求与持续投资连接起来，不能证明每项投资都由三句话单独决定，更不能把亚马逊后来的全部成功归给它们。

2019 年 re:MARS 会议上，Amazon 的官方现场记录再次用低成本和快速配送说明“未来十年什么不会变”（Amazon，2019）。这些材料记录了同一组长期判断，但不能证明它们从未变化，也不能证明亚马逊的全部资源都由三项需求配置。

稳定需求和固定做法不是一回事。对更快配送和更低总成本的需求持续存在，不代表配送网络、技术方案、具体时限和定价方式永远不改。稳定的是价值方向，方法必须根据技术、竞争、法规和反馈不断迭代。把手段误当不变量，标准会成为阻碍；把长期需求说成短期口号，组织又无法形成连续投入。

贝佐斯回答“标准先建在哪里”，波音回答“什么样的文件还没有成为有效标准”。两者不是同行业实验，也不能证明标准足以带来成功；它们只支持两步：选择值得长期维护的判断，再确保它真正进入现场。

八、八层标准不是八句口号 #

一线合格线、用人取舍和公司使命不能混成一张检查单，也不能彼此无关。组织标准可以按功能分为八层：

使命界定组织为什么存在，最终要为谁创造什么价值。它决定哪些结果值得追求，也决定哪些漂亮数字与组织无关。
信念写明组织准备长期采用的因果假设，为实现使命提供路径依据。
行为标准规定可以用什么方式行动，哪些手段即使短期有效也不能采用。它给结果划出不可交换的边界。
思维标准规定形成判断时怎样处理证据：需要检查哪些角度，怎样面对反例，什么信息不足以支持结论。
判断标准负责在多个可行选项之间排序：什么价值优先，风险与回报怎样取舍，什么条件下应当放弃。
人员投入标准回答稀缺的人力和培养资源投向哪里，怎样判断一项人员投入是否值得继续。
管理标准分配决定权、责任和升级路径：谁可以独立作出哪类决定，超出什么边界必须交给谁。
学习标准把执行结果带回前面七层：什么需要复盘，谁负责修订，怎样确认组织不是只改动作、不改产生动作的判断。

这八层不是八项彼此独立的倡议。使命给出价值对象，信念提供长期假设，行为标准限制手段，思维标准约束结论怎样产生，判断标准完成取舍，人员投入和管理标准把资源与决定权交给合适的人，学习标准再用现实结果回修前面所有内容。

一项预计能够盈利的新业务，仍要依次接受使命、长期信念、行为边界和证据要求的约束，再进入具体取舍、人员投入与决策权分配；结果回来后，学习层继续检查前面的假设。

使命和信念只有在能够约束下层选择、在冲突时给出优先级并接受结果复核时，才构成组织标准。“用户第一”如果无法说明收入、安全和信任冲突时怎样取舍，只是一句愿望；“诚信”如果不能阻止误导性的销售动作，也没有进入行为。

八层用于标明不同标准的功能和连接关系，不能代替各层所需的具体方法。

九、AI 需要标准，也需要上下文 #

模型能够推断、追问和发现部分矛盾。组织没有明确给出判断标准时，模型会调用训练中形成的默认模式，或者从当前材料中推断优先级。这种补全可能符合要求，也可能与组织承担的责任冲突。

因此，标准是组织给 AI 分派工作时不可缺的取舍和验收依据，却不是任务的全部。一个可运行的 AI 任务至少包含五类东西。

判断标准：目标的优先级、合格线、证据要求、不可跨越的边界和停止条件。
上下文：这一次任务涉及的事实、材料、约束、版本、假设和未知项。
工作流：先做什么、后做什么，何时调用工具，何时转交给人。
工具和权限：AI 可以读取哪些系统、能够执行哪些动作，什么写入必须获得批准。
反馈：人工验收、业务结果、异常和例外怎样回到下一版标准。

把旧 SOP 整篇塞进模型不等于完成 AI 改造。真正的转换要抽出判断标准，单独维护上下文，把步骤改成可调用的工作流，再明确权限和反馈。

英国教育软件公司 Arbor Education 把这套分工用于复杂报表支持。团队建立“对话式程序”，让 AI 追问缺失信息、判断报表类型、查询两套内部模板库，再逐步指导用户完成报表（Zendesk，2025a）。Zendesk 的产品文档显示，这类程序由企业描述业务政策和处理方式，系统生成可检查的程序图，其中可以包含提问、条件判断、知识搜索、系统调用和人工升级（Zendesk，2025b）。在这里，类型与升级边界是标准，用户回答和模板库是上下文，追问、检索与指导是工作流。

Arbor 报告该用例自动解决率为 71%，高于其他 AI 用例约 50% 的平均水平；公司还设置数字自助服务负责人，维护训练材料、表现指标和低满意度反馈。材料由 Zendesk 发布，数字来自 Arbor 负责人陈述，未经独立审计，也不能证明整体工单下降由这一程序单独造成。案例记录了处理规则、材料、步骤和升级条件被分别交给 AI，并依据结果继续维护。

含糊要求会让模型自行补全未明确的信息，人类员工也会用经验补足缺口。这两种做法都可能让坏标准长期不被发现。治理机制必须暴露未明确的部分：上下文不足时追问，标准冲突时停止，超出权限时升级，人工改动时留下理由。

规模化会同时放大标准的优点和缺口。清楚标准可以让不同人和 AI 在允许差异内稳定工作；错误标准也会让它们一致地走错；正确标准配上错误上下文，仍会得到错误答案。AI 没有取消两个统一，反而让“用什么尺度”和“依据哪些事实”更容易被成批复制，因此更需要分开治理。

标准循环仍需要第一版标准作为输入。第一版标准的来源、迁移条件和小成本验证，构成下一步需要解决的问题。

周一早上怎么做（一号位视角） #

选一项最近一个月返工最多、正准备扩大，或者准备交给 AI 的重复工作，完成三步：

把标准和上下文分开。 左边写判断标准：这项工作什么更重要，哪些边界不能越过，什么证据算合格。右边写当前上下文：已经确认的事实、使用中的政策版本、约束、假设和未知项。凡是无法确定放在哪边的内容，先标出来，不用新名词把它糊住。
补齐五项并指定负责人。 检查适用条件、动作、验收证据、停止条件和修订触发器。写明谁维护这条标准，执行反馈存在哪里，什么时间或信号出现时必须复审。若关键项写不出来，把原工作缩成一次有范围、预算和停止线的试验，不进入规模执行。
做一次换人和换 AI 验收。 找一位没有参加制定的人，再让一个 AI 使用同一判断标准和同一版本上下文，各自完成一遍。记录标准中未明确的位置、停止条件和验收证据。若两边都只能复述目标，或者依靠各自常识补足缺口，标准还没写完；回到第一步修订，不扩大任务量。

同时建立暂停规则：任何人都可以报告“这项工作缺少可用标准”，负责人必须在约定时限内决定沿用、修订、试验或升级。暂停本身不追责，隐瞒风险并继续扩大执行需要记录和处理。