第 9 章　共识机器：统一上下文如何被制造

一、为一家略微不同的公司工作 #

2016 年，《管理科学季刊》发表了一份研究：两位学者用 76 次深度访谈，复盘诺基亚 2005 至 2010 年输掉智能手机战役的全过程。他们没有找到技术无能，也没有找到战略眼盲。诺基亚的工程师早就看见了触屏和生态的方向。他们找到的是一条恐惧的传送带。

机制是这样运转的：高层恐惧外部（苹果的攻势、股东的耐心），于是向中层疯狂施压要结果，却不肯把威胁的全貌摊开；中层恐惧内部（上级的怒火、同侪的竞争），于是只上报好消息，把坏消息在每一层过滤掉一点。两种恐惧首尾相接，产出一个致命的结果：高层看到的那家诺基亚，是一家不存在的公司：它的操作系统进度良好，它的技术能力充足，它只需要再快一点。每一层管理者都在为一家略微不同的公司工作，而真实的那家公司，正在所有人的视野外死去。

研究里两个细节值得放大。第一，中层不是不知道真相。Symbian 的真实状态、与 iPhone 的真实差距，在组织中层接近公开的秘密。访谈里的管理者承认自己汇报时刻意保持乐观，因为在那个组织里，讲坏消息的人会被看作消极、不够进取，而高层的坏脾气令人生畏（这两点都来自研究的访谈记录）。第二，高层也不是没做动作。他们持续向下施压、要求更快拿出结果，但施压恰恰加重了过滤：压力越大，中层越只敢上报能让压力暂停的那类消息。每一层的人都在理性地保护自己，合起来杀死了公司。这是这份研究最冷的发现：整个过程不需要任何一个坏人，只需要一套让诚实比乐观更贵的结构。

打败诺基亚的不是苹果，是层层美化后到达高层的那份假上下文。

这一章处理全书的收官装配：前面三章造好的零件（标准机器、清晰术、干扰术），合起来是一台叫共识机器的整机。它生产的东西，恰好就是诺基亚死前最缺的那样：统一的上下文。

二、组织唯一不可外包的产出 #

先打掉一个根深蒂固的信念：公司的产出是产品。

沿着本书的推导走到这里，这句话已经站不住了。产品的执行环节，AI 在做（第 1 章）；市场投放，AI 在优化；代码、文案、报表、客服，都在归零清单上。把能外包给 AI 的一层层剥掉，最后剩下一个剥不掉的内核："我们如何判断"的共识，也就是什么算好、什么不做、遇到冲突听什么标准。这个东西没有任何模型可以替你生产，因为它不是信息，而是一群人对同一套判断的共同相信。

这里顺手校准一个常见的误读：共识不等于全员同意。共识机器生产的是"对同一套判断标准的共同相信"，不是"每个决定人人举手"。后者是一种决策方式，而且常常是最慢的那种。恰恰相反，共识越厚，单点决策可以越快：标准和上下文都统一时，一个人做出的判断，八成就是其他人会做出的判断，不需要开会对齐，因为早就对齐过了。共识不是用来一起做决定的，是用来让每个人单独做决定时，仍然指向同一个方向的。这也顺便回答了"统一会不会扼杀多样性"的疑虑：统一的是尺子，不是答案。尺子统一了，不同的答案才有可比性，争论才能收敛而不是发散；尺子不统一的争论，吵一百年也只是两套坐标系互相路过。所以本章论断的前半句：人负责共识，AI 负责其余一切。共识造好了，产品是共识的副产品；共识烂了，AI 只会用完美的执行力把烂共识规模化。第 2 章的富足悖论，根子在这里。

共识机器的总装图是全书第二张主图，装配关系必须一次说死：标准机器（第 6 章）是核心部件，清晰术与干扰术（第 7、8 章）是两条生产线，共识机器是装配完成的整机，文化外溢是整机持续运转后的外部效应。不存在并列的几台机器，只有一台机器的逐层装配。整机内部三层功能递进：标准机器固化判断，把少数人的隐性判断变成可检验可迭代的条文；共识机器复制判断，让不同成员在共同上下文里用同一标准独立行动；文化外溢传播判断，判断持续产生结果后，组织之外的人开始主动使用它。

第 4 章说伟大组织需要且只需要两个能力：统一的判断标准，统一的上下文。判断标准这一半，第 4 到 8 章已经讲透；本章的主角是另一半：上下文。它比判断标准更容易被忽视，因为它看起来不像资产，像日常沟通的副产品。诺基亚已经演示了忽视它的价格。

三、上下文的一手教材：Context, not Control #

统一上下文怎么制造？最完整的一手教材，来自张一鸣 2017 年在源码资本码会的演讲《做 CEO 要避免理性的自负》。

先看他的定义，精确得像工程文档。Context：决策所需要的信息集合，包括原理是什么、市场环境如何、行业格局如何、优先级是什么、需要做到什么程度、业务数据和财务数据。Control：委员会、指令、分解和汇总、流程、审批。然后是原则："我们倾向于 'Context, not Control' 的解决方案"：充分 Context，少量 Control，每个人掌握完整的上下文信息，自己做出业务决策，管理者只在必要时做少量干预。

最值得抄进标准库的是那个反射弧："遇到问题的时候，往往习惯先问 Context 是不是不够充分，而不是增加 Control。"某项进展出了问题，第一反应不是换更高阶的人来管，而是反问：是不是没把行业情况、业务数据、过去的失败案例分享给他？把这个反射弧和诺基亚并排放好，你会看到两台方向相反的机器：诺基亚的信息按恐惧过滤，越往上越假，于是只能用更多 Control 补偿（委员会、审批、施压），Control 又制造新的恐惧；字节的信息按决策需求铺开，越透明越不需要管，判断被下放到信息最充分的地方。Control 是在为不统一的上下文支付利息，而且是复利。

演讲里还有一句话，直接点破本章要替换的旧基因。张一鸣观察到，有人"利用信息不对称来体现自己的价值"。这就是信息私有：把上下文扣在自己手里，让自己成为必经之路。在旧组织里这是个体理性的生存策略；在 AI 原生组织里它是机器里的沙子，因为 AI 的产出上限由喂给它的上下文决定（第 6 章的换算），一个囤积上下文的人，等于同时调低了所有同事和所有 AI 的产出上限。

工具层他也给了答案：近百人的内部工具团队、自研 OKR 系统与内部 IM 打通，新人入职即可看到内部资料。用他的话说，这是"把公司当成产品来建设"。上下文的统一不靠号召透明的全员邮件，靠让获取上下文比囤积上下文更容易的基础设施。

四、机器的三个车间：会议、文档、复盘 #

统一上下文听起来像文化，落地时是三个具体的车间。每家公司都有这三样东西，区别只在有没有把它们当成共识机器的部件来运营。

会议是共识的装配线。大多数公司的会议生产两样东西：情绪，和待办清单。共识机器里的会议只许生产一样东西，就是判断的更新：一条新标准、一次标准修订，或者一个待验证假设。验收方法可以直接借下一节传神那条硬规矩的逻辑：输入必须是证据（数据、可运行的东西、用户原话），不是观点；输出必须能写进标准库，写不进去的会，等于没开。拿这把尺子量一遍你的例行会议，多数公司会发现一半以上在空转：既不消化判断缺口，也不产出判断更新，只是把同一批人的时间对齐成一种忙碌的仪式。

文档是共识的存储器。"把公司当成产品来建设"的工程含义是：口头共识不算共识，口头传达一次衰减一次，传到第五个人时已经是另一个判断。第 6 章讲过标准是判断力的储存方式，这里补另一半：决策所需的上下文同样必须落成文档，否则每个新人都要靠"多问问老同事"来拼凑世界观，而拼出来的必然是各自略微不同的公司。诺基亚的病，在入职第一天就开始种。第 2 章的 MD 安德森还欠着一个回响：压垮六千万美元项目的最后一根稻草，是那台 Watson 读不懂组织换掉的病历系统。人和机器在这一点上完全平等：喂不到统一上下文的人，和读错格式的机器，产出的判断没有本质区别。

复盘是共识的纠偏回路。标准上线不是共识的完成，而是假设的开始。复盘负责把执行结果回灌给标准：验证了就固化，证伪了就修订。没有这个回路，共识机器会退化成教条印刷机：文档越来越多，与现实的偏差越来越大，而且每一页都盖着"已达成共识"的章。诺基亚不缺会议也不缺文档，它缺的是回路里最脆弱的那个部件：坏消息的通行权。三个车间，最先坏的总是它，因为它是唯一一个需要有人先付出代价的部件：讲坏消息的人要赌组织不惩罚诚实。一号位对这个部件只有一种维护方式：公开地、可被观察地奖励第一个报告坏消息的人。这个回路还有一个个人最小版本，留给第 11 章展开：每天三个问题，比任何复盘会都便宜。

五、一台正在改造中的机器：传神 #

字节是接近原生的样本，更多读者的处境是另一种：一家跑了二十年的公司，怎么把共识机器装进旧车间？传神语联的机制设计值得逐条看。

第一个动作是在组织图上为共识设岗：设立首席智能官（CAIO），与 CIO 明确分工：CIO 让系统跑通，CAIO 让业务变聪明。一个管信息流的管道，一个管判断力的密度，这个分工本身就是对本章论断的投票。第二个动作是给共识一个决策机构：AI Native 决策委员会，转型的判断不散落在各部门。第三个动作是一条硬规矩：没有可运行的 DEMO 不上会。它把会议的输入从观点强制升级为证据：观点会吵架，跑起来的 DEMO 不会。第四个动作最精巧，叫能量金机制：内部 AI 应用被同事真实使用且满意，开发者才积攒收益。评判权交给用户，决策权交给数据，AI 推广从行政命令变成市场行为。四个动作合起来是一台微型共识机器：委员会固化判断，DEMO 规矩过滤上下文里的水分，能量金让"什么工具好用"这个共识由使用数据而非职级制造。这套机制的效果数据还没有第三方验证，我只引机制本身；但机制的设计逻辑，每一条都可以直接借。

创始人何恩培有两句话，可以当成这台改造机的铭牌。一句解释为什么装机器、而不是培训个人："与其等员工变成 AI 高手，不如让组织长出 AI 能力。"能力长在组织上还是长在个人上，正是第 4 章组织判断与个人判断的分界线，也是老公司改造唯一可行的路径：你等不齐每一个员工，但你可以先改机器。另一句给第 1 章的执行归零补了一个"人"的版本："未来世界只剩两种人——生产 Token 的人，和用 Token 创造更大价值的人。"翻译成本书的语言：前者站在执行层，排在归零清单上；后者站在判断层，用共识指挥执行。一家做了二十年翻译的公司走到这个认识，比任何原生公司的宣言都有说服力。它不是想明白的，是被归零曲线追着跑明白的。

六、外溢：当别人开始用你的词思考 #

机器持续运转会发生一件奇妙的事：共识越过组织边界，开始在外面繁殖。

三个馆的样本在第 4 章都出过场，本章只看它们的外溢面。段永平影响圈是最干净的观察对象："本分"这个词没有留在步步高：它进入了 OPPO、vivo、拼多多的价值排序和决策语言，一代企业家用它做自己公司的判断。马斯克企业群展示跨公司复制：第一性原理、快速迭代、极端目标，在 SpaceX、特斯拉等好几家公司重复出现，成为几万名工程师的共同推理工艺。规模化的极限样本是中国共产党：判断标准被压缩成可传播的组织语言，靠共同上下文支撑超大规模的分散执行，实践反馈进入纠偏机制；我对这个样本的研究只限组织机制本身，机制之外的维度不在本书范围。

三个样本共同定义了文化外溢的验收线：不是"大家听说过你"，是"大家开始用你的语言思考"。品牌知名度衡量注意力，文化外溢衡量判断标准的扩散：前者可以花钱买，后者只能用持续正确的判断挣。摩尔的"鸿沟"一词统治创投语言三十年（第 8 章刚讲过），就是个人版的同一件事。外溢也因此是检验共识机器的终极仪表：内部判断不持续产生结果，外部不会有人主动借你的词。文化外溢是结果，不是项目。把它当传播项目做的公司，得到的是知名度，不是外溢。

外溢也不只是荣誉，它会往回送三样很实的东西。人才的自筛选：当"本分"成为行业语言，认同它的候选人自己走向步步高系，不认同的自己绕开。招聘漏斗的第一道筛选被外包给了文化本身，成本为零。预装共识的客户：客户开始用你的框架描述自己的需求时，干扰术的前两步（分析共识、找到场景）已经被对方替你完成；第 8 章说的三道阀门，外溢替你常开着第一道。语言的定价权：行业用你的词讨论问题，等于所有竞争者都要先进入你定义的坐标系，再谈差异。摩尔发明"鸿沟"之后，每一家早期公司都得回答"你怎么跨鸿沟"，无论它们喜不喜欢这个问题。三样东西共同的形态是复利：外溢一旦开始，它降低的是你此后每一次制造共识的成本。

七、论断边界 #

三条。

第一，"不可外包"是排序，不是禁令。人负责共识、AI 负责其余一切，说的是稀缺资源的配置优先级：组织里人的时间应该最大比例地投向共识生产（提标准、对上下文、验判断），而不是投向 AI 能做的执行。它不意味着产品、技术不重要，意味着当你只能把最好的人放在一件事上时，放在共识上。

第二，统一上下文不等于透明一切。Context 的定义是"决策所需要的信息集合"：按决策需求铺开，不是无差别公开。薪酬隐私、合规红线、未官宣的并购，都不在"决策所需"的口径里。统一上下文的验收标准是：做同一个决策的人，看到的是同一个事实集，而不是全公司看到所有事实。

第三，样本成色，如实交代。诺基亚有 76 次访谈的学术研究背书，是本章承重墙；张一鸣的演讲是一手全文，但字节后续实践的效果是公司口径；传神只引机制、效果无第三方验证；段永平圈的失败与纠偏清单、马斯克群的双侧数据，第 4 章欠的账本章同样欠着。另有一个已知空位：协同工具层（如飞书类产品）对上下文统一的量化贡献，我还没有拿到可用证据，本章的工具层论述只建立在字节自研工具的一手表述上。

周一早上怎么做（一号位视角） #

三个仪表，一小时读完：

读转速：调出公司最重要的那份文档（战略、核心标准或客户定义）。看两个数字：最后更新是什么时候？随机问五个不同部门的人，多少人能不查资料复述它的要点？文档半年没更新，说明标准机器停了；复述率低于三成，说明共识机器停了。
查沙子：找出公司里最常见的三个"必须问某人才知道"的信息节点。问一个问题：这是职责分工，还是信息私有？测试方法很简单：那个信息写成文档要多久？答案是一小时以内而至今没写的，就是有人在用信息不对称体现价值。本周把它们全部文档化，观察谁反对。
看外溢：搜一搜客户、候选人、同行有没有主动使用你们发明的词汇和判断口径：招聘面试里候选人会不会说出你们的黑话，客户提需求时会不会用你们的框架描述问题。一条都搜不到不丢人，它只是诚实地告诉你：机器还在攒第一圈转速。

附注（个人与团队视角）：给自己立张一鸣那条反射弧的个人版：下属或 AI 交上来的东西不对时，先问"我给的上下文够吗"，再问"他的能力行吗"。顺序反了，你会用换人解决所有本该用文档解决的问题。