AI、球員教練與管理問題的解決

近年來，傑克·多西、布萊恩·阿姆斯特朗和馬克·扎克伯格等科技領袖不約而同地表示：AI正在削減管理層級，取而代之的是“球員教練”——一種既親力親為參與實際工作，又同時負責團隊管理的角色。這一趨勢背後有着現實的邏輯支撐。

然而，緊隨其後的第二個效應需要我們解決：教練工作本身如何有效開展？優秀的組織通常由深諳領域知識的專家創立和領導，他們真正理解產品、客户以及什麼重要、什麼不重要。但隨着組織擴張，這些專家很快會遇到時間瓶頸。我曾多年帶領團隊，發現一對一指導的效率有一個上限：當團隊成員超過5、8或10人時，時間根本不夠用。嘗試小組輔導又會帶來效率問題：有人覺得太基礎，有人覺得太深入。

傳統的解決方案是增加管理層級來分擔教練負擔，但這代價高昂——在美國，每位員工的管理成本可能達到數萬美元。更糟的是，許多管理者缺乏足夠的領域專業知識，導致“翻譯成本”：頂級的專家需要傳達意見，但管理者轉述時往往不夠準確，員工不得不直接回去找專家。結果是你為管理層級付費，卻沒有獲得應有的槓桿效應。

AI改變了什麼？很多人在編程、報告、分析和研究等任務上實現了5到10倍的效率提升。這種壓縮讓球員教練模式變得可行——如果專家的執行時間大幅減少，他們就可以更貼近實際工作，而無需那麼多中間層級。但同樣的壓縮也給教練工作帶來了新挑戰：當你自己20分鐘就能完成的事，卻需要20分鐘解釋、20分鐘審核，很可能還要再花一輪時間時，自己做的誘惑非常大。然而，一個人不可能包攬所有工作，團隊仍需獨立運作。

第一波AI工具主要提升個人效率，這已經做得很好。下一步是讓AI服務於整個團隊，這正是球員教練的實際職責，也是Axamy正在解決的問題。球員教練需要知道每個成員明天做什麼、下週計劃是什麼，以及工作是否與當前優先事項一致——AI可以通過分析待辦事項、估算時間，幫助教練在幾分鐘內製定日計劃和周計劃，取代冗長的規劃會議。

第二個環節是進度更新。基於語音的更新讓團隊成員自然記錄進展，AI自動關聯到對應的任務和問題，無需繁瑣的表格填寫。一旦更新順暢流動，AI就能判斷哪些工作已經完成、哪些還需決策。第三個環節是培訓。區別於良莠不齊的小組課程，AI可以按個人節奏和缺口進行針對性教學，教練只需識別出需要提升的領域，系統負責講授。

規劃、更新和培訓三者閉環：規劃提供清晰方向，更新讓信息從團隊迴流，培訓則讓教練無需額外時間就能採取行動。團隊成員因此獲得更清晰及時的反饋，壓力減輕，效率提高。我相信，隨着AI繼續演進，還有更多方法可以幫助球員教練和他們的團隊更有效地協作。