誰定方向，誰來幹活：一動一靜由什麼決定

團隊裡常能聽到 leader 這樣說：“方向我得自己盯著。放手讓他們做，要麼沒人推，要麼推歪了。”在 leader 眼裡，成員的主觀能動性好像總比自己弱一點，方向感也差一點，於是團隊自然分成兩種角色：一個人定方向，其他人執行。

最近用 AI 寫程式碼、寫文件，我們發現自己也站進了同一個位置。我們說要做什麼、往哪改，AI 負責把活幹完；它很少自己決定“下一步該做什麼”，我們也不太敢讓它決定。

一邊動，一邊靜。這種分工是怎麼來的？最直接的答案是誰更聰明誰來定方向，可這經不起推敲：AI 在很多測試裡已經比人強，方向卻還是人在定；團隊裡技術比 leader 好的成員也不少見，照樣在執行的位置上。直覺上，它更像是由“關係”決定的。那關係又是由什麼構成的？管理學、組織經濟學和人機協作領域其實都研究過這個問題，我們順著它們往下走。

一、能力的解釋力

第一種解釋：誰更聰明，誰定方向

最先想到的解釋是能力差異：leader 能看到更遠的地方，所以由他來定方向。這個說法有多少證據？

Judge 等人 2004 年彙總了 151 個獨立樣本，智力和領導力（被選為領導、被評價為有效的領導）的相關係數，校正後是 0.27¹。相關係數平方以後約等於 7%，也就是說，誰在領導位置上、誰被認為領導得好，九成以上的差異和智力無關。同一篇研究還發現，用“別人覺得他聰明”來算，相關比用智力測驗分數更高：誰看起來能幹，比誰真的能幹，更影響誰被當成領導。

更有意思的是 Antonakis 等人 2017 年的研究。他們調查了七家跨國公司的 379 名中層管理者，由下屬評價領導行為，發現領導效果隨智力先升後降，最優點大約比團隊平均水平高 1.2 個標準差²。領導比團隊聰明太多，反而被認為不會帶人：他提的方案下屬跟不上，他也不太理解下屬卡在哪。

AI 這邊的證據更直接。Anthropic 2026 年統計了 Claude Code 的真實使用：模型在一輪裡能獨立工作的時長隨著版本穩步增長，但使用者實際交給它的自主，明顯少於它能承擔的。他們把這個差距叫作“部署懸空”（deployment overhang）³。能力已經在那裡了，方向權並沒有跟著過去。

能力和“誰說了算”之間的三組證據

研究	發現	說明了什麼
Judge 等，2004	智力與領導力相關 0.27，感知到的智力相關更高	能力只解釋一小部分
Antonakis 等，2017	領導效果隨智力先升後降，最優約高出團隊 1.2 個標準差	差距太大反而不好帶
Anthropic，2026	模型能獨立工作的時長持續變長，使用者放出去的自主沒跟上	能力到了，權沒跟過去

圖 1 · 能力像一道門檻：低於它，確實沒法讓對方定方向；越過它以後，誰定方向就不再由能力決定

所以能力更像一道門檻，而不是分工的原因。那方向權到底跟著什麼走？

二、方向權的來源

誰為結果負責

先看經濟學怎麼解釋“為什麼有人聽另一個人安排”。Simon 1951 年用一個模型描述僱傭關係：僱員和僱主約定的不是“做哪件具體的事”，而是“在一定範圍內，聽你安排”⁴。僱員願意接受，是因為在這個範圍裡做 A 還是做 B，對他差別不大，對僱主差別卻很大，結果最終落在僱主身上。

Alchian 和 Demsetz 1972 年接著問：一群人一起幹活，誰來監督、誰來定方向？他們的回答是對結果兜底的那個人，也就是“剩餘索取人”：團隊產出扣掉每個人的報酬後，盈虧都歸他，他最有動力把方向看準⁵。

放到今天的團隊裡，剩餘索取人不一定是老闆，但邏輯沒變：專案目標記在 leader 名下，線上出了事故先問 leader。方向權的第一個來源，是後果落在誰身上。成員不去想方向，很多時候不是想不到，而是方向錯了的代價不由他承擔，他也就沒有理由花力氣去想。

誰掌握資訊

不過，“有權拍板”不等於“實際說了算”。Aghion 和 Tirole 1997 年把兩者分開：形式權威是有權做決定，實際權威是對決定的實際控制⁶。上級手裡有形式權威，但如果他不瞭解情況而下屬瞭解，下屬提的方案他多半隻能照辦，實際權威就落在了下屬手裡。誰掌握資訊，誰就有實際權威。

後果和資訊是兩件可以分開的事。把它們交叉，會得到四種格局。下面這張圖是我們對上面幾項研究的歸納，不是某篇論文裡的原圖：

圖 2 · 方向權由兩件事決定：後果落在誰身上，情況誰更清楚。我們說的“一動一靜”只是其中一格

我們平常說的“leader 定方向、成員執行”，只是左上那一格：後果在上級，資訊也在上級。真正彆扭的是右上那一格：上級揹著結果，資訊卻在成員手裡。

第一次嘗試：上級多盯一點

在右上那一格，上級最直覺的做法是多過問、多推翻，把實際權威收回來。Aghion 和 Tirole 推出了這樣做的代價：下屬知道自己的方案隨時可能被推翻，花力氣去收集資訊、想方案的回報就變低了，於是他少想一點⁶。上級拿回了控制，換來的是下屬主動性下降。論文把這當作一個基本取捨：給下屬更多實際權威，能促進主動性，但上級會失去控制。

這就碰到了開頭的現象：leader 看到的“主觀能動性弱”，會不會有一部分是他自己的做法帶出來的？

三、“靜”的形成

現象：換一個上級，人就變了

很多人都見過這樣的事：同一個工程師，在一個 leader 手下主動提方案、追問需求，換到另一個 leader 手下，就變成了等任務、照做。人沒有變，變的是他和上級之間的關係。

原因：失敗預設迴圈

Manzoni 和 Barsoux 花了十年觀察上下級關係，在 1998 年的《哈佛商業評論》裡給這種現象起了一個名字：失敗預設綜合徵（set-up-to-fail syndrome）⁷。上級一旦把某個下屬歸為“比較弱”，就會對他管得更細，而這種管法會讓下屬退縮，最後表現得正像上級以為的那樣。

圖 3 · 失敗預設迴圈（Manzoni & Barsoux）：上級對成員的判斷，會透過他自己的做法變成事實

這個迴圈裡沒有壞人。上級收緊控制是在降低風險，成員少提方案是在保護自己：方案多半會被改，出錯還要擔責，等指令顯然更划算。這正好是 Aghion 和 Tirole 推出的那個反應，只不過在這裡它會自我強化，因為上級看到的結果又成了收緊控制的理由。

期望本身就在起作用

迴圈的起點是上級的判斷。這個判斷甚至不需要有依據。Eden 和 Shani 1982 年在以色列國防軍的一個訓練營裡做過實驗：教官被告知部分學員“指揮潛力很高”，名單其實是隨機抽的。到訓練結束時，這些學員的成績明顯好於其他人⁸。沒有人有意偏心，期望是透過教官怎麼提問、給多少反饋、交給誰更難的任務傳過去的。

更早一些，McGregor 1960 年就把管理者分成兩種假設：X 理論認為人天生不願幹活，必須監督；Y 理論認為人在合適的條件下會主動承擔責任⁹。他的要點是，假設決定管理方式，管理方式又會製造出符合假設的行為。後來的自我決定理論用實驗和調查把這一點說得更具體：逐條檢查、靠獎懲推動的控制性管理，會削弱人的內在動機；給出理由、留出選擇餘地的管理，會加強它¹⁰。

領導—成員交換理論（LMX）補上了最後一塊：同一個 leader 和不同成員的關係質量並不一樣，關係好的成員得到更多資訊、更多自由，關係一般的成員只拿到任務¹¹。這又回到了第二節的資訊軸：拿不到資訊的人，本來就只能執行。

到這裡可以回應開頭的直覺了：一動一靜確實不只是兩個人各自的特質，而是關係的一種穩定狀態，並且這種狀態會自己維持下去。既然會自己維持，它又怎樣才能移動？

四、關係的移動

放權就是承擔風險

Mayer 等人 1995 年給信任下過一個被廣泛引用的定義：信任是願意讓自己暴露在對方行為帶來的風險之下；這份意願取決於對方的能力、善意和正直¹²。按這個定義，放權就是承擔風險。上級不放權，不一定是覺得成員不行，更常見的是兩種顧慮：出了事我兜不住，或者我沒法知道他做得對不對。前一種關於後果，後一種關於驗證成本。

第一次嘗試：一次性放手

最常見的做法是某天決定“這塊全交給你”，出了一次問題又全部收回，關係在兩頭來回擺。問題在於放權的粒度太粗：一件事要麼全管，要麼全不管，中間沒有讓信任慢慢積累的臺階。

解決：三個方向同時鬆動

前面找到的三樣東西，正好對應三個可以動手的地方：

先放可逆的事。後果小、能撤回的決定先交出去，讓對方有機會積累記錄。這是在後果軸上移動。
把資訊交出去。讓成員看到客戶、上級和其他團隊的約束，實際權威會自然往他那邊移。這是在資訊軸上移動。
把逐項審批改成約定的檢查點和隨時介入。這樣既降低了驗證成本，又不會讓每一步都可能被推翻，迴圈的第 ② 步就鬆開了。

這三件事在團隊管理裡並不新鮮。有意思的是，它們在人和 AI 之間幾乎原樣出現了一遍。

五、人和 AI 之間的同一個結構

六十多年前的分工

1960 年，Licklider 在《人機共生》裡設想過人和計算機的分工：人設定目標、提出假設、確定標準、做出評估；計算機做那些為洞察和決策鋪路的例行工作¹³。這幾乎就是今天“人定方向、AI 幹活”的原型。他當時的理由是能力：機器只能做例行的事。今天這個理由已經弱了很多，分工卻還在。按第二節的兩條軸再看一遍，原因就清楚了。

後果。AI 不能為結果負責：出了事故，承擔後果的是用它的人和他所在的組織。所以在圖 2 裡，人和 AI 的關係只會落在上面一行，AI 永遠不是剩餘索取人。

資訊。每次對話開始，AI 對我們的目標、偏好和團隊約束幾乎一無所知。Anthropic 的統計裡，人打斷 Claude 最常見的原因正是補上下文或糾正方向，佔 32%³。這和 Aghion–Tirole 說的一樣：誰有資訊，誰就有實際權威。

自主度是設計出來的

Feng 等人 2025 年按“人在其中扮演什麼角色”把 AI 智慧體的自主度分成五級：操作者、協作者、顧問、審批者、觀察者¹⁴。他們特意強調，自主度是可以獨立於能力來設計的屬性：同一個模型，可以做成每步都問人的工具，也可以做成只在高風險時找人的代理。這和第一節的結論是同一件事，從工程一側說了出來。

圖 4 · 自主度是按人的角色分級的，和團隊裡放權的臺階幾乎一一對應；同一個使用者會隨著經驗往上走

關係在移動，而且兩邊都在動

Anthropic 的資料還顯示了關係隨時間怎樣變化。Claude Code 的新使用者（少於 50 次會話）大約 20% 的會話開著全自動批准，用到 750 次以上時超過 40%；但同一時期，打斷 Claude 的比例也從約 5% 升到約 9%³。老使用者不是撒手不管，而是從逐條審批變成了盯著看、必要時介入，也就是第四節的第三個動作。報告的作者把這總結為：有效的監督不需要批准每個動作，而是要在關鍵時刻能介入。

“靜”的一方也在動。在複雜任務上，Claude 主動停下來問人的次數，比簡單任務多一倍以上，也比人打斷它的次數多；它停下來最常見的原因，是給出幾種做法讓人選（35%）。也就是說，AI 在主動把方向性的決定交回給人。報告作者的說法是：智慧體實際行使的自主，是模型、使用者和產品共同構建出來的。這幾乎就是“關係決定”的另一種表述。

使用者的整體趨勢也值得一看。Anthropic 經濟指數 2025 年 9 月的報告裡，Claude.ai 上“指令式”對話（把整件事交出去、很少來回）從 2024 年底的 27% 升到了 39%；但按國家比較，人均使用越多的地方，越偏向來回協作，而不是整件交出去¹⁵。用得越多的人，關係不是更像“老闆和執行者”，而是更像協作者。

AI 版本的失敗預設迴圈

既然結構相同，第三節的迴圈在人和 AI 之間大概也存在。下面這一段是我們的類比推斷，還沒有看到專門的實證研究：給 AI 的上下文很少，它做偏了；我們覺得它不靠譜，於是只給更小、更具體的指令；它更看不到全域性，也就更難做對。打破的辦法和團隊裡一樣，先把資訊交出去。

還有一個反方向的風險。Bainbridge 1983 年的《自動化的反諷》指出，只做監督的人會漸漸失去動手能力，而判斷機器做得對不對，恰恰需要這種能力¹⁶。如果我們只定方向、不再動手，驗證 AI 的成本會越來越高，這又會把關係往“管得更細”那邊推。

團隊裡和人與 AI 之間，決定一動一靜的幾樣東西

決定因素	團隊裡	人和 AI
後果歸誰	主要在 leader，成員可以分擔一部分	只能在人
資訊在誰	leader 看得寬，成員看得深	人有目標和約束，AI 讀得到程式碼和資料
怎麼驗證	檢查點、程式碼評審、看結果	審批每一步，或盯著看、隨時打斷
會不會自我強化	會：失敗預設迴圈、期望效應	大概會：上下文少 → 做偏 → 管得更細（推斷）
怎樣鬆動	先放可逆的事，把資訊交出去，把審批改成介入

圖 5 · 兩種關係的差別只在第一行：團隊裡後果可以分出去，AI 那邊不行

六、回到開頭

回到 leader 的那句話：“放手讓他們做，要麼沒人推，要麼推歪了。”現在可以把它拆開來看。

“沒人推”，一部分是因為後果不在成員身上，他沒有理由去推；一部分是失敗預設迴圈的結果，他推過，被改回來過，於是不再推。“推歪了”，往往是因為成員手裡沒有 leader 掌握的那些資訊：客戶真正要什麼，老闆在意什麼，別的團隊在做什麼。這兩件事都不是智商問題，而是後果和資訊的分佈問題，再加上一個會自我維持的迴圈。

對 AI 也是一樣。我們覺得 AI 需要人來把方向，主要不是因為它不夠聰明，而是因為後果在我們身上，目標和約束在我們腦子裡，而驗證它做得對不對還要花成本。前兩樣決定了方向權大機率會一直留在人這邊；第三樣，加上我們願意交出去多少資訊，決定了 AI 能在臺階上走多高。

所以使用者的直覺是對的：一動一靜是關係決定的。只是“關係”可以拆得更細：後果落在誰身上，資訊在誰手裡，驗證要花多少成本，以及雙方對彼此的期望怎樣透過行為變成事實。

小結

一動一靜是能力決定的嗎？ 只有一小部分。智力和領導力的相關只有 0.27，領導比團隊聰明太多反而效果更差，AI 的能力也已經超過了它被放出來的自主。能力是門檻，不是原因。
方向權跟著什麼走？ 兩樣東西：後果落在誰身上（形式權威），情況誰更清楚（實際權威）。“leader 定方向、成員執行”只是四種格局裡的一格。
成員的被動從哪來？ 有一部分是關係製造的：上級越容易推翻，下屬越不去想；上級的判斷會透過收緊控制變成事實；期望本身也會改變表現。
關係怎樣移動？ 放權就是承擔風險。先放可逆的事，把資訊交出去，把逐項審批改成檢查點和介入，三條軸一起鬆動。
人和 AI 是同一個結構嗎？ 是，只差一點：後果只能在人這邊。所以方向權會留在人手裡，而 AI 能走多高，取決於我們交出去多少資訊，以及驗證它的成本有多低。