播放器可选择2倍速。阅读与两倍速完整收听合计约39分钟；你也可以先读文章，再选择片段回听。
工具换了，熟悉的组织摩擦却回来了
在本期《铁林想聊》中，蓝华峰Frank分享了一次颇有反差的试验。他为一人公司设置七个AI员工，分别安排岗位、职责与角色卡，甚至加入了定期汇报。原本希望借此形成一个清楚的团队，运行以后却发现不对劲。
一个任务需要修改时，对方可能表示不在自己的职责范围；交给另一个线程，前面的上下文又不能自然跟过去；有些灰色地带没人处理，另一些地方则重复修改。Frank形容，这像把过去部门之间的摩擦重新演了一遍。
这个案例并不能证明多智能体协作一定失败，却提出了一个有价值的问题：当新工具能够跨环节完成任务时，为什么仍然要先按照传统职位把它切开？组织方式可能决定工具是否真正减少工作，还是只是换一种形式增加协调。
第一个问题：岗位清楚，不等于结果清楚
岗位说明主要回答某个角色负责什么，但真实任务通常需要跨越多个环节。一篇内容从选题到发布，可能同时涉及受众、观点、文字、图片与页面。若每个角色只优先维护自己的职责，整体结果反而可能没有人持续负责。
Frank的试验把这种问题放大了。角色卡越精细，工具可能越认真遵守局部边界，却不一定理解遇到灰色地带时应该怎样协商。于是，原本用来减少混乱的规则，也可能制造新的停顿。
对实际团队而言，这并不意味着要取消分工，而是需要同时说明共同结果。各自完成一个动作以后，交付物怎样被下一环节使用，哪里必须一起判断，都需要被看见。只检查岗位有没有履职，可能漏掉任务为何仍然没有完成。
第二个问题：交接本身需要成本
节目中，Frank反复提到转移上下文的麻烦。一个线程知道的背景，另一个线程未必知道。他需要整理交接文档，再把相关信息搬过去。交接越频繁，重复说明与信息遗漏的可能性就越大。
人类团队也会经历类似情况。一份材料虽然已经发出，接收者却不知道哪部分是最终决定，哪部分仍待讨论；上一位处理者认为显而易见的背景，到了下一位那里可能完全不存在。任务在继续走，理解却没有一起走。
因此，评估协作效率不能只数有多少执行者，还要看每次交接让谁重新做了什么。增加一个角色如果节省的工作，小于它带来的解释、等待和核对，就未必值得。让工作流更短，有时比让组织图更完整更有帮助。
第三个问题：边界需要支持协作，而不只是切断责任
Frank说，业务中不可能把每个情况都提前写进角色卡。有时两边都觉得不归自己，有时两边又同时动手。真实任务里的交叉，不会因为一张职责表就消失。
对教练式管理来说，可以由此继续问：遇到职责不清时，团队约定怎样处理？谁先确认当前事实，谁有权调整分工，哪些地方需要暂停修改？边界如果只有不能做什么，却没有说明如何恢复协作，问题就会不断回到管理者手里。
这也提醒一人公司，给AI设定操作范围与把能力切碎，是两件不同的事。前者帮助控制任务，后者是否必要，需要看具体工作。比较合适的设计，应让范围明确，同时保证有人能够围绕最终结果把必要信息接起来。
后来，他把组织单位从职位换成了任务
Frank介绍，后来的做法不再首先区分战略、市场或产品，而是明确要完成哪项任务，再提供相关技能和材料。不同线程可以围绕一个交付物开展工作，而不必一直维持固定职位。
任务卡在这里承担的是共同说明的功能：目标是什么，输入在哪里，要调用哪些可复用方法，最后交出什么。它减少了仅凭角色名称猜测工作的空间，也让不同执行者更容易进入同一个具体任务。
不过，任务卡也不宜被神化。写得很长不一定清楚，资料很多也不一定有效。比较重要的是，执行者能否据此行动，遇到不确定时知道怎样反馈，以及结果能否按照事先说明的要求被检查。
小公司的优势，可能在于更容易理解整个业务
薛铁鏻在对话里补充，小公司里一个人常常同时接触营销、销售与产品，因此更容易知道各环节如何连接。原来人手不足带来的跨职能经验，在使用智能体时，反而可能成为提出完整任务的基础。
这个观察不是说规模越小就一定越好，而是说明业务理解很关键。不了解客户需要，不知道内容最终服务什么，就容易给工具很多零散动作，却没有明确方向。工具可以把动作做快，方向仍需要人判断。
对独立教练来说，也可以用这个角度检查业务。公开表达、初次约谈、合作约定和正式交付，是不是彼此接得上？如果每一步都很努力，客户却不断产生错误期待，就需要回看整个路径，而不只是优化其中一个局部。
从一次工具试验，回到真实组织的学习
节目中，Frank还谈到规则与上下文需要随能力变化而整理。过去为了解决某项困难增加的步骤，后来可能成为冗余。保留哪些约定、删掉哪些重复说明，都应该根据实际运行继续调整。
团队也可以采用这种复盘方式。找一项经常返工的工作，把从发起到完成的路径画出来，标明哪里等待、哪里重复解释、哪里没有人知道最终决定。不要先讨论谁态度不好，先看任务怎样经过这个系统。
随后选择一个小改动：明确共同交付，减少一次无必要的交接，或指定遇到范围冲突时的协调方式。试行之后，再看返工是否减少、理解是否更一致。调整组织不必每次都是大改架构，也可以从一个反复卡住的环节开始。
AI员工的故事之所以让人会心一笑，是因为它照见了人熟悉的协作习惯。工具不会自动替组织消除所有摩擦，结构也不会因为被数字化就天然合理。能够持续看见真实任务，并愿意根据反馈改变安排，才更接近有效协作。
对教练与管理者而言，这提供了一个可继续讨论的入口：当团队说大家都很忙，却没有结果时，可以先问工作在怎样流动。让共同目标、信息和决定一起流动起来，往往比再给每个人增加一个职责名称更值得尝试。
复盘时还需要区分任务问题与能力问题。资料没有传到，不宜解释为执行者不专业；职责冲突没有协调，也不宜只要求每个人更主动。先把必要条件补齐，才能更公平地判断剩下的困难。否则，结构制造的问题会不断被归到个人身上。
同时，人类合作并不是一套可以随意替换的程序。成员有自己的经验、需要与判断，因此调整工作方式也需要对话。管理者可以说明改变的原因，听取一线遇到的困难，让执行者参与设计交接方式，而不只是再发布一份规则。共同形成的理解，通常比一张单方面写好的组织图更能支持实际行动。
可以从一次短复盘开始：共同确认现在卡住的结果，回看最近一次真实交接，只选一个可以修改的地方。等新安排实际运行后，再来判断，而不是把一次讨论的共识当成问题已经解决。
本文根据《铁林想聊》本期对话整理。嘉宾经历与观点按录制时的表达呈现；面向教练的练习与应用结合对谈提炼，历史市场与平台观察不作为当前规则。