团队里有人悄悄摆烂，AI知道，你知道吗？
张晨的AI系统在周三下午弹出第二条异常提示：「团队成员赵凯，本周有效工时环比下降47%，任务完成率从92%降至61%。」
张晨是某互联网公司的技术经理。他看了看赵凯上周的代码提交记录——确实，从上周四开始，赵凯的代码量少了近一半，代码质量评分从A掉到了C，参加站会的发言从"今天做这个模块的单元测试"变成了"还是那些事"。
但张晨没有找赵凯谈话。不是因为他懒。而是因为——他不知道该用什么标准来判断赵凯到底是真的"摆烂"了，还是遇到了什么实际困难。AI告诉他有问题，但AI告诉不了他怎么解决。
摆烂不是一种行为，是一种信号
过去我们理解的"摸鱼"是上班刷手机、提前溜号。但AI时代，真正让管理者头疼的摆烂已经进化了——它不再是"不工作"，而是"假装在工作但就是不产出"。
这种"摆烂"极其隐蔽。打卡正常、在线状态正常、周报按时提交——但代码量下降、推动效率变慢、项目进展停滞、协作反馈减少。这些变化如果用人眼观察，至少要一到两个月才能察觉。但AI可能在两周内就能识别出——根据Git提交频次、Slack回复时间、文档更新速率、参与会议发言次数等一系列"暗性信号"。
微软在2025年发布的Workplace Analytics研究指出：员工的有效产出与"外显工作信号"之间的相关性正在下降。也就是说，一个表面上看起来很忙的人，可能在系统里几乎没有有效产出。反之亦然——一个看起来很低调的人，可能才是真正的核心贡献者。
这就带来一个新的管理困境：数据不会误导你，但你自己会。
AI发现了他摆烂，然后呢？
"AI识别摆烂"这件事，最大的挑战不是技术，而是"知道了以后怎么办"。我注意到，很多管理者在发现AI的预警后，会有三种典型反应，但效果都不太好。
第一种：直接问。"赵凯，AI说你最近产出下降了，怎么回事？"效果可想而知——任何人被这样质询，第一反应都是防御性的。赵凯大概率会说"我最近身体不太好""家里有点事"。不管真假，你都无法验证。而且从此以后，他在你面前会更小心翼翼。
第二种：用数据核对。"你本周提交了47行代码，上周是112行。"这种方式的尴尬在于——赵凯可以说"我本周主要在搞设计，没有写代码"，然后你就无话可说了。员工的真实产出，有些是无法通过代码行数、任务完成数这类指标衡量的。
第三种：假装没看见。这是最多的。管理者看到AI的预警，但不知道怎么说，于是选择等待。等到问题严重到所有人都看得见时再介入——到那时已经晚了。
这三种方式共同的底层问题在于：管理者把AI当作"检查工具"，而不是"诊断工具"。
"摆烂"的数据陷阱
还有一个更深层的问题：AI识别"摆烂"的准确率可能并没有你以为的那么高。
2025年，MIT Sloan发表了一项研究，针对某科技公司3,200名员工的协作数据进行分析。结果显示，AI模型对"低产出员工"的识别准确率约为72%。但进一步分析发现，其中19%被标记为"低产出"的员工，实际上在承担大量"非结构化工作"——比如带新人、处理突发事件、维护遗留系统。这些工作因为不在常规KPI体系内，所以AI看不到。
换句话说，AI识别出的"摆烂信号"里，有五分之一其实是误判。如果你拿着这个数据去"抓人"，你冤枉的可能是团队里最辛苦的人。
这给管理者提了一个醒：AI的数据只是一个信号，不是一个判决。在数据和行动之间，需要你加一道"人的判断"过滤。
照妖镜还是梳妆镜？
这里面其实有两个完全不同的管理哲学。
哲学A：AI是照妖镜。用它来发现谁是懒人、谁在摸鱼、谁不出活儿。这听起来很高效——效率至上，数据说话。但坏处很明显：员工会变得非常焦虑，并开始"优化数据显示"而非"优化工作产出"。
哲学B：AI是梳妆镜。用它来发现团队的异常状态。AI告诉你赵凯产出下降，你把它看作团队健康度的指标——不是"抓坏人"，而是"看问题"。你找赵凯聊的不是"你是不是在摆烂"，而是"你最近是不是遇到了什么困难"。
选哪个，决定了AI管理工具到底是在提升团队战斗力，还是在摧毁团队信任。
我观察到的结果是：选哲学A的公司，在头三个月效率确实有提升，但六个月后员工离职率上升了约27%。选哲学B的公司，效率提升可能慢一些，但团队的稳定性更好。
"看不见的工作"正在被AI忽视
这里还有一个反向问题值得注意：AI能识别"摆烂"，但也能识别出"被忽视的贡献"。
比如团队里的"隐形粘合剂"——那些经常帮新人解答问题、协调跨部门冲突、在群里回复同事求助的成员。这些人的代码提交量可能不是最高的，但他们对团队整体效率的贡献远超其个人产出。传统的管理方式几乎无法量化这类贡献，但AI可以做：分析回复率、信息流转效率、协作网络图谱——这些"暗性贡献"可以被量化为数据。
Zoom在一份内部报告中提到：引入AI协作网络分析后，他们发现前20%的知识贡献者中，有43%的人之前从未获得过"高绩效"评级。换句话说，一直有人在暗中推动你的团队前进，但从来没有人告诉过你。
所以AI如果只用来"抓摆烂"，那就只做了一半的工作——甚至可能做反了。好的管理者应该用它来发现两种人：需要帮助的人和值得被奖励的人。
说说我的判断
说实话，我认为AI识别"摆烂"不是技术问题，是一个管理问题。甚至再往深了说，它连管理问题都不是，它是一个信任问题。
信任，是AI数据能帮你改善团队的前提。不信任，AI数据只会让你的管理变得更差。
张晨最后采取了什么做法？他没有找赵凯"对质"，而是在周五下午拉赵凯喝了杯咖啡。他问的是这句："最近是不是遇到什么情况了？需要什么帮助吗？"
赵凯沉默了一会儿，说："我妈上个月住院了，我每天加班到很晚，回医院。我没跟任何人说。"
张晨后来跟我说：如果我当时拿着AI的截图去找他，我们今天就不是喝咖啡的关系了。
AI可以发现一个人"在做什么"，但永远无法理解他"为什么这么做"。
老邓 × 艾游