AI时代的决策演变：从共识到速度
2026 年 4 月，哈佛商业评论刊出了一篇论调相当直接的文章：《AI时代，共识决策行不通了》。作者 Jonathan Rosenthal 和 Neal Zuckerman 的核心判断只有一句话——"能在未来十年存活下来的企业，不是那些拥有最好算法或最多数据的公司，而是那些有勇气抛弃现有决策方式的公司。" 这句话听起来有些绝对，但细想之下，它触及的是一个大多数管理者不愿正视的结构性矛盾。
为什么这个话题值得认真对待
管理学界对"共识决策"的推崇由来已久。二十世纪后半叶，随着组织规模扩大、信息不对称加剧，共识机制成为平衡多方利益、降低决策风险的标准解法。它的底层逻辑是：让更多人参与，就能汇聚更多视角，最终做出更稳健的决定。
这套逻辑在工业时代大体成立。信息流转慢，市场变化周期以年为单位，一个决策从提案到落地花上数周甚至数月，代价有限。共识的代价——拉锯、妥协、迟缓——在这个节奏下是可以接受的。
但 AI 改变了这个前提。它不是在原有流程上"快了一点"，而是把信息处理速度、方案生成速度、执行反馈速度同时提升了一个数量级。当竞争对手能在小时级完成分析-决策-迭代的闭环，一个需要跨部门拉齐三轮才能拍板的组织，就已经在结构上输了。
共识决策的三个结构性失效
失效一：速度不匹配
这是最直接的矛盾。AI 能在秒级生成分析报告、竞品对比、风险评估，但"达成共识"这件事从未变快——甚至因为参与方更多、利益更复杂而越来越慢。一家大型企业的战略决策，往往要经历：部门提案 → 横向对齐 → 向上汇报 → 委员会审议 → 最终拍板，每个节点都有等待和摩擦。
更深层的问题是，AI 加速了市场信号的密度。过去一个季度才会出现的竞争变化，现在可能一周内就演变三次。共识流程的设计前提——"我们有足够的时间把所有人拉齐"——已经不成立了。
失效二：共识天然过滤异见
共识机制有一个内置的偏见：它倾向于产出所有参与者都能接受的方案，而不是最正确的方案。这两者之间有时重合，但在需要激进判断的时刻，往往南辕北辙。
在 AI 时代，很多决策的正确答案恰恰是反直觉的——例如把某条业务线整体迁移给 AI Agent 处理、大幅裁减某个中间层岗位、放弃一个稳定但低增长的收入来源去押注新方向。这类决策会刺激组织中大量既得利益方，在共识流程中必然遭到稀释甚至阻断。结果就是：越需要大胆判断的时刻，共识机制越容易产出"温吞"的结果。
研究早就发现，团队决策在"避免冲突"和"趋向认可"上存在系统性偏差（即所谓的"群体思维"），共识决策把这种偏差制度化了。AI 时代的竞争烈度，已经不允许组织在重大节点上持续做出妥协性决策。
失效三：AI 加剧了组织孤岛
这是最容易被忽视的一点。当各部门分别引入 AI 工具来优化自己的指标时，一个有趣的悖论出现了：每个部门的独立效率都在提升，但跨部门的共识反而更难形成。
原因在于，AI 工具强化了每个团队的"内部视角"——销售团队的 AI 说"应该降价冲量"，风控团队的 AI 说"应该收紧授信"，产品团队的 AI 说"应该扩展功能"。每个判断在局部数据上都言之有理，但在整体战略层面却指向不同方向。当大家都拿着 AI 生成的"数据支撑"进入会议室，共识不是更容易达成，而是更难——因为每一方都有了更充分的理由坚守自己的立场。
不是"不要共识"，而是"重新设计决策架构"
HBR 这篇文章的挑衅性在于，它没有说"共识是错的"，而是说"共识决策作为一种普遍的管理原则已经过时了"。这两者之间有重要的区别。
有些决策确实需要共识，尤其是那些影响深远、难以逆转的战略选择，充分的多方参与仍然有价值。但问题是，过去半个世纪的管理文化把共识变成了一种默认设置，几乎所有有分量的决策都要走共识流程，导致组织的决策成本极高、决策速度极慢。
真正的变革不是"消灭共识"，而是重新回答：哪些决策需要共识，哪些不需要？
这个问题的答案，在 AI 时代需要重新校准：
- 高频、可逆的决策（产品迭代、内容方向、运营策略）：应该授权更小的单元独立决策，不走共识。
- 低频、不可逆的决策（重大并购、架构重组、核心价值观调整）：仍然值得用共识机制来确保充分审视。
关键是把这两类决策分开，而不是用同一套流程处理所有事情。
落地视角：中国企业的特殊处境
从中国企业的现实来看，这个议题有几层额外的复杂性。
一方面，国内部分企业（尤其是互联网大厂）长期奉行"老板决策制"，共识反而不是主要问题——决策速度快，但决策质量高度依赖少数人的判断力。AI 时代，这种模式的上限更高、下限也更低：一个判断力强的决策者配合好的 AI 工具，能产出惊人的效果；但一旦核心决策者的认知跟不上 AI 带来的变化，整个组织就会集体跑偏。
另一方面，大量传统企业和国有单位仍然依赖共识流程——甚至比西方企业更加严格，因为还叠加了层级审批文化。对这些组织来说，AI 的价值不只是"提升效率"，而是可能成为打破固化决策模式的一个外部压力。当下属能用 AI 生成一份比领导经验判断更精准的数据报告，权威的来源就悄悄发生了变化。
商业视角：谁在从这个趋势中受益
这个判断对管理软件赛道是一个明确的信号。新一代面向 AI 时代的组织管理工具，核心卖点不再是"帮你管理更多信息"，而是"帮你做更快的决策"——包括决策流设计、决策数据追踪、AI 辅助决策建议，以及最重要的：把决策权下放给更小团队的授权机制。
已经有一些产品在这个方向上有所布局，例如重新设计 OKR 体系的工具（让目标可以被更快校准，而不是每季度才对齐一次），以及将 AI 分析结果直接嵌入审批流的工作流产品。这个赛道在接下来几年会有明显的迭代加速。
结论
哈佛商业评论这篇文章的真正挑战，不是技术层面的，而是组织勇气层面的。说"AI 时代需要更快的决策"，大多数管理者都会点头；但说"为了更快，你需要把过去半个世纪建立起来的共识文化拆掉重建"，能真正付诸行动的就寥寥无几了。
共识的本质是一种风险分摊机制——每个人都参与了决策，所以每个人都要为结果负责，也就是每个人都不需要为结果完全负责。这在政治意义上是安全的，在竞争意义上却是昂贵的。
AI 时代最稀缺的资源，不是算法，不是数据，而是有勇气在不确定性中快速拍板的决策者，以及允许这种拍板发生的组织结构。
你所在的组织，是否也有"为了共识而共识"的决策场景？那些拖了很久最终没有拍板的事，真的是因为不确定性太高，还是只是因为没有人愿意承担独立判断的代价？
参考来源：Jonathan Rosenthal & Neal Zuckerman, "Decision-Making by Consensus Doesn't Work in the AI Era", Harvard Business Review, April 7, 2026. hbr.org