洞察

AI时代的「判断主场」——BLG夺冠,赢的不是操作,是不用操作的权力

2026年11月15日
0 阅读
原创

借微博/抖音双榜第一的BLG夺冠事件做组织分析:Bo5不是同一动作重复五次而是五次不同博弈,对手会改策略,AI擅长「给定状态输出最优动作」,但在多层博弈里没有「我愿意赌」这个能力。提出「不用操作的权力」——不按既定标准动作行动的权力,并愿意承担后果。指出多数公司上AI的方式(把最优员工的操作写成流程交给AI执行)会一起收走这种权力,导致「AI抬高下限、压低上限」。用一家电商团队「选品会第一小时不准用AI」的案例说明判断主场的实操版:先让人判断、再让AI验证;反过来就变成「你以为你在决策,其实你在评审」。给三个动作:关键决策设「人先行」规则、流程里留合法偏离口子、复盘时区分「判断错」和「违反流程」。

稳定类

AI时代的「判断主场」——BLG夺冠,赢的不是操作,是不用操作的权力


今天微博和抖音的热榜,前四条有六条是同一件事:BLG夺冠,Bin成为LPL历史首位大满贯上路选手,Knight拿了FMVP。

电竞新闻,跟组织管理有什么关系?说实话,本来没什么关系。

但我把它当组织案例看了一遍,发现一个特别有意思的东西:这支队的赢法,和大多数公司用AI的赢法是相反的。

大多数公司用AI,是把人的操作标准化、提速、压缩;BLG赢的,恰恰是那些无法被标准化的判断瞬间。

一、先说清楚Bo5和日常工作的区别

MOBA职业比赛最核心的结构特点,是Bo5(五局三胜)不是一个动作重复五次,而是五次不同的博弈。

第一局试探,第二局调整,第三局双方都摸到了底牌,第四第五局拼的是"谁能在高压下做出和上一局不同的判断"。

这意味着什么?意味着经验可以复制,判断不能复制。

同一个英雄、同一套配置、同一个开局,在不同的局里打,结果可能完全相反。因为你面对的不是"局面",是"上一局已经改过策略的对手"。

这正是AI的边界所在。AI擅长的是:给定状态,输出最优动作。但职业比赛里,状态是被对手动态改变的,而对手也在预测你的预测。

这是一个多层博弈。AI在这种结构里可以做辅助,但不能做决定,因为它没有"我愿意赌"这个能力。

二、那为什么要说"不用操作的权力"

我用了一个词,叫判断主场。意思是:在关键的那几秒钟,谁有权不做标准动作,谁就掌握主场。

职业比赛里有大量这样的瞬间:

  • 按标准流程,这个时间点该去刷资源;但队里有人判断对面会来,于是选择埋伏。
  • 按数据,这一波应该稳着打;但指挥判断对面心理已经崩了,于是强开。
  • 按经济差,这一局该放弃;但有人判断还能拖,于是硬拖。

这三件事,没有一个能靠"最优解"算出来。它们靠的是:有人有权打破标准动作,并且愿意承担打破的后果。

我把这个叫"不用操作的权力"——不是不行动,而是不按既定动作行动的权力。

一个组织有没有竞争力,不看它的标准动作做得多好,看它在关键时刻有没有人被允许不按标准动作做。前者是执行力,后者是判断力。

三、公司里发生了什么

把镜头转到公司。

很多公司上AI的方式是:把最优秀的员工的操作记录下来,拆成步骤,写成流程,交给AI执行,然后要求所有人按这个流程走。

这个做法在稳定环境里非常正确。它是工业化思维,泰勒制,效率极高。

但它有一个致命的副作用:它把"不按标准动作做"的权力,一起收走了。

因为一旦流程被定义成"最优",任何偏离就都是"错误"。于是理性的人会选择永远不偏离。慢慢地,组织里就没有人敢下"不标准的判断"了。

而当你遇到一个AI处理不了的场景——客户突然改主意、竞争对手出了怪招、市场出现了从未见过的组合——你发现,所有人都只会说"按流程应该……"。

这就是我常说的:AI把组织的下限抬高了,同时把上限压低了。

再深一层:为什么"主场"这个词重要

主场的敌人是客场。客场是什么?客场是"你必须适应别人的规则"。

在商业上,客场是:竞争对手定义了游戏规则,你只能在他设的框架里优化。

很多公司上AI,本质上是把自己变成了客场——用别人训练的模型、别人的工作流、别人的最佳实践,在别人的框架里比效率。这种竞争,赢也是赢在别人允许的范围内。

真正的判断主场是:我决定什么值得做,AI只是把它做得更快。

这个顺序一旦反了——AI决定什么值得做,我只负责执行——组织就永久失去主场了。

四、一个反常识的观察

我看了近几年那些"AI用得最好"的团队,发现一个共同点:他们都刻意保留了一块"低效区"。

什么叫低效区?就是不用AI、不追求最优、允许人瞎折腾的那部分时间和人力。

有一家做电商的团队,明令规定:选品会的第一个小时不准用AI,所有人凭直觉提,不准查数据。第二个小时才允许用AI验证。

我问为什么,负责人说了一句我觉得非常准的话:

如果先看数据,我们就只会选出数据证明能卖的东西。而所有卖爆的东西,一开始数据都不支持。

这就是判断主场的实操版:先让人判断,再让AI验证。不是反过来。

反过来会怎样?反过来,AI先给出候选,人只在候选里挑。表面上是"人做决定",实际上人的判断空间已经被AI的候选集框死了。

这是最隐蔽的一种失控:你以为你在决策,其实你在评审。

自检一下:你今天做的决定里,有多少是你自己先形成了判断,再让AI验证的?有多少是先看了AI的答案,然后"确认"的?后者占比超过七成,你的判断主场已经没了。

五、怎么把主场拿回来:三个动作

动作一:给关键决策设"人先行"规则。

不是所有决策都要人先行,大部分不需要。但要挑出那些真正决定生死的关键决策——定价、选品、招人、关键客户策略——规定这些必须先有人形成判断,AI只在第二步介入。

这条规则的难点不在执行,在于你得能顶住"这样太慢"的压力。而它恰恰是最值得顶的。因为快,AI已经帮你解决了;判断,只有人能解决。

动作二:在流程里留"合法偏离"的口子。

任何流程,都要写明:什么情况下可以不走流程、需要谁同意、事后怎么复盘。

没有这个口子的流程,会慢慢把组织变成一个只能执行不能判断的机器。而且更糟的是——真正有能力的人会先走,因为他受不了永远按别人的最优解活。

动作三:复盘时区分"判断错"和"违反流程"。

这两件事必须分开评价。一个人按流程做但判断错了,是流程的问题;一个人违反流程但判断对了,是流程该改的信号。

你要是把这两件事一起罚,组织里就再也不会有人敢做非标准判断了。而所有真正有价值的判断,一开始都是非标准的。


最后

BLG夺冠,外行看的是操作,内行看的是那几次"不该打的时候打了""不该退的时候没退"。

这些瞬间没有最优解,只有判断。而判断能发生的前提是:有人被允许做判断,并且愿意承担判断的后果。

AI时代,这个前提正在被系统性地侵蚀。因为AI给了所有人一个更好的选项:别判断了,跟着最优解走,出错也不是你的责任。

这个选项太舒服了,舒服到大多数人会选它。

而我判断,未来三到五年,组织之间的差距会越来越多地体现在一件事上:你的组织里,还有多少人愿意在没有最优解的时候,自己下一个判断?

这个数字,就是你的判断主场的大小。它不会出现在任何报表上,但它决定你能走多远。

配套行动工具

#决策机制#AI与判断力#组织能力#热榜嫁接

相关洞察