AI时代的"认知越权"——特斯拉一个月降价两次，组织正把用户当数据
百度热搜上有条消息：特斯拉一个月降价两次，惹怒新车主。
注意，是"新车主"——刚提车没多久的人。按纯数据逻辑，降价是聪明的：拉动销量、清理库存、打击对手，每一个指标都漂亮。可为什么挨骂的是特斯拉自己？
因为它越权了。
当一家公司用算法把用户优化成一组数据，它就在悄悄越过一条隐形的线——从"服务一个人"变成"调度一个变量"。而这，正是AI时代所有组织都会踩的坑。
一、数据驱动的尽头，是"人不见了"
先说清楚一件事：数据驱动不坏，坏的是把数据当成了目的，而不是手段。
特斯拉的定价模型里，"新车主"不是一个刚花几十万、正处在兴奋期的活人，而是一个"已转化用户"的标签——标签的边际价值已经榨干，所以继续降价去转化那些"未转化用户"才是最优解。
从模型的角度看，完美。从人的角度看，背离。
我认识一家做教育服务的公司，上了AI客户分级系统。系统把客户分成A/B/C三档，A档重点维护，C档自动回复。半年后他们发现：升上来的A档客户投诉最多。
原因是——某个客户从C升到A的那一刻，系统不会告诉他"你被升级了"，但过去他对接的是"自动回复"，现在突然要面对"高频销售跟进"。客户的感觉不是"被重视"，而是"我被系统盯上了，像块待宰的肉"。
数据没错，体验崩了。因为组织把"客户关系"当成了一次可计算的状态迁移，而不是一段需要被尊重的持续关系。
二、"认知越权"：组织替用户做了本该用户做的判断
我把这种现象叫"认知越权"。定义很简单：组织借助AI，替用户/员工做了一个本该由他们自己判断和选择的事，却没有给任何解释和选择权。
它有三种典型形态：
- 替用户定价。像特斯拉，动态调价，用户却永远不知道下一分钟是贵还是便宜。价格透明性被"最优化"吃掉了。
- 替员工排班。AI把每个人的作息、产能、偏好算成一张最优排班表，效率拉满，但员工连"我想换一天班"都得跟系统申请，而不是跟同事商量。
- 替团队打分。AI根据行为数据给绩效打分，员工都不知道自己为什么是85分。分数出来了，但意义没了。
共同点是什么？组织拿到了更精确的控制权，代价是交出了"被信任"的资格。
精确和信任，从来不是一回事。精确解决的是"怎么做得更好"，信任解决的是"为什么我要认这个结果"。AI只擅长前者。
三、越权一次，成本有多高？
很多人以为越权只是"体验差一点"。不，它是会复利的债务。
特斯拉的新车主被降价"偷袭"一次，下一次买车，他会不会先等三个月看会不会再降？一个被AI排班系统"管"到窒息的员工，下一次会被主动加班吗？一个被莫名其妙打85分的团队，下一年会为这个分数拼命吗？
AI越权的真实成本，不是当下的那点抱怨，而是信任账户里的一笔长期透支。你算的是这一单的最优，赔的是未来所有的"愿意"。
这也是为什么我总说：AI让组织"算得准"的能力暴涨，却没让"被相信"的能力增长一分。这两者之间的缺口，就是组织最危险的地方。
四、给组织划线：哪些事AI可以碰，哪些不能越
组织要想清楚一件事：AI是参谋，不是法官。参谋可以给最优解，法官必须有人签字。
我建议用一条朴素的标准划线：凡是涉及"人会觉得被冒犯"的判断，AI只能做输入，不能做决定。
- 价格、绩效、排班、淘汰——这些直接影响人处境的决定，必须有一个"具名的、可被追问的人"来落锤。AI给方案，人给交代。
- 所有AI决定都要能"被追问"。用户问"为什么降我的价"、员工问"为什么给我这个分"，必须有一个说得出口的答案。问不出口的决策，就是越权。
- 给"不同意"留一个闸门。再小的调剂，也要留一个人工入口。让用户能找客服、让员工能找主管，这个"入口"本身就是组织信任的安全阀。
一句话总结
特斯拉降价两次激怒新车主，本质上不是价格问题，是"被当成数据"的尊严问题。AI时代，组织最需要修炼的，不是算得更准，而是知道哪些事不该由算法做主。技术负责精确，人负责体面——越了这条线，效率越高，崩塌越快。