最近，我观察到职场中一个很有意思的现象：越来越多的工作材料由 AI 生成，再由下一个人交给 AI 阅读和分析。
一线人员用 AI 把实际工作整理成日报、周报和月报，管理者再用 AI 将这些材料改写成复盘或汇报，高层收到后继续用 AI 提炼重点。人到 AI，再到人，再到 AI。每个环节都在「工作」，也都有产出。材料可能结构完整、逻辑顺畅，却已经与一线真实发生的事情隔了好几层。
细究这个过程中人在做什么，会发现很大一部分工作，其实只是为 AI 提供上下文，再把生成结果继续传递下去。
《哈佛商业评论》把这种现象称为「workslop」：AI 生成的内容表面完整，却缺少推进任务所需的背景和实质，接收者不得不重新理解、核对，甚至返工。AI 并没有消灭工作，只是把思考成本转移给了下一个人。
以前，写一份长报告需要花费不少时间，写作过程本身会迫使人重新梳理和思考。但现在，一份格式规范、措辞完整的材料，几分钟就能生成，文本的完整程度与思考的深入程度开始分离。报告看起来越来越像成果，却不一定包含更多有效信息。
写报告的人用 AI 生成内容，读报告的人再用 AI 总结内容，链条不断延长，最终就可能变成 AI 写给 AI 看。人夹在中间，主要负责复制材料、补充提示词、检查格式和转交结果。我认为，这是一种新时代的形式主义。
AI 并没有创造形式主义，它只是让原有的形式主义变得极其便宜。当生成材料的成本大幅下降，组织并不会自动减少材料，反而可能得到更多日报、更多总结、更多分析，以及更多制作精美的 PPT。过去受限于时间与人力的形式，如今可以被近乎无限地生产出来。
管理者对业务的熟悉、对异常的敏感，以及长期积累形成的判断，仍然是组织中重要的隐性知识。如果一名管理者能够解释数据背后的原因，发现材料中没有写出的异常，处理不同目标之间的冲突，那么他就补充了 AI 无法直接提供的信息。反过来，如果一个环节既没有补充事实，也没有形成判断和行动，只是完成了一次文本转换，它就退化为纯粹的形式。
在「AI Native」、「超级个体」等概念不断涌现的当下，真正的 AI 组织改造是什么？
我认为，关键在于重新设计信息如何进入组织、如何被复用，以及哪些环节必须由人作出判断。真正需要精简的，是那些不增加事实、不形成判断、不承担责任，只负责把同一批信息换一种格式继续向上传递的环节。
更理想的流程或许是：一线事实尽可能只记录一次，并始终保留与原始业务数据的连接；AI 根据不同需求自动生成日报、月报或汇报视图；管理者不再重复搬运信息，而是集中于发现异常、判断因果和采取行动；高层既能看到汇总，也能追溯到原始依据。
AI 负责整理与路由信息，人负责判断并承担责任。
当报告可以一键生成，内容可以一键总结，「汇报」本身就不再足以证明管理工作的价值。真正需要追问的是：这份报告帮助谁作出了什么判断，又推动了什么行动？
即便组织没有主动进行 AI 改造，只要员工自发使用 AI，也会逐渐暴露旧制度中的冗余。AI 会先让形式主义变得更加容易，随后又逼着人们重新思考：
我们为什么还需要这些材料？