当前位置: 首页 > news >正文

真相来了|张一鸣为什么反对“频繁对齐”:越聪明的组织,反而越少开会(附模版)

在很多公司里,

“对齐”几乎成了一种政治正确。

  • 目标要对齐

  • 方向要对齐

  • 认知要对齐

  • 情绪也要对齐

是的,你没有听错。

“情绪要对齐”这句话,

是我亲耳听到的。

当时的我,

和你现在看到这句话时的“错愕”,

几乎一模一样。

所以,一旦业务慢了,

很多管理者的第一反应,

往往不是复盘决策,

而是“再开一次会,对齐一下”。

但在字节跳动,

张一鸣却反复强调一句话:

对齐不是问题,

频繁对齐才是问题。

这背后,

藏着一个极其反直觉,

却被反复验证有效的组织真相。


为什么越开会

团队绩效反而越差?

因为他们把“对齐”,

当成了不决策的安全垫

你一定见过这样的场景:

  • 会上问题摆了一桌子,但没人拍板;

  • 讨论看似充分,结论却总是“再同步一下”;

  • 下一次会,继续讨论同一批问题。

表面看,

这是在追求“共识”。

实际上,

这是在用对齐稀释责任,

用会议延迟决策

而“频繁对齐”的真正作用只有一个:

让每个人都显得很努力,

但没有人真正负责结果。

多么的讽刺呀。


张一鸣反对“沟通”?

当然不是,而是“重复沟通”

不仅是张一鸣,

包括马斯克与贝佐斯都提到过:

如果一件事需要反复开会对齐,

说明前面的决策就没做好。

管理者真正应该警惕的,

其实是三类“反复对齐”会议:

1、没有新增信息的会

——所有人只是重复已知事实,试图“把话说圆”;

2、没有明确拍板人的会

——讨论热烈,但没人对结果负责;

3、为了情绪安全而存在的会

——不是为了解决问题,而是为了“大家都别难受”。

这三种会,

对组织最大的伤害,

不是浪费时间,

而是制造一种幻觉:

看,我们多认真,

但其实在原地打转。

荒唐吧。


越聪明的组织

越少靠“对齐”来运转

像字节跳动这样的“效率型”企业,

真正倚重的,

从来不是会议密度,

而是这三件事:

第一,目标本身足够清晰

——清晰到不需要每周解释一遍“我们到底要干嘛”;

第二,决策权高度前置

——该谁拍板,一开始就写清楚,而不是靠会上“气氛推着走”;

第三,默认信任专业判断

——不是每个判断都要被所有人理解,只要能被验证。

所以你会发现一个现象:

认知成熟的组织,

会议反而越来越少;

认知混乱的组织,

只能靠会议“续命”。

原来,那些总开对齐会的组织,

其实是为了掩盖能力差。

多么痛的领悟。


为何要频繁对齐?

这是一种“组织焦虑”外化

很多管理者会说:

不多开会,

我心里不踏实。

这句话本身就暴露了问题:

你不是担心团队没对齐,

你是担心事情会失控。

但真正成熟的管理方式,

不是通过会议获得安全感,

而是通过结构设计获得确定性:

  • 目标是否清楚到可以独立判断?

  • 权责是否清楚到无需层层请示?

  • 反馈机制是否足够快,而非足够多?

如果这些问题没解决,

再多的对齐,

都是止痛药。


减少会议非放任

而是更高要求

张一鸣反对“频繁对齐”的背后,

其实是对组织提出了更高要求:

  • 目标必须一次讲清楚

  • 角色必须一次定清楚

  • 判断必须允许不一致,但结果必须被验证

这不是“少管理”,

而是把管理从“反复确认”,

升级为“前置设计”。

简单,才是王道。


总结一下:

很多组织以为效率低,

是员工的执行力不行;

真相更可能是,

决策被“反复对齐”稀释了。

会议越多,

往往说明目标越模糊,

责任越不清。

真正高效的组织,

不是靠不停沟通维持运转,

而是靠清晰的结构,

来减少沟通的必要性。

https://mp.weixin.qq.com/s/981GEyX1SUrLGQ1t4VQDiQ

http://www.cnnetsun.cn/news/152165.html

相关文章:

  • 24、无线频谱危机:5G 的空白频段解决方案?(上)
  • 34、5G 移动网络的现状、挑战与未来展望
  • Open-AutoGLM输入准确率如何提升至98%?资深专家亲授5个核心技巧
  • 淘宝京东拼多多API:不同平台,相同的电商赋能之道?
  • 2025网络信息安全工程师入行路线图:从零基础到体系精通,一篇保姆级指南
  • 算法学习记录18——并查集 vs Set + BFS/DFS
  • 揭秘Open-AutoGLM离线运行核心技术:5大关键步骤让你摆脱云端依赖
  • 29、量子点中的自旋电子学与量子计算
  • 千元到两千元家用路由器市场,如何挑选及Wi-Fi 7技术优势
  • 【Open-AutoGLM触控优化核心技术】:揭秘轨迹自然度提升的5大算法原理
  • FaceFusion助力元宇宙建设:高质量面部动画生成解决方案
  • FaceFusion命令行工具详解:自动化脚本编写实战
  • 【Open-AutoGLM性能突围】:3个真实案例教你将推理延迟压到极限
  • 从零基础转行渗透测试到如今20k,我经历了什么?_渗透测试工作辛苦吗
  • 错过Transformer时代别再错过它:Open-AutoGLM将引爆下一代AI浪潮?
  • Open-AutoGLM无代码系统背后的秘密(9大核心技术组件详解)
  • 基于Java的毕业论文复现与写作,这10款AI工具值得推荐
  • 利用FaceFusion镜像加速GPU算力变现的新商业模式
  • pytest-yaml 测试平台 - 平台实现用例分层API和用例层
  • Open-AutoGLM实战指南:5步构建你的动态强化学习智能体
  • 计算机毕业设计springboot家庭财务管理系统APP 基于Spring Boot的家庭财务智能管理移动应用开发 Spring Boot驱动的家庭财务管理系统移动端设计与实现
  • Open-AutoGLM坐标漂移难题,一文掌握精准修正的7种高级手法
  • (独家)Open-AutoGLM弹窗自愈系统设计内幕:3步实现无人值守自动处理
  • 从规则引擎到AI决策,弹窗处理如何迈入智能化时代?,Open-AutoGLM实战路径全披露
  • 无路可退的渗透测试工程师,35岁前趁早多接触下这些方向
  • 非科班学网络安全,是“黄金大道”还是“天坑之旅”?
  • C语言变量命名规则C语言变量与常量基本数据类型
  • 1、数学物理中的量化与群论研究
  • 18、物理中的几何方法与模型研究
  • 2、量子物理早期实验与理论探索