企业最想要的创造力，往往来自它最想淘汰的人

一家公司如果真的想要突破性创新，它面对的第一个矛盾不在市场，而在自己的管理制度里。它用同一套能力模型招人，用同一套绩效标准考核，用同一套晋升机制筛选。这套系统擅长识别"合格"的人，却未必识别得出"不可替代"的人。

亚历克斯·卡普（Alex Karp）在一次访谈中把这个矛盾说得很直接：企业最想得到的创造力，可能恰恰来自它最想淘汰的人。这句话听起来像管理学鸡汤，但他给出的解释并不温和——问题不在于管理者不够开明，而在于组织筛选人才的方式，与它期待的结果之间，本身就存在结构性冲突。

一、"没有短板"的筛选，生产不出"非标准"的成果

传统企业偏爱"六边形战士"：沟通、协作、执行、管理，样样都过得去，没有明显短板。这种偏好有它的道理——可预测、好协作，容易放进现有的流程和层级里。

但卡普认为，真正创造突破性价值的人，能力分布往往极不均衡。他可能不擅长沟通，不喜欢被管理，甚至很难适应标准流程；可在某个具体领域，他拥有别人难以理解的创造力。用分数打比方：大多数能力只有 60 分，某一项却能达到 99 分。

问题在于，招聘表、绩效表和晋升标准，通常奖励的是"没有 60 分以下"的人，而不是"有一项 99 分"的人。于是出现一个荒诞的局面：企业用标准化的方式筛选人才，却指望这些人才创造非标准化的成果；用同一套尺子招聘、考核、晋升，最后留下来的是最容易被管理的人，被淘汰的则可能是最不合标准、却最可能做出突破的人。管理效率提高了，组织的创新上限却被悄悄压低了。

这不是说专才一定优于通才，也不是说所有难管的人都值得留下。卡普的判断更窄，也更尖锐：当一家公司只用一套统一标准衡量所有人时，它实际上已经提前决定了自己能创新到什么程度。

二、创造力真正的对手，是权威

为什么组织总是难以接纳真正有创造力的人？卡普的解释是：真正的创造，往往意味着挑战。

一个年轻人如果判断对了，而他的判断与上级过去的决定相反，问题就不再只是"能力问题"，而变成了"权威问题"。承认这个人更强，等于承认管理者过去做错了。对很多组织来说，这种承认带来的不是学习机会，而是一种羞辱。

所以，创新失败的一个常见原因，不是管理者不喜欢创新，而是管理者无法接受创新来自一个自己无法理解、甚至需要向其学习的人。卡普把话说得更绝：没有天才的企业，可能只是缺少天才；而有天才却留不住的企业，缺的是容纳天才的能力。后者更常见，也更难治。

但卡普并没有把特殊人才浪漫化。他承认，这些人并不是"永远正确"；真正困难的是两件事同时成立：一是判断他的想法到底有没有价值，二是在管理他的过程中不破坏他独特的创造力。这要求组织具备一种更高级的管理能力——不是让所有人都服从自己，而是让那些在某方面比自己更强的人，仍然愿意留下来发挥价值。

这里有一条容易被忽略的边界：组织的认知上限，不应该等于领导人的认知上限。如果所有挑战权威的念头都在第一时间被压下去，企业失去的不是某一个人的点子，而是整个组织校正错误、发现新方向的能力。

三、技术能做出产品，却不一定能改变一家公司

讨论完人才，卡普把问题推到了另一边：就算一家企业聚集了最优秀的天才，就能创造商业价值吗？

不一定。技术领先，不等于技术就能创造商业价值。一个团队做出了世界领先的 AI 产品，客户就一定愿意用吗？一家企业购买了最先进的系统，原有的工作方式就会自动改变吗？当然不会。这中间隔着一道巨大的"创新断层"。

卡普用了一个很具体的比喻。有人问他：怎样从罐子里拿出第一颗橄榄？意思是，怎样让第一个客户愿意尝试你的产品。但卡普认为，真正困难的不是让客户尝第一口，而是改变客户的口味——让他真正理解，为什么这种橄榄值得吃。

这个比喻背后有一条重要的商业逻辑：让客户尝试，不等于让客户认可；让客户认可，也不等于客户真正采用。技术演示可以让客户惊讶，却不一定能让企业改变。因为"采用"意味着重新设计流程、调整岗位、重新划分责任，甚至挑战原有的权力结构。一项技术最大的瓶颈，可能不是它能做什么，而是组织能否理解并采用它。

换言之，技术创新和价值实现，根本不是一回事。

四、FDE：让技术进入流程，也让现场反过来决定产品

这也是卡普特别重视 FDE（Forward Deployed Engineer，前线部署工程师）的原因。FDE 不只是交付软件，而是深入真实业务现场，理解问题、调整系统，让技术真正进入企业的工作流程。

更有意思的是，卡普强调，这种技术转移机制还会反过来决定公司应该开发什么产品。这里的逻辑发生了一个根本变化：不是先造出技术，再到市场上寻找客户；而是在解决真实问题的过程中，不断发现技术应该创造什么价值。

这听起来只是产品方法论的调整，实际上它改变了"谁有资格定义产品"。如果产品定义只发生在办公室里，工程师优化的是功能；如果产品定义发生在客户的工作现场，工程师优化的是结果。做产品是技术问题，让企业改变行为才是商业问题。一个产品真正的价值，不在于它拥有多少功能，而在于它改变了什么结果。

五、AI 时代的新效率陷阱：执行便宜了，判断更贵了

AI 正在把上述矛盾进一步放大。

今天，模型越来越强，token 越来越便宜，企业使用 AI 的门槛越来越低。但很多企业发现：AI 用得越来越多，真正的商业回报却没有同步增长。卡普提到，一些 CEO 非常恼火，因为他们正在为大量 token 付费，而这些 token 并没有创造有意义的业务结果。

于是出现了一种新的效率陷阱。员工每天生成几十份报告，AI 每天自动执行几百个任务，看起来生产力爆炸了。但如果报告没人使用，任务没有改善业务结果，这些 AI 究竟创造了什么？

可以做一个简单的思想实验：过去一个没有价值的流程需要十个人执行，现在可能一两个人就能跑完。效率确实提高了，但那个"没有价值"本身并没有消失，只是被更快、更便宜地生产了出来。AI 可以放大效率，也同样可以放大浪费。

这也是为什么卡普反复强调，衡量 AI 不能只看它执行了多少任务、节省了多少工时，而要看它是否改变了某个真实的业务结果。当执行成本趋近于零时，稀缺的东西就不再是"做得更快"，而是"判断什么值得做"。

六、模型人人买得到，隐性知识买不到

AI 时代还有一个更隐蔽的成本：专有知识的泄露。

一家企业多年积累的供应商选择经验、生产调度方法、采购判断，往往不会完整地写在财务报表上，却实实在在决定着它的竞争优势。一位经验丰富的采购经理，为什么能一眼识别出供应商的潜在优势？一位成熟的销售负责人，为什么能判断哪些客户真正具有购买意愿？这些能力往往不是来自某本教材，而是来自长期的实践、试错和业务理解，甚至不一定能被完整地写成文档。

过去，这些经验主要依赖少数人传承。AI 带来了一种新的可能：把个人的隐性知识，转化成组织可以持续复用的判断系统。但这件事不是"把资料放进知识库"那么简单。真正要做的是，让 AI 理解企业的业务关系、决策规则和工作流程，让经验能够被调用、被验证、被修正。

如果企业没有控制好这些专有知识的使用范围和流向，那么省下来的钱，很可能无法弥补知识泄露的代价。模型是公开市场上人人都能买到的东西，而长期积累的隐性知识、判断规则和反馈记录，才是无法被复制的部分。

七、人才、组织、知识系统：一条完整的创新价值链

把卡普的这些观点放在一起，会发现它们背后是同一条逻辑。

特殊人才负责发现别人看不到的问题，创造别人想不到的可能；组织能力负责把这些可能性转化成真实的业务成果；知识系统负责让一次性的创新，变成可以持续积累的竞争优势。

这三者构成了一条完整的创新价值链，缺一环都不行。

只有人才，没有组织，创造力可能永远停留在个人身上，无法变成产品、流程或收入。只有组织，没有独特判断，企业只会越来越高效地执行规则，却不知道规则本身是否还成立。只有 AI 工具，没有知识积累和真实反馈，企业就很难拥有长期的竞争优势，因为它使用的智能，和别人使用的是同一个。

八、真正的风险，是把最有价值的人判成"不合格"

AI 越强，执行越便宜，判断就越昂贵。

过去，企业依靠标准化，让更多人能够稳定执行；当标准化的工作越来越容易被 AI 完成，真正稀缺的就不再只是执行能力，而是发现问题、创造不同、判断价值的能力。

于是那些过去被视为缺点的独特能力，会不会正在变成新的优势？那些过去被认为难以管理的人，会不会恰恰拥有最难复制的创造力？而那些要求所有人服从标准的组织，会不会正在亲手淘汰自己的未来？

卡普的提醒可以浓缩成一句话：未来企业最大的危险，可能不是缺少天才，而是用一套看似合理的管理制度，把最有价值的人变成了"不合格"。

当一个时代不再缺少执行者，最昂贵的能力就不再是服从标准，而是有能力创造新的角度。