四、现代组织最重要的能力之一，是让错误停在局部

　　边界之所以重要，是因为它承认了一件事：错误一定会发生。再成熟的公司也不可能彻底消灭错误。销售会判断错客户，产品团队会做出错误版本，管理者会判断错市场，财务人员会输入错误信息。一个业务负责人甚至可能在当时掌握的信息下，做出一个看似合理、事后证明完全错误的决定——他并不失职，只是不够全知。

　　真正优秀的管理者通常不会幻想这些事情永远不会发生。他更关心另一个问题：如果这里错了，错误会停在哪里？

　　一个销售判断错误，能不能只损失一笔订单，而不是把整个公司的价格体系打乱？一个地区负责人做错决定，能不能只影响一个区域，而不是拖累整个公司？一个工程团队发布出问题，能不能只影响一个服务，而不是所有客户？一个财务人员误操作，能不能只停留在某个额度以内，而不是直接变成巨额资金损失？

　　这是一种非常重要、却容易被忽略的管理能力。我们经常用"犯错率"衡量一个人，却很少用"错误的最大影响范围"评价一个组织。但随着组织越来越复杂，错误发生几乎是必然事件，真正需要控制的，是错误能够传播多远。

　　成熟组织追求的不是零错误，而是避免一个局部错误变成系统性错误。

　　从这个角度重新去看，预算额度、部门边界、权限体系、内部审计乃至子公司制度，背后都有相似的思想。它们都是在给错误划边界。

　　五、我们正在用最先进的AI，重复一种很初级的管理思维

　　有意思的是，当AI进入企业之后，我们似乎暂时忘记了这套已经非常成熟的经验。

　　今天企业讨论AI，大量注意力仍然集中在模型能力上：哪个模型更聪明，推理能力有多强，准确率多高，幻觉率多少，Agent的任务成功率是多少，哪个模型更值得接入企业系统。这些问题当然重要，但如果把它们放回传统管理场景，会发现它们非常像企业招聘时问的那些问题——这个人学历怎么样，能力怎么样，经验怎么样，过去表现怎么样，值不值得信任。

　　任何有管理经验的人都知道，选对人只是管理的开始。没有一家公司会因为招到十个非常优秀的人，就把财务制度、授权体系、组织边界和内部控制全部取消。可是在AI的世界里，我们却隐隐约约存在一种类似的期待：模型再聪明一点，问题可能就少一点；Agent的任务成功率再高一点，也许就可以让它做更多事情。

　　这仍然是一种"依赖个体能力"的管理思想，而现代组织早就跨过了这个阶段。

　　企业不可能靠招聘最优秀的人完成公司治理，同样也不可能靠选择最聪明的模型完成AI治理。