過去幾年，越來越多的管理決策開始在“看不見的地方”完成。候選人被排序、績效被評分、潛力被預(yù)測，這些判斷往往不再直接出自某一位主管之手，而是由一套算法在后臺運行。對許多組織而言，這種轉(zhuǎn)變幾乎是悄無聲息的，卻深刻改變了誰會被看見、誰會被信任，以及誰被認為“更有前途”。

在這種背景下，管理者面對的已不只是是否采用人工智能的問題，而是一個更微妙、也更棘手的挑戰(zhàn)：當決策越來越依賴算法時，組織究竟是在減少偏見，還是在用技術(shù)的方式重新包裝它？當判斷被轉(zhuǎn)化為分數(shù)、概率與排名時，原本隱性的價值取向是否正在變得更加穩(wěn)定、也更加難以撼動？

進一步而言，這些問題并不僅限于算法本身的公平性，而是觸及組織中誰在做決策、如何做決策這一更深層的領(lǐng)導力結(jié)構(gòu)。長期以來，管理研究已表明，高層管理團隊的性別構(gòu)成會系統(tǒng)性地影響組織如何整合復雜信息、如何進行戰(zhàn)略權(quán)衡以及如何應(yīng)對不確定性。當算法化決策開始深度介入這些關(guān)鍵判斷過程時，技術(shù)選擇不再只是工具層面的效率問題，而是與領(lǐng)導力結(jié)構(gòu)相互嵌合，逐漸演變?yōu)橛绊懡M織長期績效的重要變量。

越來越多研究提醒我們，主流AI系統(tǒng)并不是在真空中運行的。它們依賴歷史數(shù)據(jù)進行訓練，而這些數(shù)據(jù)本身往往反映并固化了既有的性別與年齡不平等結(jié)構(gòu)。近期研究發(fā)現(xiàn)，在招聘、評估和推薦系統(tǒng)中，AI 可能會延續(xù)甚至加劇對女性與年長員工的不利偏見。在科研與創(chuàng)新場景中，也有證據(jù)表明，AI 工具不成比例地提升了男性的生產(chǎn)率，從而在看似中立的績效指標中擴大性別差距。在投資相關(guān)情境中，基于大語言模型的分析進一步發(fā)現(xiàn)，模型更傾向于使用男性化詞語來描述投資者。

企業(yè)實踐同樣提供了清晰的警示。亞馬遜曾開發(fā)一套簡歷篩選工具，但由于訓練數(shù)據(jù)高度依賴歷史招聘記錄，系統(tǒng)性地降低了女性求職者的排名，最終導致該工具被棄用。這個案例表明，AI 并不會自動修正不公平，它更擅長復制并放大已經(jīng)存在的結(jié)構(gòu)性偏差。

更具反諷意味的是，人們對偏見的感知本身也存在不對稱性。研究發(fā)現(xiàn)，相比于自身的判斷偏差，人們更容易察覺算法決策中的偏見，卻更難意識到自己決策中的盲區(qū)。當歧視被算法包裝成概率、評分或效率指標時，它反而顯得更加理性、更難被質(zhì)疑。

當然，并非所有證據(jù)都指向同一個方向。在某些條件下，AI 也被發(fā)現(xiàn)能夠緩解偏見。例如，在高度結(jié)構(gòu)化的簡歷篩選過程中，AI 有時反而能減少人為主觀判斷的干擾。當用戶認為 AI 系統(tǒng)既有用又公平時，其決策結(jié)果也更不容易偏離理性。這些發(fā)現(xiàn)共同傳遞出一個關(guān)鍵信息：AI 是否加劇偏見，從來不是技術(shù)本身決定的，而是取決于它如何被設(shè)計、部署與治理。

與圍繞 AI 偏見的擔憂形成鮮明對比的是，關(guān)于女性領(lǐng)導力的實證證據(jù)卻很一致。元分析表明，女性高管比例與企業(yè)財務(wù)績效之間存在顯著正相關(guān)關(guān)系。但這些研究真正重要的貢獻，并不在于證明女性領(lǐng)導者“是否更優(yōu)秀”，而在于揭示性別多元如何系統(tǒng)性地改變組織的決策方式。

研究顯示，性別多元的高層管理團隊在信息整合、戰(zhàn)略審慎性、機會識別以及認知結(jié)構(gòu)方面都表現(xiàn)出顯著優(yōu)勢。這些團隊往往能夠提供更安全、更高質(zhì)量的產(chǎn)品體驗。這些優(yōu)勢并非源于性別本身，而是來自不同經(jīng)驗軌跡、社會化路徑與認知視角的疊加效應(yīng)。

有意思的是，當我們把視角從組織管理轉(zhuǎn)向人機交互與機器人研究時，性別問題并未消失，反而以更加隱蔽的方式回歸。許多機器人與 AI 設(shè)計研究追求所謂的性別一致性，并有意識地賦予人工智能更多女性特征，尤其是同理心與服務(wù)導向。市場數(shù)據(jù)也顯示，采用女性聲音的語音助手產(chǎn)品，用戶留存率提高了 23%。無論是GPS 導航還是智能助理，用戶選擇女性聲音的比例始終高于男性。

但這種偏好并非沒有代價。長期以來，女性常被描述為更具服務(wù)性和順從性。當這些刻板印象被投射到 AI 身上時，往往伴隨著對能力與專業(yè)性的低估。近期研究發(fā)現(xiàn)，具有女性特征的 AI 隊友更容易被評價為熱情、合作性強，但同時也更容易被認為能力不足。這意味著，人們不僅在評判真人領(lǐng)導者時攜帶性別濾鏡，在與機器協(xié)作時，也在無意識中復制著同樣的判斷邏輯。

AI本身沒有性別，但人類正在把關(guān)于性別的期待、偏見與腳本寫進算法之中。真正的風險，并不只是 AI 是否歧視女性，而是組織是否在不自覺中，將舊有的性別結(jié)構(gòu)升級為新的技術(shù)基礎(chǔ)設(shè)施。當企業(yè)一邊依賴算法進行篩選、評估與晉升，一邊又期待通過增加女性領(lǐng)導者來提升組織效能，這已經(jīng)不再是一個單純的公平問題，而是一道關(guān)于組織治理、決策質(zhì)量與長期競爭力的核心管理命題。

真正的張力，其實并不在于“AI 是否會削弱女性”，也不在于“女性是否更適合領(lǐng)導”，而在于一個更少被直接討論的問題：人工智能正在改變組織究竟需要什么樣的領(lǐng)導力。當注意力過度集中在技術(shù)是否存在偏見時，我們反而容易忽略，技術(shù)本身正在悄然重塑高層管理工作的內(nèi)涵。

領(lǐng)導力的新重心：做好整合者

隨著AI逐步嵌入核心業(yè)務(wù)流程，許多傳統(tǒng)意義上的領(lǐng)導優(yōu)勢正在發(fā)生位移。過去，高層管理者的價值更多體現(xiàn)在個人專業(yè)判斷、對單一領(lǐng)域的深度控制，以及通過經(jīng)驗實現(xiàn)效率最大化。但當算法開始承擔分析、預(yù)測與優(yōu)化任務(wù)之后，領(lǐng)導力的重心正在從“個人最優(yōu)”轉(zhuǎn)向“系統(tǒng)協(xié)同”。

在這一轉(zhuǎn)變中，領(lǐng)導者越來越成為跨職能、跨系統(tǒng)的整合者。AI 可以在單一維度上做到極致，卻很難協(xié)調(diào)部門之間的目標沖突，也很難處理組織內(nèi)部隱性的權(quán)力關(guān)系與協(xié)作張力。正因如此，領(lǐng)導力的價值不再只體現(xiàn)在局部效率的提升，而更多體現(xiàn)在對整體系統(tǒng)的判斷與權(quán)衡——哪些目標更重要，哪些風險值得承擔，哪些長期影響不能被忽視。這些問題，恰恰是算法可能無法代替組織回答的。

更重要的是，隨著 AI 參與到招聘、績效評估與晉升判斷中，領(lǐng)導者的角色正在從技術(shù)決策者，轉(zhuǎn)向人機協(xié)同與倫理治理的設(shè)計者。真正關(guān)鍵的，不再是模型參數(shù)的優(yōu)劣，而是如何設(shè)定邊界、如何解釋結(jié)果，以及如何在效率與公平之間做出取舍。這些本質(zhì)上都是關(guān)于價值、責任與信任的管理問題。

在這一背景下，一個不可回避的問題隨之浮現(xiàn)：在長期組織實踐中，哪些管理者更可能被訓練、也更早被要求發(fā)展出這些整合型、關(guān)系型與人際敏感的判斷能力？一個耐人尋味的現(xiàn)象正在發(fā)生：當下商業(yè)環(huán)境對新型領(lǐng)導力的渴求，即在不確定性中通過連接與共情創(chuàng)造價值，與女性管理者長期以來的“生存處境”形成了互文。

這種契合并非巧合。從職業(yè)晉升的現(xiàn)實路徑來看，她們更常被要求在目標不完全清晰、權(quán)責不完全對齊的情境中推動協(xié)作，協(xié)調(diào)多方利益，并在系統(tǒng)張力中維持組織運轉(zhuǎn)。從社會化與角色分配的角度看，女性在成長與職業(yè)早期階段，往往更早、更頻繁地被期待去理解不同立場、緩和關(guān)系沖突，并在相互沖突的期待之間尋找可行的平衡。這并非一種先天優(yōu)勢，而是一種在特定組織環(huán)境中被反復訓練出來的適應(yīng)性能力。

在高度結(jié)構(gòu)化、規(guī)則清晰的情境下，這類能力未必總能被清晰識別或直接獎勵；但在 AI 介入、目標沖突上升、決策復雜化的環(huán)境中，它們卻成為維持系統(tǒng)可運轉(zhuǎn)性的關(guān)鍵。長期處于需要橫向協(xié)調(diào)、跨部門溝通和連接不同利益相關(guān)者的“邊界型角色”，使得一些管理者更早發(fā)展出系統(tǒng)視角、情境敏感性與多目標平衡能力。

從這個角度看，AI 并不必然削弱女性管理者的地位。恰恰相反，它正在提升那些非技術(shù)性、關(guān)系型與整合型領(lǐng)導能力的戰(zhàn)略重要性。技術(shù)的引入，并沒有消解領(lǐng)導力的“人性”成分，而是讓它在組織中變得更加不可替代。

三步走，用AI構(gòu)建性別多元領(lǐng)導力

如果說 AI 是一面放大鏡，那么企業(yè)真正能夠決定的，并不是它是否存在偏見，而是它會放大什么樣的領(lǐng)導標準。在這一點上，組織并非被動接受技術(shù)后果，而是始終擁有設(shè)計空間。

第一、用AI 重新定義“什么是有價值的領(lǐng)導崗位”

許多組織在引入 AI 的同時，仍沿用舊有的領(lǐng)導力評價邏輯，將技術(shù)專長、個人產(chǎn)出和線性晉升視為核心標準。在這種框架下，AI往往只是加速了既有結(jié)構(gòu)的運轉(zhuǎn)。

更具前瞻性的企業(yè)，正在借助 AI 反向?qū)徱暩邔訊徫槐旧淼膬r值構(gòu)成。它們開始系統(tǒng)性地重新評估那些長期被視為“難以量化”、卻對組織運作至關(guān)重要的領(lǐng)導職責，包括關(guān)系協(xié)調(diào)、跨部門整合、人才發(fā)展與文化引導。這些能力不再被視為附加要求，而是被明確納入高管選拔、績效評估與繼任計劃之中。

在這一過程中，AI 的作用并不是替代判斷，而是支持這些復雜能力的識別與討論。例如，通過分析跨部門協(xié)作網(wǎng)絡(luò)、團隊穩(wěn)定性與人才流動模式，幫助組織更清楚地看見哪些領(lǐng)導者真正承擔著系統(tǒng)整合的角色，而不僅僅是交付結(jié)果的個人。

第二、讓女性領(lǐng)導者參與AI 關(guān)鍵決策與治理

如果女性缺席 AI 設(shè)計、部署與治理的關(guān)鍵位置，許多偏見往往既難以被識別，也更難被糾正。問題并不在于算法是否“故意”歧視，而在于哪些風險被看見、哪些問題被提出、哪些后果被認真對待。

性別多元的高層管理團隊，能夠在 AI 應(yīng)用決策中引入不同的風險感知與社會視角，尤其是在招聘、績效評估與晉升等高度敏感的管理場景中。這種多元視角并不是為了“平衡立場”，而是為了提高決策質(zhì)量，避免技術(shù)在無意中放大既有不平等。

因此，讓女性領(lǐng)導者參與 AI 決策，并不只是代表性問題，而是一項治理設(shè)計問題。誰參與規(guī)則制定，往往決定了技術(shù)最終服務(wù)于什么樣的組織價值。

第三、將性別多元從“價值宣言”升級為“戰(zhàn)略能力”

當企業(yè)將女性領(lǐng)導力視為合規(guī)要求或品牌形象的一部分時，其影響往往停留在表層。但當AI 轉(zhuǎn)型被視為一次組織認知結(jié)構(gòu)與權(quán)力配置的再設(shè)計時，性別多元就不再是道德附加項，而成為提升戰(zhàn)略判斷質(zhì)量與組織韌性的關(guān)鍵資源。

在高度不確定、信息密集的環(huán)境中，組織真正稀缺的并不是更多分析能力，而是更好的判斷能力。性別多元的高層團隊，能夠在復雜權(quán)衡中提供更全面的視角，降低群體盲點，增強組織對長期風險的敏感性。

從這個意義上看，AI 轉(zhuǎn)型并不是削弱女性領(lǐng)導力的力量，而是一次重新校準領(lǐng)導力價值結(jié)構(gòu)的機會。關(guān)鍵在于，企業(yè)是否意識到這一點，并有意識地將技術(shù)創(chuàng)新與領(lǐng)導力重塑結(jié)合起來。

在智能時代，真正拉開組織差距的，并不是誰更快采用了人工智能，而是誰更清楚地理解了它正在改變什么。AI 并不會自動帶來更公平或更高效的決策，它只會放大組織已經(jīng)選擇重視的標準。當企業(yè)仍以舊有的領(lǐng)導力框架來部署新技術(shù)，算法只會加速既有不平等；而當組織借助 AI 重新定義領(lǐng)導崗位的價值構(gòu)成、讓多元視角參與技術(shù)治理，并將性別多元視為提升判斷質(zhì)量的戰(zhàn)略能力時，人工智能才可能成為推動組織進化的力量。歸根結(jié)底，AI 時代的領(lǐng)導力競爭，不是一場技術(shù)競賽，而是一場關(guān)于什么樣的能力值得被看見、被培養(yǎng)、并被賦權(quán)的管理選擇。

胡佳 | 文

胡佳是清華大學經(jīng)濟管理學院和蘇世民書院雙聘教授，花旗集團國際商務(wù)講席教授，著有《心性：女性管理者的8項自我修煉》。

聯(lián)系方式

投稿、廣告、內(nèi)容和商務(wù)合作

newmedia@hbrchina.org