MIT校长谈AI时代领导力：把卓越规模化
导语
一家只有百人规模的初创公司，创始人往往还能亲自盯住每一轮招聘；可一旦组织扩张到数千人，甚至成长为像麻省理工学院（MIT）这种拥有 150 多年历史的庞然大物，许多事情就会不可避免地“回归均值”。身为领导者，你要怎么顶住平庸的惯性，把“任人唯贤（Meritocracy）”的卓越标准真正做到规模化落地？
与此同时，当 AI 能够立刻生成代码、写出看似无懈可击的文案，甚至帮你通过各类资格考试时，教育的价值是否也在被逐步削弱？未来五年，大学又会变成什么样？
带着这些疑问，Sequoia Capital 播客《Long Strange Trip》近期专访了 MIT 校长 Sally Kornbluth。作为顶级学府的负责人，Sally 在访谈中不仅讲清了自己如何在庞大组织里守住卓越底线，也进一步剖析了在 AI 飞速发展的浪潮中，年轻一代究竟应该怎样锻造不可替代的核心能力。
一、守住纯粹的卓越：如何对抗组织中的“回归均值”？
Q：MIT 一直被视作“任人唯贤（Meritocracy）”与卓越的象征。初创阶段很多公司也能做到，但真正难的是一旦规模变大，标准又要如何不被拖垮？
Sally：要把“任人唯贤”规模化，关键其实就在于：如何把卓越也一并规模化。
组建团队时，往往你自己就是最能干的那个人。可当资源紧张、人员又不够时，你会产生一种选择：随便招一些人来顶上去。但说到底，如果只是为了凑“数量”而招来“人”，那倒不如保持空缺。
真正能维持卓越的办法，就是确保你招进来的每一位都足够强。我在杜克大学见过一位同事，他办公室里挂着一块牌子，上面写着：
“如果你舔了一口平庸的棒棒糖，你就会永远糟糕下去。”
因此我们特别看重招聘的质量。只有把标准维持在极高的水平，跨部门协作时，人们才会有足够的底气：他们不仅相信自己能把事情做对，也确信身旁走廊的同事同样值得信赖、同样出色。如果任何环节都给平庸留了“后门”，平庸就会像潮水一样涌入。
Q：对那些正在高速扩张的 CEO 来说，当团队从 150 人增加到 500 人，标准下滑以及管理失去掌控感几乎是不可避免的。你会怎么建议他们？
Sally：与其等到标准已经下滑再想办法补救，不如在下滑之前就把风险拦住。扩张阶段你不可能继续对每个人都进行微观管理（Micromanage），最重要的是搭建一个可靠的副手体系。
一开始，你可以带着“信任但要验证”的态度去判断对方是否真的够优秀。但一旦确认，就要让对方真正把事情跑起来。如果你无法把坚持卓越的信息持续传递到整个队伍里，那么你就永远无法真正把握它。你需要一群核心伙伴，能够高频沟通、向外辐射，并且亲自把你的价值观传达下去。
Q：不少领导者其实不太敢放权，担心出现“信任危机”。一旦放权后发现某位员工的表现明显达不到预期，你通常会怎样处理？
Sally：绝对不能拖，必须把问题在早期就及时扼杀。
如果有人辜负了信任，或确实把事情做得很糟，你就要立刻、用非常直接且清楚的方式告诉对方。因为越往后拖，这件事就越难处理。你可能会认识对方的家人、甚至知道对方养了什么狗；等到那种程度再开口说“抱歉你做得不好，再见”，在情感上就会变得太沉重。
当然，这也是硬币的两面。纠错要赶在前面，表扬同样不能等。也不要以为“他们自己会知道”。如果你能在对方做得好时及时给出肯定，那么当事情出现不顺时，你的直面批评也更容易被接纳。
Q：MIT 聚集了大量聪明人，甚至不乏有些自我中心的天才（Prima donna）。身为校长，你如何管理这些特立独行、甚至有些难搞的人？
Sally：每个人都有自己的行事方式，但在 MIT 我看到的所谓“天才”，至少都有真实的硬实力。最糟糕的管理事故，往往来自那些并没有那么厉害，却仍觉得自己高人一等的人。
面对真正的天才，比如一位刚拿到诺贝尔奖的教授跑来强调他的项目有多重要，我通常不会去反驳。因为他们带来的情况确实足够惊人。真正的管理重点，不是用统一标准去“规训”他们，而是像科学家做实验那样去观察：他们究竟需要什么？是什么能驱动他们？什么能让他们既高效又快乐？
你需要根据每个人的动机来调整管理方式。搞清楚聪明人觉得什么“有趣”，再沿着这种好奇心去激励，往往比用强硬制度硬推更有效。
二、AI 时代的教育：哪些部分该把“外包”交给机器？
Q：如今越来越多人质疑高等教育的价值，甚至有科技巨头鼓动年轻人放弃读大学。再加上 AI 工具爆发，学习知识似乎变得触手可及。未来五年的教育会是什么样？
Sally：大学绝不只是学到一组具体技能那么简单。很多校友告诉我，MIT 改变了他们的人生，但并不是因为某一门课本身，而是因为那种沉浸式的整体环境。
在 AI 的冲击面前，我们必须抓住一个底层事实：无论 AI 能做到什么，我们仍然是在“培养人”。
我们的毕业生必须学会把 AI 当作一种“增强器”，并适应这个新的生存环境。真正的问题是：为了保住创造性思考，你的大脑里需要装下多少知识？哪些认知能力可以合理地交给机器完成？
即便 AI 能一秒钟写出代码，学生仍然要掌握基础编程。因为你得判断 AI 是在胡说，还是给出了正确答案；你得在脑海中形成系统性的架构概念，才能向 AI 提出真正有效的问题。
写作同样如此。写作的本质是思考。只是让 AI 替你写点东西，并不等于你真的完成了自己的草稿、拆解了一个复杂问题。
Q：既然知识唾手可得，传统那种讲授式的“物理课堂”未来还会存在吗？
Sally：或许会发生变化。你可以想象一种类似牛津、剑桥的“导师制”模式：学生在课外通过 AI 导师（AI tutor）开展小组学习、补充事实材料；随后再回到课堂，与真实的教师和同学进行深度讨论与辩论。
真正构成大学体验核心的，正是人与人的互动、面对面的交流，以及来自教师和同学的严格批评。我认为这些内容不会消失，反而会愈发珍贵。
Q：如果你现在 17 岁，正准备进入大学，在一个被 AI 重塑的时代，你会选择学什么？
Sally：科学领域还有很多值得攻克的“深水区”。如果让我选择，我会选神经科学，因为大脑的奥秘至关重要；或者免疫学，它会牵动人类健康的方方面面。
但我更想给出的建议是：挑选一个能真正把你训练成“思考者”的方向。
在我读研究生的年代，只要靠手工测序一个基因就能拿到博士，那更偏向技术性劳动（体力活）。如今 AI 与各类工具已经给年轻人配备了无数强大的“手”。如果你只想成为一双“手”，那就没必要去读博。你需要成为那个驾驭工具、具备创造力的“大脑”。在 MIT，我们的校训是“手与脑（Mens et Manus）”。在物理 AI 真的成熟之前，只有把大脑锻炼到极致，你才能指挥那些被解放出来的“手”。
内容