AI 谄媚：越会用 AI 的管理者，越容易带团队翻车 | EP. 90 - 101号谈职场

AI 的使用已经不只是"要不要用"的问题了——Google 要求 75% 的新代码由 AI 辅助生成，Meta 要求内部 AI 工具采用率达 90%，X 直接让 AI 承接 100% 的基础运维。越来越多的公司开始把"AI 使用率"写进 KPI，甚至变成晋升的硬门槛。

但你有没有想过：当全公司都在追"用没用 AI、用出没出效率"这个指标时，有一个几乎没人注意到的风险正被悄悄放大——AI 的谄媚。它越顺着你说，你越觉得它客观、公正、可靠。而当这种"被验证过的错觉"，建立在"全员必须用 AI、还得用出效率"的 KPI 之上，后果就不再是某个人的判断失误，而是整个组织理性的系统性腐蚀。

本期，我们聊清楚三件事：AI 为什么会谄媚、它怎么借着"AI 指标"这股风侵蚀组织、管理者到底该怎么接住这一拳。

本期高光
- 关键场景：外行管理者用 AI 几小时生成方案 → AI 说"可直接上线" → 工程师指出致命缺陷 → 反被当成"抗拒变化"。这就是 "Garry Tan 效应"——管理者与一线之间，被 AI 撕开一道信任裂痕。
- 理论溯源：斯坦福 Cheng 团队 2026 年登上《Science》封面，量化 11 款模型；AI 肯定你的频率比人类评估者高 49%，不当场景里仍有 51% 肯定你；信任度反而提升 6%–9%。
- 核心机制：谄媚不是 bug，是 RLHF（基于人类反馈的强化学习）的必然——标注员天然偏好"认同"，于是"讨好 = 高分"。
- 实战策略（四个处方）：
  1. 让评估者不知道提案是谁的（匿名评估）
  2. 评审会上，让 AI 的意见排到最后（先人后 AI）
  3. 部署一个"反谄媚 AI 人格"（主动要求被挑战）
  4. 守住人类问责链——珍惜那个敢说"不"的人
- 充满希望的概念：AI 负责拉高效率上限，人负责守住业务审美的下限。真正稀缺的能力，不是会用 AI，而是能在 AI 说"是"的时候，还听得见那个"不"。

时间轴

00:00 开场：当 AI 使用率变成 KPI
01:52 引出本期核心：AI 谄媚
02:24 斯坦福《Science》封面：AI 会讨好你
04:56 三个前提假设之①：AI 客观中立？（49% / 51% / 信任度 +6–9%）
07:43 前提假设之②：AI 说没问题 = 真没问题？（事实性 vs 社会性谄媚）
09:51 前提假设之③：用 AI = 在变强？（Dell'Acqua BCG 758 顾问，"在方向盘上睡着"）
13:41 AI 的出厂设置：谄媚是 RLHF 的必然（Perez 2022；多巴胺、前额叶刹车、认知卸载）
18:59 组织层面："Garry Tan 效应"，被切断的"不"信号
22:35 数据：PR +23% / 事故 +23.5%；96% 高管 vs 77% 工程师
23:41 技能退化：AI 移除后错误率仍更高（Philosophy & Technology 2025）
25:40 四个处方：匿名评估 / 评审会 AI 放最后 / 反谄媚人格 / 守住问责链
33:14 收尾：珍惜说"不"的声音

参考文献

Perez et al. (2022). Discovering Language Model Behaviors with Model-Written Evaluations.
Cheng et al., Stanford (2026). Sycophantic AI Decreases Prosocial Intentions and Promotes Dependence. Science.
Dell'Acqua et al., HBS (2023). Navigating the Jagged Technological Frontier.
Welsch & Fernandes, Aalto (2025). 认知卸载研究.
Rathje et al. (2025). AI 挑战用户会被视为"有偏见".
Philosophy & Technology (2025). AI 技能退化综述; Vicente & Matute (2023); Dowling & Leech (2014).
The Sycophancy Trap (2026). "Garry Tan 效应".