战略 OS · 让评审从一次输出变成组织回路
评审智能体把「一次性、到终版才发生」的评价,变成了「过程化、多视角」的介入。但评审本身仍是一次输出——报告发出去之后,系统就失明了。战略 OS 要补上的,正是报告之后的那半程。
一句话:战略 OS 不是新产品,而是给评审引擎补上其余六个节点的数据结构与工作流,让「AI 先评 → 人再判断 → 组织再闭环」从一句使用原则,变成能追溯、能度量的产品事实。
评审「有去无回」的缺口
一份评审报告发出后,通常会发生什么?常见的答案是:不知道。
- 报告给的三条优先修改建议,owner 采纳了吗?拒绝了吗?为什么拒? ——散落在会议记忆里。
- 采纳的建议,落成行动了吗?一个月后兑现了吗? ——没有台账。
- 半年后复盘,当初的判断对不对?哪类建议总被拒? ——无从统计。
- 最有价值的一类知识——管理者否决 AI 建议时给出的理由(人机分歧的校准取舍)——今天没有任何系统承接。
评审做得再深,只要建议无下落,回路就在第一环断掉了。战略 OS 的设计,从这个缺口倒推。
七节点回路
战略从规划到执行的全流程,可以拆成七个节点。评审是其中成熟的一环(Review),战略 OS 把其余六节点的数据结构补齐,让回路真正转起来:
Source ─▶ Theme / Metric ─▶ Plan / Initiative ─▶ Review ─▶ Decision ─▶ Execution ─▶ Postmortem
(材料与事实) (主题与指标) (计划与举措) (多视角评审) (管理判断) (执行更新) (复盘沉淀)
▲ │
└──────────── 持续学习的组织回路 ◀───────┘| 节点 | 回答的问题 | 做什么 |
|---|---|---|
| ① Source | 事实是什么 | 结构化的经营事实与材料,数字作为数据而非散文,讲出处、讲新鲜度 |
| ② Theme / Metric | 目标是什么 | 指标注册表:每条目标有 owner、目标值、口径、期限、现值快照 |
| ③ Plan / Initiative | 计划是什么 | 从材料里抽出的举措,挂钩到指标,有里程碑与负责人 |
| ④ Review | 好不好 | 多视角评审(已成熟):评分 + 证据 + 失分点 + 优先修改建议 |
| ⑤ Decision | 采不采纳 | 每条建议由 owner 判定:采纳 / 部分 / 拒绝 / 校准 —— 拒绝与校准必须带理由 |
| ⑥ Execution | 做没做 | 采纳的建议进行动台账;到期自动跟催,回收进展 |
| ⑦ Postmortem | 对不对 | 定期复盘:捕获率、采纳分布、拒绝理由、兑现率、人机分歧;结论沉淀回知识库 |
七个节点里,④ 已经成熟,①⑦ 半成,②③⑤⑥ 是战略 OS 要补的空白。
杠杆点:决策捕获
补哪个节点最划算?答案是 ⑤ Decision。它成本最低——本质上就是「让每条建议有一个被记录的判定」;却同时解锁另外两个节点:有了采纳,才有行动(⑥);有了决策记录,才有校准知识(⑦)。
决策捕获做起来只有三件事:
- 建议结构化带 ID。 评审报告里的「三条优先建议」不再只是正文文字,而是每条带一个稳定 ID、证据摘录、置信档(高 / 中 / 低)的结构化条目。
- 一步判定 + 理由。 owner 对每条建议给一个判定:采纳 / 部分采纳 / 拒绝 / 校准。拒绝、部分、校准必须附一行理由——这行理由是组织最贵的知识。
- 回执与轻提醒。 判定即回执确认;未决策的建议温和提醒一次,之后不再催——决策是权利,不是义务。
校准,是最贵的一类判定。 当 AI 依据客观逻辑给出的建议,与组织当期的阶段性目标(如降本窗口、合规节奏、资源优先级)并不一致时,管理者据阶段目标做的校准取舍——以及取舍的理由——恰恰是「人比 AI 多知道什么」的显性化。战略 OS 把
校准单列一档、单独高亮,就是为了不让这类知识蒸发。
回路怎么转
决策一旦被捕获,后面的节点顺势展开:
- 采纳 → 行动台账。 采纳/部分采纳的建议自动生成一条行动:默认负责人是材料 owner、默认期限一个月,都可改。会议共识、举措里程碑同样能入台账。
- 到期自动跟催。 到 T+7 / T+30,系统各跟催一次:「这条行动进展?完成 / 进行中 / 受阻 / 放弃 + 一句话」。回复写进 check-in,只追加、不改写,全程可溯。跟催有节制——同一负责人每日合并一次,受阻只在管理视图高亮、不自动上报领导(是否上报是人的决策)。
- 月度复盘,确定性生成。 每月产出一份回路复盘:本月评审数、决策捕获率、采纳/拒绝分布、拒绝理由清单、行动兑现率、人机分歧清单、逾期清单。它是确定性生成的——零 LLM 参与统计,复盘的每个数字都可复现。
- 沉淀回知识库。 复盘经人工审核后,走受控管线进知识库——下次评审时,评委能引用「上季度同类建议被拒的理由」。回路由此闭合:Postmortem 沉淀回 Source。
溯源链是回路的本质:任何一个行动,都能一路点回「当初为什么」——行动 → 决策 → 建议 → 评审 → 举措 → 指标 → 材料;任何一条指标,都能列出「围绕它发生过什么」。
设计原则
几条贯穿始终的取舍,决定了这套回路可信、可维护:
- 可闭环 > 完备。 只追踪 3 条优先建议,不追踪全部失分点。能完整走通一圈的窄回路,比覆盖一切却断在中途的宽回路有用得多。
- 文件即真相,记录只追加。 决策与行动记录只追加、不改写(改主意 = 追加一条新记录)。这是审计可追溯与校准数据可信的前提,也让「回路里发生过什么」永远有完整历史。
- 复盘零 LLM。 统计类的复盘用确定性生成器,不用大模型——数字必须可复现。洞见留给人,系统只负责把数摆清楚。
- 回路是评审的外圈,不改内核。 评委、镜头、合议这些评审内核一律不动;回路组件即使全部失效,评审照常出报告。回路是加法,不是改造。
人机共判:写进产品的红线
越靠近管理流程,越要把边界和责任说清。战略 OS 把「人机共判」从原则做成了产品约束:
- 决策永远是人。 AI 不自动采纳自己的建议,也不催办「你为什么不听我的」。系统只记录判定,不替人判断。
- 拒绝率、兑现率永不作为个人绩效口径。 这类回路数据用于让下次评审更聪明,不用于考核人。拒绝一条建议不该有任何心理负担——拒绝的理由,本身就是有价值的输入。
- AI 抽取必过人的确认闸。 从材料里抽出的举措、行动,一律要人确认后才成为事实;大模型的抽取不直接落库。这条「反虚构」纪律,连确认闸的载体还没就绪时,宁可让相关功能缓期,也不绕过。
- 每张卡片一行免责。 决策卡、跟催卡都带一句:「AI 是参谋,判断与担责在人」。
这些不只是文档里的承诺,而是代码里的约束:最高敏感级的指标永不进入评审上下文,复盘不出个人排名,记录层拒绝任何覆盖写入。
从一个场景起步
战略 OS 不必一次铺全公司。推荐的路径和评审智能体一致:小切口、大纵深——先选一条业务线,让七节点完整走通一圈,再复制到第二条线。
- 选一条试点业务线。 挑一条业务方已经深度介入、评审已在跑的线——回路的第一环(有人愿意点决策)是成败关键。
- 录入该线的指标注册表。 把这条线的关键目标写成结构化指标(目标值、口径、期限),评审时注入,让「目标是否量化可考核」有真数可对。
- 让评审建议进回路。 新评审的建议自动结构化;owner 逐条决策;采纳的进台账、被跟催。
- 跑满一个周期,复盘对标。 一个月后看回路指标:决策捕获率、跟催回收率、复盘是否自动沉淀——据此决定是否扩到下一条线。
差距不在有没有模型,而在关键流程是否 AI 化,以及 AI 的输出有没有下落。 评审让 AI 成为组织的第二视角;战略 OS 让这个视角的建议,真正被组织消化、执行、复盘、记住。
延伸阅读 → 评审智能体 · 从工具到战略 OS(方法论全景)· 5 镜头打分尺 · 30/90/365 attribution · Failure Card