AI 让生成变便宜，稀缺的转向定义问题、设定约束、评估验收这三件事，所以项目管理不再主要是汇总周报、对齐进度，而是把模糊的业务问题翻译成 AI 能消费的上下文，设计评估和反馈回路，编排模型、工具、数据让系统跑起来，并判断什么该自动化、什么该人工接管⁠1。一个团队如果上下文散在聊天记录、文档、复盘和人的脑子里，没有统一索引和版本，每次用 AI 都要重新解释背景，经验也随人流失，AI 就发挥不出作用⁠2。所以“还要不要管理”的答案是：要，但管的是上下文基础设施和判断标准，而不是流程本身。

有效管理 AI 的方式，是定义清楚什么是好、什么是不好，通过过程信息判断结果，而不是去审核 AI 的每一行代码，就像好管理者不会盯着下属每一行代码做微观管理，而是在信息上做总结和拉齐⁠3。这要求把隐性知识显性化、学会自省和补充上下文，这些能力同时让人成为更好的管理者和协作者⁠3。落到具体做法上，可以先跟 AI 一起做规划、把项目描述清楚，但立正也提出一个待验证的疑问：这未必比“自己脑子里架构清楚”更有效⁠4。

如果小团队已经会用 AI，不必把“教会所有同事”当成创造价值的前提。可以把同事反复遇到的真实问题做成公司内部的悬赏任务板：哪个组有什么难题、原本预计多久、用了多久、交付了什么、对方是否认可，赏金甚至可以是虚拟的，关键是每个任务都能点进去看⁠5。这样别人暂时不会用 AI 也不妨碍公司先获得价值，愿意学的人在自己的问题被解决后可能主动来问；同时这些记录能回答需求来自多少个组、节省了什么、结果是否被采用，帮团队判断哪些能力值得继续投入，也让支持他们的老板有材料向上说明投入换回了什么⁠5。