领导力 on Seunghoon Choi

政治里赢得信任：少说空话，兑现承诺

Sun, 21 Jun 2026 19:10:00 +0900

不擅长空话的人必须通过许下小承诺并切实履行来赢得信任。

我一说谎，脸上就全写出来了。违心的称赞、没有真心的外交辞令，都很难从我嘴里顺出来。硬要说，我自己先难受，表情先垮下来。可政治偏偏是赢得人心的事。很多时候，得说大家爱听的话、想听的话、能让人当下安心的话。那么，像我这种不会说空话的人，是不是根本不适合搞政治？

我曾经想了很久。可越往深处想，答案越不一样。不会说空话的人也能赢得人心。只是不能用话术去骗人，而要换成承诺并兑现的做法。

人先看你是不是自己人，再看逻辑

在政治里，人不会先读政策表。人会先问：这个人是不是我们这边的？他懂不懂我的痛苦？他有没有替我说出不安？这不是说政策不重要。可政策通常理解得晚，情绪先反应。如果一个人让人觉得他站在自己这边，人们才会接着去理解他说的话。反过来，如果先觉得他不是自己人，再好的政策也会被防着听进去。所以，政治人物的人气不只靠逻辑产生。它从情绪和身份认同开始。人先被“谁懂我”打动，而不是先被“谁更准确”打动。

制造人气的话，有结构

赢得人心的话，有反复出现的结构。先看见痛苦：“我知道你很辛苦。”接着指出原因：“这种痛苦是有理由的。”最后给出方向：“我们可以这样改变。” 坏政治人物会在这里制造一个容易攻击的敌人，把复杂问题推给某个人。因为人比起复杂的解释，更快回应清晰的敌人。敌人越清楚，愤怒越容易聚起来；愤怒聚起来，支持也来得快。但好的政治也得赢得人心。差别在于把谁当成敌人。把某一群人当敌人，就会变成分裂。把腐败、浪费、低效、不负责任这样的问题当敌人，才会变成可以一起修正的政治。

政治归根到底是在调整情绪的方向。愤怒可以被引向某个人，也可以被转向解决问题。

好政策放着不管，很难被人知道

好政策通常很复杂，效果也来得慢。教育、医疗、基础设施、科技、行政改革，都不可能一天见效。可不安和愤怒会立刻动起来。

所以好政治很吃亏。越是真正有帮助的政策，解释越长，体感越晚，反对的人越吵。受益的多数人安静，受损的少数人强烈抵抗。因此，好的政治人物不能只做出好政策，还要把政策换成人能感觉到的话。把数字换成具体的人，把遥远未来的收益变成现在就能感觉到的小变化。比起“失业率下降 2%”，“重新找回工作的人的一天”更有力。人先回应具体的人生，而不是统计。

政策是根据数字制定的，但公民通过政策如何改变他们的生活来判断政策。

赢得人气的能力，和把事做好的能力不一样

拿到选票的能力，和把事情做成的能力，是两回事。选举时要对很多人讲希望；治理时要排优先级，对做不到的事说做不到。选举里，承诺越多有时越有利；但行政要减少承诺、落实执行才运转得起来。选举用情绪的语言，行政用责任的语言。所以，会说话的人不一定会做事；反过来，会做事的人也不一定会拿票。这是两种能力。

要搞政治，就得承认这个差异。要知道自己是赢得人心的人，还是实际把事推动起来的人。如果一个人很难两边都做好，就要把能补足短板的人放在身边。

不会说空话的人，很难靠好听话快速拉人

像我这样的人，在靠话快速推进的政治里不利。临场抬高对方、撒出好听的话、把模糊的承诺说得斩钉截铁，这些都很难。脸上会露出来。但这个弱点，换一种做法就会变成本钱。在人人都能说空话的地方，话就不值钱了。谁都能说“我会为了人民而做”。所以人们不会照字面相信这句话。可是，不太能说谎的人，承诺有点不同。那个人清楚自己能说什么、不能说什么。做不到的事，没法轻易说成能做到。时间一长，反而显得是个可信的人。

不会说空话的人，不是靠说很多话赢的人。是少说话，并把说过的话守住的人。

诚实不是语气，而是反复留下的记录

“诚实”的形象，不是靠说“我很诚实”产生的。它来自反复留下的记录：只承诺能做的事，承诺了就做到，错了就承认，再把它改好。不会说空洞的称赞，那就说准确的观察。不要说“您真了不起”，而是说“那场谈判里，您把那个条款坚持到底，这一点很关键”。不要包装没有真心的话，只说自己实际看见的东西。不知道就说不知道，现在不能回答就说现在不回答。并不是所有沉默都是弱点。有时，守住沉默比用谎言填满一句话更好。

不会说空话的人，不需要模仿华丽的话术。要把自己说话的可信度做成本钱。

少承诺，真正兑现

政治归根到底是赢得人心。但赢得人心的方法不止一种。有些人聚拢愤怒，快速上升；有些人兑现承诺，慢慢攒下信任。像我这样的人，在靠话快速骗人的做法里会输。但慢慢攒信任的做法，还有得打。要去那些记录会累积、结果会累积、守住的承诺比空话更重要的地方。政治避不开情绪。人就是会被情绪推动。但情绪不一定要用来骗人。真正的成果，也可以换成人能感受到的语言。

所以，如果你不会说空话，就别去学空话。少承诺，确实做到，并让人们感受到你做到了。人心也可以靠话赢得，但能长久留下的人心，最终还是靠记录赢得。

AI 能完成任务，也不能直接裁员：审核和责任仍然需要人

Sun, 21 Jun 2026 17:56:30 +0900

办公室出现空位时，人力成本会下降，但公司也可能失去那个人掌握的业务背景。

公司一导入 AI 工具，常会出现一句话：“那现在能少几个人？”表面上听起来像个合理问题。AI 会写报告、整理会议记录、查资料、写代码，也会做企划案。有些事情确实比人快。

问题不在于 AI 做不了事。恰恰相反，AI 能做的事比想象中多。但公司里的工作，不是产出一个东西就结束。这个结果能不能实际使用，谁能负责，是否符合组织里的政治和实务语境，都必须确认。如果看不到这一层就先裁人，公司不会变快，反而会变慢。

AI 做了工作，责任和语境仍然留下

AI 可以替某些职务做出相当一部分产出。报告、分析、演示资料、代码，都能做。以后还会做更多。但公司不会只看 AI 能不能做出产出。这份报告现在交上去合适吗？这个数字可以这样解释吗？客户看到这句话会怎么理解？这个表达会不会让别的部门反弹？法务会不会指出问题？和上级真正想要的方向一致吗？这些不是单纯的写作问题，而是结果物能不能在现实组织里通过的问题。AI 能做出产出，但这个产出能不能在公司内部真正被采用，必须由人来判断。

初稿快了，为什么工作没有减少

“初稿让 AI 写不就行了。”这句话没错。简单初稿、摘要、格式整理、重复文档化，确实会减少。没必要否认这一点。可是初稿出来得快，不等于工作结束。总得有人读那个初稿。要核对错误数字，补上遗漏条件，改成公司内部的表达方式，确认能不能发给客户，也要看有没有安全或法务问题。最后还是要看语境。

AI 写出的句子本身可能是对的，但放进当前组织状况就可能是错的。主张正确，也可能是现在不该说的话。数字正确，解释却可能危险。提案很好，也可能因为预算、权限、日程、利害关系而无法执行。 AI 生成的文档不是单纯产出物，而是放进现实之前必须审核的产出物。

公司工作不仅要判断正误，还要考虑组织语境

公司里，事情不是只靠正确答案运转。逻辑上正确的话，在会议里也可能被否掉。数字对，汇报顺序错了也可能被退回。对客户有利的提案，如果内部责任问题没整理好，也会停住。现在的 AI 公开编造不存在事实的幻觉少了很多，但公司里更常出现的是更暧昧、更危险的问题。只看文档，逻辑完美，数字正确，句子自然，结论也像样。可它可能和真实公司流程错开。汇报顺序不同，审批人漏掉，用的是以前已经失败过的方式，或默认了某个部门绝不接受的前提。

这种错误比单纯事实错误更难抓。不是因为 AI 说了错话，而是因为它在不充分了解现实的情况下，做出一份看起来正确的文档。所以审核不是抓错字或幻觉，而是确认这份文档能否在真实组织里运转。公司工作因此总带着政治和实务语境。谁会讨厌这个方案，谁要负责，话要说到哪里，什么现在不能说，用什么表达会让对方防御。这些不会全写在文档里。AI 在给定信息内做得很好，但不会自动知道现实组织的默契、责任结构、隐性禁忌和权限关系。最终还是要有人看。不只看结果是否正确，还要看这个结果现在能不能在这里使用。

裁掉人，就没人审核

导入 AI 后最危险的误会是：“AI 做出来了，所以人可以少一点。”很多时候恰恰相反。AI 做得越多，审核的人越重要。产出越多，要确认的东西也越多。问题是，公司常常反着来。导入 AI 后先裁人，再让剩下的人审核更多 AI 产出。于是留下的人不是在做自己的工作，而是在给 AI 的结果善后。该看战略的资深人员变成初稿校对员，懂组织语境的中间骨干变成到处删除风险句子的人。表面上文档更多了，会议资料更快了，可内部能负责的人变少了。这个间隔越拉越大，质量事故就会发生。

组织过载不会消失，只会被藏起来

错误导入 AI 的公司，短期看起来会不错。文档出来很快。摘要更多。会议记录自动堆起来。成本也像是降了。所以上层会觉得“AI 转型成功了”。但实际情况可能不是工作消失了，而是被推到了看不见的地方。

有人在晚上重新读。有人在改错数字。有人在清理 AI 写出的貌似合理的废话。有人把不能负责的句子改成可以负责的句子。有人在判断“这句话是对的，但现在不能说”。这些工作很难出现在表格里。token 成本看得见，人重新阅读的时间看不见。产出数量看得见，审核负担很难看见。所以公司会误以为成本下降了。但隐藏负荷不会消失，总会以质量事故、日程延误、员工耗竭的形式回来。

裁员会破坏反馈

裁员可怕的一点，是反馈很难正常往上走。新工具不好用，员工还能说不好用。新流程低效，也多少能提出问题。但说“裁人这个决定错了”要难得多。“人手不够”这句话，在老板耳朵里很容易变成“那是不是你撑不住工作？”剩下的人也会担心自己成为下一轮对象，所以更谨慎。于是就算工作实际上正在出问题，上报的话也会变得含糊、不敢直说。表面上工作还在转。文档出来，会议照开，客户应对也继续。所以老板觉得没问题。但里面，审核时间被挤到夜里，责任集中到某几个人身上，小错误累积，员工默默疲惫。裁员因此不是最前面要问的问题。必须先跑试点，确认工作实际如何改变，等 AI 进入后的新工作结构在概念上完成后，最后才问： “现在真的可以减少人吗？”裁员应该是终点的问题，不是起点。