丹佛地区的服务经理刚请人修过家里的暖气炉。在自己召集的会上，他讲起那位师傅：身上别着一台对讲机，一边干活，一边不停地和别处修炉子的同行聊着。
经理手下的人修的是施乐复印机，跑遍科罗拉多州和怀俄明州东部，多半一个人干，干活的地方是别人的办公室。人类学家朱利安·奥尔和工程师诺曼·克劳富特后来写道，公司的官方立场是：技术员「只需要识字、会用手工工具」，其余全听维修手册的。公司记的是接了几单、结了几单、各花多久、用了哪些零件。
桌边的人决定研究一下对讲机，让技术员在路上也能互相说上话。麻烦随即冒了出来：对讲机能让经理找到技术员，也能让经理在一旁听着。
所有人都同意：监听会是一种诱惑，哪怕只做一次，也会严重损害对讲机的用处。管这摊活的人，刚刚决定了不去盯它。
秒表停在哪里
彼得·德鲁克写这类工作，已经写了四十年。1999 年他在一篇文章里，把上个世纪体力劳动生产率的大幅提升记在泰勒名下：看清这份活，拆成一个个动作，给每个动作计时。可德鲁克说，泰勒问的始终是「这活该怎么干」。「在体力劳动里，任务总是给定的。」到了知识工作，头一个问题换了：「任务是什么？」
装配线上，轮子一送到跟前，工人就知道下一步干什么。德鲁克写道，知识工作里，「任务不会替人编好程序」：除非碰上危急情况，护士这一个钟头是守在病床边，还是埋头填表，很大程度上由她自己定。而在多数知识工作里，质量是「产出的本质」。
脑子里的活，没法盯着干，得先问清活是什么。
盯着一位下棋的人看十分钟，也许只见她的手动了两下。棋是在这两下之间下的。
德鲁克的办法从干活的人问起：你的任务是什么？应该是什么？你该贡献什么？什么在碍事？他写道，知识工作者「必须自己管理自己，必须有自主权」。这个叫法也是他起的。1994 年他在《大西洋月刊》上说：「这个词是我在 1959 年的《明日的里程碑》一书里造出来的。」
复印机公司的那几个数，记下的只是手上的动作。奥尔发现，真本事在别处：在技术员口口相传的「战地故事」里，那是这群人对疑难故障的共同记忆。
排行榜上的最后一名
假设你带六个技术支持工程师，新上的工具按「关单数」给他们排名。有一位排在最后，落后一大截。可别人碰上看不懂的工单，找的都是她，而这些求助没有一条算作工单。
在回复总监之前，你先把德鲁克那几个问题挨个问了一遍。五个人说的是同一个障碍：工单因为缺字段被退回。只有她的回答里多了一条：帮卡住的人解围。
真把她的排名当成指标，她最有理由先放下的就是这些求助。几周之后，这可能会出现在全组被重新打开的工单里。
把思考写进任务说明
AI 把德鲁克的难题翻过来一半。智能体调用的每个工具都能记进日志，它内部怎么想的却未必看得到；就算全记下来了，还是不知道活干得好不好、该不该干。
2025 年 10 月，OpenAI 的研究者在论文里介绍了 GDPval。这套测试取材于 44 个职业里专业人士的真实工作，出题的人平均有 14 年从业经验。打分的是各行的专家，看的正是德鲁克说的质量：把模型交的东西和专业人士交的东西去掉标签，排出高下。在一个 220 道题的子集上，表现最好的 Claude Opus 4.1，有 47.6% 的成果被评为不输于专家。
论文也写明了没测什么。每道题都把完整背景放进了提示，「但在现实里，弄清一项任务的完整背景、搞明白该做什么，往往要费不少功夫」。在另一项实验里（用的是较早版本的任务子集），研究者把提示平均删到原来的 42%，GPT-5 交的活就被评得更差，它「摸不清背景」。需要大量默会知识、或者需要人与人沟通的任务，都不在测试范围内，而那正是丹佛那些对讲机要传的东西。
有了 AI，德鲁克的头一个问题落到了写说明的人身上。挑一件你们组上个月做完的活，把说明写两遍：一遍是你平时随手打的一句话，一遍写清给谁用、怎样算好、数据在哪儿。每个版本各跑几次。请平时审这类活的同事，把这些结果和组里实际交的那份去掉标签排个序，说出理由。一次排序只是线索，拿理由去对照这件活本来要达到什么。
六个月，没有一个数
五个工作组，起初 21 名技术员，带着对讲机试了六个月，1991 年 12 月 31 日正式结束。
作者报告说「没有正式的结果」，以现有的工具衡量不出效果。这正是德鲁克这套想法最硬的坎：不盯着看，就得另找办法知道好坏。那篇文章里，他的证据是一个个例子。他写道，问清这几个问题、再照答案去做，「通常能让知识工作者的生产率提高到原来的两到三倍，而且很快」，却没给数据。组织研究学者马茨·阿尔维森 2001 年的论文持怀疑态度：知识本身难以捉摸，能力和业绩又难以证明，经营说辞和形象就变得格外要紧。手和脑的界线也不清楚，德鲁克自己就说，外科医生这类工作里动手的部分，仍要用泰勒的办法来研究。
技术员们说对讲机非常成功。有人提出自己掏钱买下来，好确保能一直留着。