公司中層可能即將消失

作者：劉潤

來源：劉潤（ID：runliu-pub）

前段時間，我干了一件大事。

具體來說，是借助AI，從0開始搓代碼，搭了一套AI工程系統(tǒng)，用來完成研究和輔助寫作任務(wù)。比如，寫研究報告。比如，潤色文章腳本。

（界面大概長這樣）

而當(dāng)我Debug了幾次，系統(tǒng)終于跑通的那一刻，除了興奮，我還感到一陣寒意。因為，一種過去模模糊糊的念頭，突然清晰：

公司這種組織里，好像不需要那么多中層了。

01

傳統(tǒng)中層管理者的

存在價值，正在消失

首先思考一個問題：傳統(tǒng)的組織里，中層的價值是什么？

我曾在《5分鐘商學(xué)院》里提到：組織的本質(zhì)，是信息傳遞的機(jī)制。

假如，現(xiàn)在有個5000人公司的CEO。他非常興奮，自覺想通了未來3年最重要的戰(zhàn)略。可是，怎么通知所有人？挨個打電話嗎？太麻煩了。前線業(yè)務(wù)員發(fā)現(xiàn)問題，也不可能沖進(jìn)CEO辦公室匯報。

這中間，就需要人來“傳話”。把老板的想法，拆解成可執(zhí)行的任務(wù)，分發(fā)給基層。把基層的情況，整合成報告，匯總給老板。

這就是中層的核心價值：信息傳遞。

而傳話，也帶來部分決策權(quán)。所以，項目搞砸了，老板不需要去追責(zé)幾十上百個基層員工，只需要找到經(jīng)理。

所以，中層還要：承擔(dān)責(zé)任。

這就是過去幾十上百年，大多數(shù)公司的組織結(jié)構(gòu)。把他們放到一個直角坐標(biāo)軸，橫軸是部門，比如營銷、研發(fā)、法務(wù)?？v軸是層級，比如基層、中層、高層。整體，就會呈現(xiàn)一個金字塔形。

但當(dāng)AI工程系統(tǒng)出現(xiàn)，信息的加工傳遞環(huán)節(jié)，可能越來越少。

過去，部門經(jīng)理需要花2小時，催促5個員工交周報，再花1小時，把它們整合成部門周報，發(fā)給總監(jiān)。現(xiàn)在，5個AI Agent自動完成任務(wù)，進(jìn)度、結(jié)果、問題，都會呈現(xiàn)在看板上，供所有人隨時查閱。

那個寫周報、匯總周報的“信息傳遞”環(huán)節(jié)，就從事實上消失了。

一個普遍的誤解是，中層管理者的危機(jī)，來自于AI替代了他們的工作。但真相可能是，AI會讓中層的工作本身，不必繼續(xù)存在。

過去，中層是金字塔的腰部。未來，中層可能是流程的斷點(diǎn)。

Gartner預(yù)測，2026年，20%的組織會消除超50%的中層管理崗。因為AI。Shopify、Klarna、Duolingo這些科技公司，也開始壓縮中層，資源的重點(diǎn)，是AI工程團(tuán)隊和客戶連接層。以前的架構(gòu)，可能是“1個總監(jiān)帶3個經(jīng)理管15個人”。但以后，可能是“總監(jiān)和AI，管12個人”。

有點(diǎn)嚇人?？墒?，為什么會這樣？因為大模型越來越強(qiáng)了嗎？

不是的。今年真正帶來變化的，不是大模型本身。

02

大模型的能力，可能已經(jīng)到頭了

你有沒有發(fā)現(xiàn)，最近發(fā)布的新模型，都不再強(qiáng)調(diào)參數(shù)規(guī)模了？

GPT-3的時候，1750億參數(shù)是最大的驕傲。但現(xiàn)在，很少有哪家公司，在發(fā)布會上還拿參數(shù)說事了。甚至參數(shù)的具體數(shù)量，都成了秘密。

為什么？因為大模型的“規(guī)模效應(yīng)”，正在快速消失。

多家頭部AI公司發(fā)現(xiàn)訓(xùn)練預(yù)算翻了好幾倍，但模型性能的提升，卻越來越不明顯。

于是，AI模型的競爭維度，從更大，轉(zhuǎn)向了更聰明，或者更可靠。比如OpenAI，把戰(zhàn)略從“堆參數(shù)”轉(zhuǎn)向了“推理”。

更根本的問題是，AI天然存在幻覺。

幻覺，就是一本正經(jīng)地胡說八道。你問它一個論文出處，它可能會給你作者名、年份、期刊，但真的去查，會發(fā)現(xiàn)根本不存在。

為什么會這樣？不是它故意騙人，而是它在盡力完成一個合理的句子。大模型的底層機(jī)制，是“通過概率，猜下一個詞”。這是統(tǒng)計意義的智能，而非人類意義的理解。這種機(jī)制，就必然帶來幻覺。

幻覺最可怕的，不是“錯了”，而是“錯了，但自信”。你問它10次，它可能給你10個信心滿滿的答案。一個總是犯錯，卻又總是自信的工具，最多只是玩具。想讓它成為生產(chǎn)力，重點(diǎn)不是更博學(xué)，而是更可靠。

怎么辦？很多人想到了提示詞工程。

我把要求寫得越詳細(xì)、越具體，它不就越聽話嗎？

試過的人都知道，這很難。你要它同時做到“嚴(yán)謹(jǐn)且有洞察”、“口語但不失深度”、“有數(shù)據(jù)支持但好讀”，它就會在“嚴(yán)謹(jǐn)”和“口語”之間反復(fù)橫跳，在“數(shù)據(jù)”和“好讀”之間艱難平衡。最后，交出個面面俱到的平庸之作。

繞了一大圈，無數(shù)有工程學(xué)素養(yǎng)的人們，同時想到一個古老的隱喻：

問題，不在“馬”，在“馬具”。

限制AI能力的，或許不是它的“腦容量”，而是我們的“約束力”。

03

馬具工程（Harness），

能大幅提高AI的可靠度

19世紀(jì)，巴黎。馬，是最重要的交通工具。

一匹好馬，強(qiáng)壯有耐力，但野性難馴，它自己不會拉著你去目的地。你必須套上馬具，才能駕馭它。

今天的AI，就是一匹充滿力量、但野性難馴的烈馬。而我們，需要一套能駕馭它的“馬具工程”（Harness Engineering）。

這套“馬具工程”，到底長什么樣？

我沒有標(biāo)準(zhǔn)答案。但過去半個多月，我試著搭了一套系統(tǒng)，用來完成研究和輔助寫作任務(wù)。以這套系統(tǒng)為例，和你分享“馬具工程”的4個核心：

角色、規(guī)則、流程、工具。

什么意思？

1、角色：定義“能力”的清單。

為了搭建這套系統(tǒng)，我選了三位同事作為原型，做了三個數(shù)字員工。主筆叫“小二蔓”，研究員叫“小琦總”，主編，叫“小戈枰”。

為什么要定義那么多角色呢？讓AI自己查，自己審，自己寫不行嗎？

不行。因為規(guī)則越多，內(nèi)耗越重。約束越全，產(chǎn)出越差。

如果你讓一個AI，同時扮演：才華橫溢的主筆、嚴(yán)謹(jǐn)較真的研究員、規(guī)避風(fēng)險的編輯。那才華就會和風(fēng)險沖突，戲說會和嚴(yán)謹(jǐn)沖突。面對這樣一堆互相打架的規(guī)則，AI再聰明，也只能產(chǎn)出一篇60分的平庸報告。

那怎么辦？把角色拆開。讓每個角色，都掌握它的核心能力。

AI主筆一開始，就追求極致質(zhì)量。這樣，初稿就有80分的水準(zhǔn)。在AI編輯身上，就定義好把關(guān)的能力。比如，“小戈枰”的一種能力，就叫“八大風(fēng)險”，要求稿件必須遵守八大風(fēng)險原則，一條都不能漏。

AI時代，所謂懂業(yè)務(wù)，就是把人抽象成能力，再把能力編碼成系統(tǒng)。

2、規(guī)則：定義“事”的邊界。

員工有了。但一樣的幾個人，在不同的團(tuán)隊，產(chǎn)出可能天差地別。

為什么？因為對“事”的定義不同。

比如審查一個選題報告，怎么樣才能夠通過？如果不通過，怎么樣給AI同事反饋？這些，你都要一一定義清楚。像這樣：

【核心打磨目標(biāo)】：

認(rèn)知差真的夠深了嗎？有沒有自相矛盾？是不是雞湯？情緒動線對嗎？讀者看了會共鳴、會被打動、會轉(zhuǎn)發(fā)嗎？大綱里的信息支撐夠不夠硬？

【流程與執(zhí)行】

給出具體修改建議，而不是只說“不行”。告訴主筆具體哪個觀點(diǎn)需要再挖深一層，哪個案例太弱需要換。

【審閱報告結(jié)構(gòu)】

• 審批決定：通過 / 打回重改

• 四維打分（各項說明扣分原因）

• 必須修改意見（具體到點(diǎn)）

規(guī)則，就是崗位的標(biāo)準(zhǔn)。有了標(biāo)準(zhǔn)，AI才能保持產(chǎn)出穩(wěn)定。

3、流程：設(shè)計讓AI們吵架的路線

現(xiàn)在，我們有了一群能力很強(qiáng)的“數(shù)字員工”（角色），也給他們規(guī)定了做具體事情的“紀(jì)律”（規(guī)則）。

然后呢？然后，要讓他們“吵起來”。

吵架？吵架不是影響團(tuán)隊合作嗎？恰恰相反。好的產(chǎn)出，都是“吵”出來的。不同角色的觀點(diǎn)碰撞，反復(fù)打磨，才能逼近最優(yōu)解。

但人，是不好意思吵架的。他是你的前輩，她是你的閨蜜，中午還要一起吃飯。于是最后，往往變成：哎呀，算了算了，這事就這么過吧。

團(tuán)隊常常產(chǎn)出平庸作品的本質(zhì)原因，是心力不足。

但AI沒有情緒。所以，我們要設(shè)計一套“吵架”的路線圖，讓它們用各自最“極端”的能力，互相挑戰(zhàn)，循環(huán)往復(fù)，逼近一個高質(zhì)量的產(chǎn)出?？磮D。

這是我們的AI系統(tǒng)，跑研究報告的流程。

雖然環(huán)節(jié)很多，但每個環(huán)節(jié)，都是主筆動筆寫作，研究員查資料，編輯做審核。每個AI角色，都在自己的泳道里做事。不過關(guān)，就打回重寫。

這是一種循環(huán)逼近、絕不妥協(xié)的工程美學(xué)。

4、工具：讓所有資源，圍繞業(yè)務(wù)轉(zhuǎn)。

要讓AI系統(tǒng)真正嵌入你的業(yè)務(wù)流程，你還需要給它們配備工具。

比如，通過接口，調(diào)用我的筆記軟件。我平時會去很多企業(yè)，見很多人，這些見聞，都會被錄下來，存到筆記軟件里。比如，報告完成后，也可以用私聊的形式，發(fā)到辦公軟件上。又比如，當(dāng)需要資料，就調(diào)用工具進(jìn)行搜索。

把AI，當(dāng)作一個可以接入現(xiàn)有系統(tǒng)的“大腦”。

這樣，所有的資源，都不再是外部工具，而是業(yè)務(wù)系統(tǒng)的內(nèi)部能力。每一次產(chǎn)出，都用同一套標(biāo)準(zhǔn)。效率和過去相比，完全不是一個量級。

角色、規(guī)則、流程、工具。

這幾個要素組合在一起，就構(gòu)成了一套強(qiáng)大的馬具。它把大模型這匹烈馬，從一個不靠譜的陪聊，變成了一個強(qiáng)大可靠的生產(chǎn)力工具。

那么，當(dāng)“馬具工程”被普遍采用，組織不需要“中間傳話”的人之后，公司會變成什么樣？我們，又該如何找到新位置？

04

3種核心能力：

做判斷，駕馭AI，連接真實世界

公司的組織形態(tài)變化，如果用數(shù)學(xué)的語言來理解，可能是：

從直角坐標(biāo)系，變成極坐標(biāo)系。

什么意思？

直角坐標(biāo)系，就是過去的公司形態(tài)。每個員工，都會被放在一個“橫向部門 + 縱向?qū)蛹墶钡木W(wǎng)格里。

那什么又是極坐標(biāo)系？極坐標(biāo)系，不是橫縱交叉的格子，而是以原點(diǎn)為中心，不斷向外擴(kuò)展的圓。

這里邊，大概有3個角色：

做判斷的人，駕馭AI的人，連接真實世界的人。

極坐標(biāo)系描述的，是價值的流動，而不是人頭的編制。甚至不同目標(biāo)下，你扮演的角色，也會有所不同。我們一個個說。

首先，是：做判斷的人。

他們承擔(dān)著原來“中層”的責(zé)任，但把信息處理的工作外包給了AI，把精力用在了判斷上。他們的核心能力，是經(jīng)驗、審美、品味，是不計其數(shù)的隱性知識。這些知識，無法被量化編碼，因此也無法被AI復(fù)制。

之前，整個團(tuán)隊絞盡腦汁，一周下來也做不出幾份方案。但當(dāng)AI把供給拉滿，你要做的，是從100個“差不多”的答案里，找到那1個“就是它”。

接著，是：駕馭AI的人。

這些人，是“馬具”的制造者和維護(hù)者，是業(yè)務(wù)專家。通過不斷調(diào)整流程、角色、審批，來管理整個AI系統(tǒng)。他們的核心能力，是對業(yè)務(wù)的深刻理解，和工程學(xué)的素養(yǎng)。

他們不親自寫文章、做設(shè)計、跑業(yè)務(wù)，但他們定義文章怎么被寫出來、設(shè)計怎么完成、業(yè)務(wù)怎么優(yōu)化。

比如，不斷地去修改評分標(biāo)準(zhǔn)。定義什么叫7分，什么叫8分。

最后，也是最重要的：和世界連接的人。

他們是與真實物理世界深度接觸的人。他們跑客戶、做訪談、搞定政企關(guān)系、做客戶的情緒安撫。

畢竟AI再強(qiáng)，它沒有腿，也感受不到現(xiàn)場的溫度。

什么叫現(xiàn)場的溫度？

如果只看報告，你可能看到“某品牌在下沉市場增長很快”，但真的去了縣城你才知道，其實很多人只看不買，產(chǎn)品質(zhì)量也不咋地。所謂增長，更多是靠新奇或者打折，不是用戶真的認(rèn)可。

如果只看報道，你可能會看到“某國家平均分配，大家5點(diǎn)下班”，但去了當(dāng)?shù)啬悴胖?，所謂的大鍋飯，會讓激勵失效，進(jìn)而帶來商品匱乏，大家要靠不斷偷東西賣掉，才能從黑市上買到生活必需品。

做判斷的人。駕馭AI的人。連接真實世界的人。

在組織“極坐標(biāo)系”的新形式里，價值的流向，可能是這三個方向。

只做信息傳遞的中層管理，就會失去存在的意義。

05

最后的話

時代從不淘汰人。它只淘汰那些，把自己活成零件的人。

工業(yè)時代，人類把自己變成了零件，嵌入到巨大的金字塔里，為了追求確定性，成了信息的傳遞員、規(guī)則的復(fù)讀機(jī)。但這不該是工作的全部。那些重復(fù)的匯總、催促、協(xié)調(diào)，本就是對生命力的消耗。

但今天，我們或許有了一些新的選擇。

比如，在迷霧中拍板、承擔(dān)代價的判斷者。比如，看透業(yè)務(wù)本質(zhì)、調(diào)教AI的工程師。又比如，滿腳泥濘、感知真實世界的連接者。這些人，不再是接收信號的節(jié)點(diǎn)，是定義價值的源頭。

關(guān)于AI對組織和業(yè)務(wù)的沖擊，關(guān)于我們每個人，該如何在變革中，找到新位置，還需要很多的思考。

THE END