“AI 不会平等赋能每一个组织，一些管理者正在被淘汰，裁员也不是唯一答案”

最近因为工作的原因，我连续访谈与调研了 20 家不同公司的管理者，想弄清楚一件事：AI 到底正在把组织带向哪里？

一个越来越清晰的感受是——

很多变化，并不是在“试点”或“探索”，而是已经在不同公司里同步发生。

AI 对组织的影响，或许不像业务那样惊天动地，但它正在悄然重写结构、角色与权责，并且只偏爱一部分“准备好”的组织。

一、组织结构与权责重写

从强规则、自上而下的管理，走向更扁平、更网络化的协作方式

01 随着 AI 应用的深入，组织正在变得更加扁平化、网络化

某互联网头部大厂，开始尝试在技术团队中压缩中间管理层级，确保从一线到第一负责人的汇报链路压缩到四层以内；微软提出 Frontier Firm 的设想，在决策中让 AI 先行介入。

这些变化背后都有一个非常现实的原因：AI 大幅降低了协调、执行和验证的成本。

当信息获取、方案生成、结果验证都变得更快时，原本为了“对齐、汇报、协调”而存在的层级，开始成为摩擦来源。组织不再需要那么多“传话的人”，而是需要更多直接对问题负责的人。

02 管理权正在让位给判断权，组织更关注“会判断的人”

过去，管理幅度是衡量管理者的重要指标之一，管的人越多，往往被视为管理能力越强。但在 AI 时代，“管多少人”正在逐渐失去它作为权力和地位象征的意义。

微软在推进 Copilot 以及内部 AI 代理体系的过程中，对这种变化给出了非常清晰的表达。微软将人机协作划分为三个阶段：从“人 + AI 助手”，到“人机混合团队”，再到Human-led, Agent-operated。在这一设想中，人不再承担大量执行和协调工作，而是负责定义目标、做关键判断，并对结果负责；具体流程则由 AI 代理完成，并定期汇报。

你会看到越来越多的情况是：

• 年轻专家直接负责关键模块
• 有判断能力的人，哪怕不带团队，也能承担核心责任
• “是否带人”变成一种可切换状态，而不再是默认的晋升路径

这背后隐含的是同一个假设：在 AI 时代，真正稀缺的，不是执行能力，而是方向判断和系统判断能力。负责人，不再等同于管理者，而更像是对结果负责的判断责任人。

03 当 AI 从探索期进入深水区，组织能力成为技术落地的关键前提

当 AI 的应用从实验室走向产业，从单点尝试走向规模化落地，一些跑在前面的企业开始意识到，真正的挑战并不在于选择哪一个模型，而在于是否具备长期承载 AI 的组织能力。

亚马逊的做法释放了一个非常清晰的信号。在重组 AI 相关核心能力时，亚马逊并没有将赌注押在某一位模型天才或单一技术方向上，而是由一位在公司工作 27 年、长期负责云基础设施与工程体系的高管，统一协调基础模型、自研芯片和云基础设施。这一安排更强调系统整合、工程稳定性和跨业务协同，而非单点技术突破。

在这样的背景下，组织设计开始被提前到技术路线之前，成为 AI 能否规模化落地的重要前提。

二、人才结构的重塑

人才策略与评价体系，从“人岗匹配”走向“能力放大器”

04 岗位边界开始模糊，个人承担的责任半径在扩大

在多家公司的实践中，我们看到一个非常显著、且反复出现的变化：岗位边界正在变得越来越模糊，而个人能力的边界在不断被放大。

有的公司会把对 AI 特别感兴趣的员工单独拉出来，组成专门的项目小组；有的场景下，原本需要几十甚至上百人的项目，现在由一个十人左右的小团队就能完成。

归根结底，是当个体能够承担的事情变多了，组织对“岗位分工”的依赖自然在下降。

Anthropic 在 2025 年对内部工程与研究团队开展的一项系统性研究，也观察到了类似的变化。研究通过问卷、深度访谈以及大量真实工具使用数据，分析工程师在与 AI 协作后的工作方式转变。结果显示，AI 的引入并没有让岗位消失，但显著改变了工作的构成：工程师开始承担更多跨领域任务，把更多时间用于拆解问题、验证结果和做关键判断，而不是单纯执行既定指令。其中，约25% 的工作内容，是在没有 AI 之前从未尝试过的。

这些变化共同指向一个趋势：岗位名称并没有发生剧烈变化，但责任与能力的边界正在被重新划定。在 AI 时代，个体的能力被更充分地释放出来，组织也正在围绕这种变化，重新理解“一个人可以做什么”。

05 裁员不是 AI 带来的唯一选择，增长同样成立

当人的能力被大幅放大之后，很多人自然会联想到：AI 必然带来裁员。确实，有的企业会先给出一个激进的提效目标，再反向推动 AI 的应用落地；但也有公司，在享受到 AI 带来的业务增长之后，选择加速扩张团队，例如Uber 和企业微信的销售体系。

到底是什么在影响企业的判断？一位 AI 独角兽公司的 CHO 提到，关键并不在技术，而在认知：

你把 AI 当成什么？你如何理解它？是把多出来的产能，用来“省人”，还是用来“做更难的事”？

06 超级个体，与组织战斗力之间的平衡

一个反直觉的现象正在出现：越是 AI 能力强的组织，反而越谨慎招人。在基础模型研究领域，一个天才个体确实可能带来质的改变；

但对于更大规模的应用型公司而言，组织能力的提升反而更加关键。企业会更关注那些懂行业、懂客户、对 AI 有兴趣的人，也更关注这些能力如何在组织中被放大和沉淀。

仔细想，这并不复杂：AI 极大放大个体能力，但个人能力的简单叠加，并不等于团队能力的提升。真正的关键在于：决策机制、协作成本，以及 AI 能力能否形成长期复利。

07 AI 写入绩效体系，意味着应用从意愿层进入责任层

Meta 的一个变化非常关键：他们不再问“你有没有用 AI”，而是问“你用 AI 交付了什么结果”。这标志着一个阶段性的拐点——AI 从加分项，逐渐演变为基础能力；从工具，变成工作方法，最终变成需要对绩效结果负责的一部分。与此同时，我们也看到了三种不同的态度：

• 有的企业仍然自下而上地鼓励探索；

• 有的设定了更激进的 AI 应用目标；

• 也有的只关注业务结果，并不强制考核 AI 使用情况。

颇有一种“不管黑猫白猫，抓到老鼠就是好猫”的通透感。

三、AI 正在分化组织，它不会平等赋能每一家企业

很多人听到“分化”，会下意识理解为“用 AI 的人”和“不用 AI 的人”。但在我看到的组织实践中，真正的分化并不发生在工具层，而发生在更深的地方。

08 AI 不会平均赋能，它筛选的是“组织准备度”

OpenAI 的研究数据很清楚：前沿组织、前沿员工，与中位数之间的差距正在指数级拉大。差距并不在于“有没有 AI”，而在三件事上：

AI 是否真正进入流程；是否形成可复用的工作方式；是否嵌入日常运营节奏。

一句话可以反复使用：AI 的下半场，不在模型能力，而在组织吸收能力。而这里有一个绕不过去的前提条件：数据与数字化基础。如果一家企业还没有完成基本的数字化转型，没有结构化数据、没有清晰流程、没有统一系统，那么 AI 这条路，注定要补课，这一步无法跳过。

09 变革与人心：AI 不只是技术工程，也考验长期主义

让我感到惊讶的是，除了收入和成本，已经有不少前沿企业开始讨论 AI 时代的wellbeing，讨论人的价值与意义。

员工真正害怕的，并不是 AI 本身，而是“被落下”“变得不重要”“不知道自己还擅长什么”。如果组织只谈效率、不谈意义：技术会上线，但人会在心理上退出参与。

从长期主义的角度看，技术的目标不应该只是压榨效率，而应该帮助人更好地发挥能力和天赋，让工作本身更有意义。越来越多的公司，正在从这个视角出发，去探索、去尝试。技术只有回归到“人”，才具有进步的意义；组织也只有赢得人心，才有长期存在的价值。

小结

回看这些趋势，会发现 AI 时代的组织竞争，并不只是技术能力的竞争，而是组织调整速度与方式的竞争：谁更早意识到人的角色变化，谁更愿意为此调整结构与机制，谁更能让人愿意参与这场变化。这，或许才是 AI 时代真正拉开差距的地方。

记录 2025 年，我们看到的先进组织已经在做的尝试。

本次访谈案例来自互联网大厂、AI native 公司，以及制造、游戏、电商、金融等不同行业。由于仍处在探索阶段，文中未具体提及公司名称，但这些变化，正在真实发生。