他们二十四岁就开始带 AI
Hemanth Asirvatham 和 Elliott Mokski 二十四岁就在 OpenAI 带团队。以前的公司里，这个年纪的人多半还在开会做记录、写备忘录，要熬很多年才轮到自己带人，他们却一上手就有 AI 助手可以差遣。这些助手白天黑夜都在干活，周末也不停，回邮件、整理材料很快，出主意时能达到数学竞赛金牌的水平，只是还是会算错、写错，两个人也还在学怎么管。这算不上传统的破格提拔，他们没有先爬到高位再拿到带人的权力，AI 来当下属以后，人在二十四岁就可以管一支队伍。
2026年10月1日，他们顺着这件事往下问，想知道 AI 进了公司以后会站在组织图的哪一层。他们画出三种摆法，而且这三种可以同时存在。第一种里，员工还坐在原来的位子上，脚下多出一层 AI，开始只是助手，后来变成一小群参谋，再往后每个人下面都像挂着一家小公司，人人都成了管理者。第二种里，AI 直接坐到同事的位子上，向现在的经理和高管汇报，先接一件事或一个角色，以后接的事更完整，汇报的对象也更高。第三种里，上面是人，下面也是人，AI 夹在中间，既把老板的意图往下传，也把一线自己做出的成绩指给老板看。
这三种都不会原封不动地发生，但其中一部分已经在发生。他们讨论现在这段时间，人和 AI 还在同一家公司共事，人还没有全部离开。模型现在多半只能做完一段活，这个阶段懂业务的人先用，效果更好。等模型能把一整块业务从头做到尾，老板就可以直接请它进来，不用先让全公司学会一个新软件。模型越能干，公司越容易用上它，公司仍然得知道技术能做什么，懂业务的人也会自己摸清公司的门道，再把自己的工作调整过去。
他们接着用这三种摆法看四件事：公司的手续会变多还是变少，员工还能不能自己做主，公司会变大还是变小，工资差距会拉开还是收拢。
员工还坐在原位，脚下多了 AI
在第一种摆法里，员工这一层看上去没变，岗位还在，汇报关系还在，大家表面上还在做原来的事。每个人脚下多了一组向自己汇报的 AI，普通员工因此都成了小领导，组织图也往下又长了一层。这层一开始很薄，每个人只有一两个 AI，像需要人盯着的实习生，负责发邮件、起草备忘录、随时回消息，大家也不敢把重要的事交给它们。模型变强以后，这些 AI 会互相配合，中间可以有管事的、干活的、管账的、管合同的。到了那一步，人不用再手把手带实习生，更像一家小公司的老板，听下面汇报，自己拍板。
他们用会计 Jace 把这件事说具体。Jace 不用再自己翻表，手下的 AI 负责对账和整理，他自己去做以前上司才做的事，跟人沟通，把事情协调齐，再在几个办法里选一个。他上班的时间可以更短，手上的事却更杂，别人也更容易看出他能不能带人、有没有判断。会计组不会因此变小，因为别的部门产出多了，要核的账就更多，AI 也还做不完这一组的全部工作。上面的高管并不清楚这些数字怎么归到一起，还得靠 Jace 懂行，才用得动这些 AI。
这条路不靠裁人，员工改掉过去的干法，往上走，对更大的一块产出负责，岗位本身也会变。假如 AI 做完了一个岗位上过去九成的活，这个人不一定只剩下一点空闲，他的工作仍可能是满的，只是目标变成了原来的十倍。产出上去以后，要做的事跟着变多，工资也有上涨的余地。
这件事要成立，员工还得能在做出的东西里加上一点自己的东西。未来几年，AI 做不到样样都会，也不会一下子铺到所有公司，就算能把这些活都包下来，顾客仍可能更愿意买人手做的东西，公司也可以坚持最后一句话由人来说。买的人也得跟上，大家并不想要十倍的沙发和十倍的报表，需求如果不涨，人和工时就会减少。过去这么多年，东西多了很多，大家干活的时间只少了一点，只要买的需求跟着产出涨，人还能出力，劳动就会继续换成更多消费。东西已经够了，人也可以自己选择少干一点。
公司还需要一条不用推倒重来的路，给现在的人加能力，比拆掉组织重搭更容易。现在已经看得到这种苗头，越来越多的人把任务交给 AI，公司却还没有开始改组。谁先用这些下属，决定这条路走不走得通。以前亲手做某件活的人，通常最会把这件活交给 AI。模型已经能自动做不少数据分析，部门负责人如果不熟悉方法和细节，就很难用起这些模型。AI 现在还不会主动说出人没想到的问题，所以它得先跟懂行的人一起干。
刚入行的岗位变化最大，员工会把最底下的杂活让出来，交给不介意干的 AI，当学徒、从打杂里学、靠熬年头晋升，这些路都会变少。新人要学判断、品味、带人和取舍，这些能力会直接体现在做出的东西上，所以公司有理由教。人仍然在干活中学，只是负责的范围更大，手里有股份的老人仍然愿意带新人，新人做成了，老人也受益。以前没有自己一块地盘的新人，可以第一次在更大的事情上显出本事。办公室里那句“抽不出人手”会越来越站不住，新人有个做游戏的想法，申请不到同事，也可以自己做出来。
AI 可以直接当你的同事
在第二种摆法里，AI 直接进入现在的组织，身份是同事。经理把团队里的一块活交给模型，就像交给任何一名员工，这种 AI 必须强到能自己做完一块工作，由现有的经理直接使用。如果它只挂在某个人私底下、只听这个人吩咐，那就还是第一种摆法。
他们设想了一家家具公司，副总裁 Sheila 没做过广告，她给一组 AI 一笔预算，让它们去推一款新沙发。这些 AI 分头去问销售，跟工厂核对交货时间，做线上调查，再出几种不同样子的稿，初稿自己改，不必先给她看。人类销售和设计师仍向她汇报，这组 AI 也向她汇报。到了周一，她收到待批的方案，还收到一个问题：照片里的沙发是不是太蓝了。做广告的人如果不点破，她看不出来，于是让 AI 去跟摄影师商量，然后重拍。
人可以沾很多种事，一件工具只帮一件事。AI 要从工具变成能干活的同事，接手的范围就得一级级变大，先接一件任务，再接一个岗位、一个团队，最后接一家公司。范围每大一级，它要会的事就更多，一个岗位里本来就装着很多种任务，一个团队则把好几个人的活捆在一起，这些活里只要有一件必须动手、必须到现场，公司就得再配一整套新本事。AI 真要接手整个团队，就得干得了这个团队里的每一种活。
范围越大，公司越难把它做出来，也越好直接使用。老板如果买到一支能从头做到尾的团队，或者买到一项能直接接手的职能，上面拍板以后公司就能用。只会做很小一件事的工具做不到这一点，公司得先让很多人愿意用，还得培训一大圈。电子表格不会自己走进会计部，会计部的人得围着软件改自己的做法。能干活的同事不一样，靠谱的实习生和靠谱的团队会自己问清背景，弄清主管要什么，还会指出主管没注意到的问题。AI 越像这样的同事，公司越不用先上课。高管多半不会坐下来听一门设计软件的入门课，如果有人说点个头就能搭起整套营销，高管会认真考虑。
有人觉得，机器接走一个岗位就算 AI 已经够用，这个看法把人看小了。一个人单干，在整个经济产出里只占很小一份，岗位上的成果交给团队，团队的成果交给公司，大家买到的东西几乎都是公司做出来的。干活不只有自己那一摊，人还要跟别人配合，在更大的结果里承担一小块，并且能临时改。AI 要够用，就得赶上一群人一起干活的水平，只赶上一个人还不够。
如果 AI 还只是工具，或者还只是一个单独的员工，公司又把它放在每个人旁边，人和人之间就会多出无数个对不上的缝，用起来会很慢。现在就能用的做法能力有限，更强的模型来得更晚，两边在抢时间。哪边赢，要看公司多快用上后面的模型，来得及来不及补上研发这些能力所花的时间。第二种和第一种可以同时存在，公司把一部分工作交给 AI 以后，人会变少，留下的人带着自己的 AI 队伍，管的事也变大。这不等于全社会干活的人一定变少，也可能是公司变多了，每家的人变少。
老板和员工中间先多一个顾问
第三种摆法最不好想象。AI 站到某些人之上，上面是人，中间是 AI，下面还是人，有人要向 AI 汇报。公司大概不会从这里开始用 AI，比较温和的用法却已经出现了。
他们讲了首席执行官 Asha 的一天。AI 顾问提醒她，马上要发布的产品有问题。顾问从 Slack 的日常聊天里看出来，销售已经向客户答应了某项功能，工程却没有在做，没有人写过报告，也没有人先发现两边说的对不上，于是建议先不要发布，并调三名工程师去补。顾问还注意到，在家办公的工程师 Sarah 自己搭了一段有用的基础工具，事先没人要求她做，就把这件事告诉 Asha。Asha 打电话道谢，并让 Sarah 负责这块新工作。
大家通常觉得，机器会从底下往上接活，先接走表格和幻灯片，判断留到最后，经理变成最后一座堡垒。可经理每天的工作大部分也发生在电脑和脑子里，就是读材料、开会、权衡、补背景、做决定。经理到现场去、在办公区走走当然有用，一线的工作即使主要用脑，也更常碰到实物和工具。公司派实习生去用复印机，不会派老板去干这个。
模型很难学会管理，人们说不清什么叫管好了，而且要过很久才看得出来，公司培养一个好经理也难，原因差不多。针对执行类脑力劳动的测试已经很多，针对管一整块业务、做大范围协调的测试却很少。这里还有一种可能：今天的模型也许更接近经理，会更早接走有些管理工作，反而更晚才接走这些经理手下的一线工作。
人、AI、人这样完整叠在一起，很不好想象。在那种结构里，AI 负责想，向它汇报的人去补它干不了的部分。顾问这种用法已经开始，也更好懂，高管可以让 ChatGPT 读公司里几百个 Slack 频道、文档、函件和代码，再问这个团队到底在干什么、薄弱的地方在哪，因此更容易看清公司的每个环节。公司早就花钱，在最高层旁边放中间人，这些人叫咨询顾问，收费很高。AI 顾问可以便宜到几乎不用计成本，而且随时都在。模型才刚能读懂公司的文档和聊天，品味和主动性还不够，现在先帮愿意花时间的高管把公司看细。以后它可以变成一套完整的咨询，用做生意的知识看每项工作，自己找痛处，再帮着排列优先级。它当不了基层员工的上司，更像高管身边的记者和顾问。
权力会更集中，最高层离公司真正在跑的流程更近。以前消息传不上来，公司把决定散在各层更合适。消息通了以后，更多决定会收到最上面，公司也可以从老板的办公室开始用 AI。老板请传统咨询时本来就不必懂技术，当年会打字、会用终端的人从下面把计算机带进公司。这一轮，老板对着顾问说话就行，技术留在顾问那边，这个顾问层还可以推动公司其他部门更快用上 AI。
用人的方式也会变，公司不放心远程办公和外包，很大程度上是因为看不清活干得怎么样。便宜的检查看不到过程，公司于是只看表面，数员工点了多少下、鼠标动了没有、在线状态是不是绿的，这些信号说明不了员工是不是在好好干活。AI 可以看员工做出的东西，判断他是不是在把更大的目标往前推。公司不该随手铺开这种监督，用得合适，信任会增加，公司反而能给人更多自由，因为员工做成一件事可以走好几条路，也可以按自己的方式干。公司要看事情有没有在推进，员工如果只是装忙给老板看，就会吃亏。这有点像车险，车上装了记录仪，保费可以降，想钻空子的人会吃亏，认真做事的人能得到证明，上面也更敢放手。
有些公司以前不愿接受混合办公，不愿用背景不那么传统的人和承包者，也不愿雇国外人才，这种监督出现以后可能松口。一线员工看见问题却送不上去，不称职的上司把他们困住，或者他们做出了成绩却没人看见，这些不公平一直都在。上一轮公司优化依靠有限的数据、很粗的规矩和死板的算法，那些办法只能量到一小部分动作。如果监督真看得懂工作，就有机会看见这些数字漏掉的贡献，以及别人不一样的做法。
东西好做以后，审批就可以少一点
公司做出一个东西，通常很贵。做一个应用、一部电影、一份演示、一个功能或一份分析，返工又贵又慢，机会往往只有一次，所以公司会花很多时间瞄准。公司设置规划周期、路线图评审和一层层审批，好让动手时打中值得打的目标。公司设这么多手续，因为过去每做一次都很贵。
在很多领域，AI 已经压低了做出来的成本。它未必能交出最终成品，但已经能做出能看、能试的样品，公司因此可以少瞄准、多试。团队先做一版，看看反应，学到一点，换个方向，再做一版，周转就会更快。再往前想一步，如果一起规划没那么重要，不同的想法更重要，公司就要重新选择，看一个团队反复改一版更好，还是很多人各自拿出能用的样品更好。一个真能点开的样品，比一份范围说明更能把想法讲清楚，大家可以更早沟通，也可以沟通得更多，直接分享已经做出的东西。
做东西变便宜以后，公司会更依靠个人，中间的管理层级可以少一些，请示也可以少一些。以前请示比动手便宜，现在动手比请示便宜。同一项技术也能把手续卡得更死，流程既可能变少，也可能变多。
员工可以自己拿主意，公司得先看住大事
公司从上往下管，很大程度上是因为高管做生意决定的能力通常比一线强。高层工资更高，也学过怎么看整盘生意，不做管理的人则专精自己那一块。如果 AI 能给所有人同样好的建议，两边判断的差距会缩小，经理就更没有理由插手，员工更能自己做主，管人的层级也可能更少。
AI 顾问还能防止大事在高管完全不知道的时候发生。有人要发一篇会重创公司的文章，顾问会先提醒上面，信任因此多了一层，高管不必担心自己完全蒙在鼓里，也就不必管死每个人怎么干活。同一套顾问也能把首席执行官喜欢的做法更有力地推到全公司。公司要求整齐，决定要好，还得符合文化和品牌，还得在规模上算得过来。连锁餐厅希望每家店用同一份菜单，这样才能一起买食材，顾客也知道进哪家店都会吃到同样的东西。
老板和员工的目标不总在一条线上，员工想在自己负责的范围里做成事情，高管看整家公司，拿股份的人和领工资的人想法也不一样。员工多干一点，好处更多落在员工身上，顾问因此可能更严格地要求大家遵守上面定的规矩。整体看，他们判断员工能自己做主的空间会变大，前提是公司用 AI 标出影响大的异常，把别的决定留给员工。
AI 像一层脚手架，帮着公司干活，公司可以把品牌一致当成干活时必须守住的一条线，员工因此更清楚限制在哪，也更有底气在限制外面想办法。底线守住以后，高管就可以让员工去试那些可能回报很高的新做法。员工手下有了 AI，还要对更大的产出负责，要统筹的事更复杂，能发挥的地方也更多。
公司可以更大，也可以拆得更碎
经济学家 Ronald Coase 问过一个老问题：公司为什么要把生产放在内部管，不去靠一张张合同。各方也可以全部签约，一起造出一架飞机，只是会慢到没法做。公司能把规模做大，把大家的动力拧到一起，把大项目组织起来，还省掉一遍遍讲价。
沟通变便宜以后，公司变大和变小都说得通。老式公司像一套管道，消息往上送，指令往下传，管道很慢，消息传一层就走样一层。AI 如果来做中间的协调，人更多的大公司就没那么难管。有了 AI 顾问，一位高管看自己的大公司，可以像创始人看一家二十人的小公司那样，直接看见计划做到了哪，不用等一个季度才听汇报，出了问题也会收到提醒。她的想法可以铺得更开，每个人也更知道别人在做什么，更知道整家公司先干什么。
公司变小也同样说得通，话能说清楚，结果也更容易看清，公司就不必把那么多供应环节都买进自己家里，也可以更信任外面的供应商和承包商。公司把上下游买进来，通常是因为两边想要的不一样，合同没写到的地方，对方会想省钱凑合，以便保住自己的利润。航空公司可以去签一家发动机公司，合同没写死的部分，发动机公司会往省里做，航空公司为了躲开这个，干脆把发动机公司买下来。员工和老板之间也有这类麻烦，如果合同更好盯，争执也能得到说得通的处理，公司就可以更放心地依靠别的公司，没必要什么都自己做。
两种公司都会出现，小公司会变多，同时也会出现很大的公司，一家里面同时跑很多项目，靠 AI 把这些项目放在一起。不同项目如果能共用一种家当，捆在一起就划算。公司可以按需要、一小份一小份地买算力，所以不必为了共用算力绑在一起。共用一座工厂或一队机器人，绑在一起的理由就硬得多。大家如果认同同一个目标，也可以因此绑在一起。一个由 AI 和资金组成的大组织如果只认一件事，比如治好癌症，就不必拆成互相独立的小项目，里面少一些争权，消息可以共享，需要的时候再让不同的 AI 分头去试。
工资差距取决于人在不在自己拿主意
现在的公司想奖励做得突出的人，这些人一级级升，钱也跟着多。如果每个人身边都有一个同样好的模型当顾问，人就更难显出差别。AI 如果给所有人同一个好主意，人和人就更难拉开差距，工资差距会往里收。
判断、品味和负责的范围会把差距再拉开。每个人都在管自己手下的一小支 AI，人剩下的价值就在做决定，负责的工作更大，决定的好坏就会把差别放得更明显。公司最上面早就在用这套道理，首席执行官工资高，因为上面的决定只要好一点点，利润就可能差很多。有的员工更能管好自己的 AI，也能把紧缺的资源用在对的地方，工资差距就会拉开。事情越大，一个人比别人好出的那一点，越会进到工资里。反过来，AI 给每个人好建议，人和人的差别变小，工资又会更集中。
这两种力量谁占上风，要看人主要在自己拿主意，还是在照着别人的主意做。三种摆法可以同时出现，公司现在最容易这样开始：给已经懂这门活的人加上 AI 下属。等模型能把一整块业务从头做到尾，经理才好把 AI 同事请进来，顾问则可以先从老板的办公室开始。
