前段时间，我干了一件大事。
具体来说，是借助AI，从0开始搓代码，搭了一套AI工程系统，用来完成研究和辅助写作任务。比如，写研究报告。比如，润色文章脚本。
（界面大概长这样）
而当我Debug了几次，系统终于跑通的那一刻，除了兴奋，我还感到一阵寒意。因为，一种过去模模糊糊的念头，突然清晰：
公司这种组织里，好像不需要那么多中层了。
01
传统中层管理者的存在价值，正在消失
首先思考一个问题：传统的组织里，中层的价值是什么？
我曾在《5分钟商学院》里提到：组织的本质，是信息传递的机制。
假如，现在有个5000人公司的CEO。他非常兴奋，自觉想通了未来3年最重要的战略。可是，怎么通知所有人？挨个打电话吗？太麻烦了。前线业务员发现问题，也不可能冲进CEO办公室汇报。
这中间，就需要人来“传话”。把老板的想法，拆解成可执行的任务，分发给基层。把基层的情况，整合成报告，汇总给老板。
这就是中层的核心价值：信息传递。
而传话，也带来部分决策权。所以，项目搞砸了，老板不需要去追责几十上百个基层员工，只需要找到经理。
所以，中层还要：承担责任。
这就是过去几十上百年，大多数公司的组织结构。把他们放到一个直角坐标轴，横轴是部门，比如营销、研发、法务。纵轴是层级，比如基层、中层、高层。整体，就会呈现一个金字塔形。
但当AI工程系统出现，信息的加工传递环节，可能越来越少。
过去，部门经理需要花2小时，催促5个员工交周报，再花1小时，把它们整合成部门周报，发给总监。现在，5个AI Agent自动完成任务，进度、结果、问题，都会呈现在看板上，供所有人随时查阅。
那个写周报、汇总周报的“信息传递”环节，就从事实上消失了。
一个普遍的误解是，中层管理者的危机，来自于AI替代了他们的工作。但真相可能是，AI会让中层的工作本身，不必继续存在。
过去，中层是金字塔的腰部。未来，中层可能是流程的断点。
Gartner预测，2026年，20%的组织会消除超50%的中层管理岗。因为AI。Shopify、Klarna、Duolingo这些科技公司，也开始压缩中层，资源的重点，是AI工程团队和客户连接层。以前的架构，可能是“1个总监带3个经理管15个人”。但以后，可能是“总监和AI，管12个人”。
有点吓人。可是，为什么会这样？因为大模型越来越强了吗？
不是的。今年真正带来变化的，不是大模型本身。
02
大模型的能力，可能已经到头了
你有没有发现，最近发布的新模型，都不再强调参数规模了？
GPT-3的时候，1750亿参数是最大的骄傲。但现在，很少有哪家公司，在发布会上还拿参数说事了。甚至参数的具体数量，都成了秘密。
为什么？因为大模型的“规模效应”，正在快速消失。
多家头部AI公司发现训练预算翻了好几倍，但模型性能的提升，却越来越不明显。
于是，AI模型的竞争维度，从更大，转向了更聪明，或者更可靠。比如OpenAI，把战略从“堆参数”转向了“推理”。
更根本的问题是，AI天然存在幻觉。
幻觉，就是一本正经地胡说八道。你问它一个论文出处，它可能会给你作者名、年份、期刊，但真的去查，会发现根本不存在。
为什么会这样？不是它故意骗人，而是它在尽力完成一个合理的句子。大模型的底层机制，是“通过概率，猜下一个词”。这是统计意义的智能，而非人类意义的理解。这种机制，就必然带来幻觉。
幻觉最可怕的，不是“错了”，而是“错了，但自信”。你问它10次，它可能给你10个信心满满的答案。一个总是犯错，却又总是自信的工具，最多只是玩具。想让它成为生产力，重点不是更博学，而是更可靠。
怎么办？很多人想到了提示词工程。
我把要求写得越详细、越具体，它不就越听话吗？
试过的人都知道，这很难。你要它同时做到“严谨且有洞察”、“口语但不失深度”、“有数据支持但好读”，它就会在“严谨”和“口语”之间反复横跳，在“数据”和“好读”之间艰难平衡。最后，交出个面面俱到的平庸之作。
绕了一大圈，无数有工程学素养的人们，同时想到一个古老的隐喻：
问题，不在“马”，在“马具”。
限制AI能力的，或许不是它的“脑容量”，而是我们的“约束力”。
03
马具工程（Harness），能大幅提高AI的可靠度
19世纪，巴黎。马，是最重要的交通工具。
一匹好马，强壮有耐力，但野性难驯，它自己不会拉着你去目的地。你必须套上马具，才能驾驭它。
今天的AI，就是一匹充满力量、但野性难驯的烈马。而我们，需要一套能驾驭它的“马具工程”（Harness Engineering）。
这套“马具工程”，到底长什么样？
我没有标准答案。但过去半个多月，我试着搭了一套系统，用来完成研究和辅助写作任务。以这套系统为例，和你分享“马具工程”的4个核心：
角色、规则、流程、工具。
什么意思？
1、角色：定义“能力”的清单。
为了搭建这套系统，我选了三位同事作为原型，做了三个数字员工。主笔叫“小二蔓”，研究员叫“小琦总”，主编，叫“小戈枰”。
为什么要定义那么多角色呢？让AI自己查，自己审，自己写不行吗？
不行。因为规则越多，内耗越重。约束越全，产出越差。
如果你让一个AI，同时扮演：才华横溢的主笔、严谨较真的研究员、规避风险的编辑。那才华就会和风险冲突，戏说会和严谨冲突。面对这样一堆互相打架的规则，AI再聪明，也只能产出一篇60分的平庸报告。
那怎么办？把角色拆开。让每个角色，都掌握它的核心能力。
AI主笔一开始，就追求极致质量。这样，初稿就有80分的水准。在AI编辑身上，就定义好把关的能力。比如，“小戈枰”的一种能力，就叫“八大风险”，要求稿件必须遵守八大风险原则，一条都不能漏。
AI时代，所谓懂业务，就是把人抽象成能力，再把能力编码成系统。
2、规则：定义“事”的边界。
员工有了。但一样的几个人，在不同的团队，产出可能天差地别。
为什么？因为对“事”的定义不同。
比如审查一个选题报告，怎么样才能够通过？如果不通过，怎么样给AI同事反馈？这些，你都要一一定义清楚。像这样：
【核心打磨目标】： 认知差真的够深了吗？有没有自相矛盾？是不是鸡汤？情绪动线对吗？读者看了会共鸣、会被打动、会转发吗？大纲里的信息支撑够不够硬？ …… 【流程与执行】 给出具体修改建议，而不是只说“不行”。告诉主笔具体哪个观点需要再挖深一层，哪个案例太弱需要换。 …… 【审阅报告结构】 审批决定：通过 / 打回重改 四维打分（各项说明扣分原因） 必须修改意见（具体到点） ……
规则，就是岗位的标准。有了标准，AI才能保持产出稳定。
3、流程：设计让AI们吵架的路线
现在，我们有了一群能力很强的“数字员工”（角色），也给他们规定了做具体事情的“纪律”（规则）。
然后呢？然后，要让他们“吵起来”。
吵架？吵架不是影响团队合作吗？恰恰相反。好的产出，都是“吵”出来的。不同角色的观点碰撞，反复打磨，才能逼近最优解。
但人，是不好意思吵架的。他是你的前辈，她是你的闺蜜，中午还要一起吃饭。于是最后，往往变成：哎呀，算了算了，这事就这么过吧。
团队常常产出平庸作品的本质原因，是心力不足。
但AI没有情绪。所以，我们要设计一套“吵架”的路线图，让它们用各自最“极端”的能力，互相挑战，循环往复，逼近一个高质量的产出。看图。
这是我们的AI系统，跑研究报告的流程。
虽然环节很多，但每个环节，都是主笔动笔写作，研究员查资料，编辑做审核。每个AI角色，都在自己的泳道里做事。不过关，就打回重写。
这是一种循环逼近、绝不妥协的工程美学。
4、工具：让所有资源，围绕业务转。
要让AI系统真正嵌入你的业务流程，你还需要给它们配备工具。
比如，通过接口，调用我的笔记软件。我平时会去很多企业，见很多人，这些见闻，都会被录下来，存到笔记软件里。比如，报告完成后，也可以用私聊的形式，发到办公软件上。又比如，当需要资料，就调用工具进行搜索。
把AI，当作一个可以接入现有系统的“大脑”。
这样，所有的资源，都不再是外部工具，而是业务系统的内部能力。每一次产出，都用同一套标准。效率和过去相比，完全不是一个量级。
角色、规则、流程、工具。
这几个要素组合在一起，就构成了一套强大的马具。它把大模型这匹烈马，从一个不靠谱的陪聊，变成了一个强大可靠的生产力工具。
那么，当“马具工程”被普遍采用，组织不需要“中间传话”的人之后，公司会变成什么样？我们，又该如何找到新位置？
04
3种核心能力：做判断，驾驭AI，连接真实世界
公司的组织形态变化，如果用数学的语言来理解，可能是：
从直角坐标系，变成极坐标系。
什么意思？
直角坐标系，就是过去的公司形态。每个员工，都会被放在一个“横向部门 + 纵向层级”的网格里。
那什么又是极坐标系？极坐标系，不是横纵交叉的格子，而是以原点为中心，不断向外扩展的圆。
这里边，大概有3个角色：
做判断的人，驾驭AI的人，连接真实世界的人。
极坐标系描述的，是价值的流动，而不是人头的编制。甚至不同目标下，你扮演的角色，也会有所不同。我们一个个说。
首先，是：做判断的人。
他们承担着原来“中层”的责任，但把信息处理的工作外包给了AI，把精力用在了判断上。他们的核心能力，是经验、审美、品味，是不计其数的隐性知识。这些知识，无法被量化编码，因此也无法被AI复制。
之前，整个团队绞尽脑汁，一周下来也做不出几份方案。但当AI把供给拉满，你要做的，是从100个“差不多”的答案里，找到那1个“就是它”。
接着，是：驾驭AI的人。
这些人，是“马具”的制造者和维护者，是业务专家。通过不断调整流程、角色、审批，来管理整个AI系统。他们的核心能力，是对业务的深刻理解，和工程学的素养。
他们不亲自写文章、做设计、跑业务，但他们定义文章怎么被写出来、设计怎么完成、业务怎么优化。
比如，不断地去修改评分标准。定义什么叫7分，什么叫8分。
最后，也是最重要的：和世界连接的人。
他们是与真实物理世界深度接触的人。他们跑客户、做访谈、搞定政企关系、做客户的情绪安抚。
毕竟AI再强，它没有腿，也感受不到现场的温度。
什么叫现场的温度？
如果只看报告，你可能看到“某品牌在下沉市场增长很快”，但真的去了县城你才知道，其实很多人只看不买，产品质量也不咋地。所谓增长，更多是靠新奇或者打折，不是用户真的认可。
如果只看报道，你可能会看到“某国家平均分配，大家5点下班”，但去了当地你才知道，所谓的大锅饭，会让激励失效，进而带来商品匮乏，大家要靠不断偷东西卖掉，才能从黑市上买到生活必需品。
做判断的人。驾驭AI的人。连接真实世界的人。
在组织“极坐标系”的新形式里，价值的流向，可能是这三个方向。
只做信息传递的中层管理，就会失去存在的意义。
最后的话
时代从不淘汰人。它只淘汰那些，把自己活成零件的人。
工业时代，人类把自己变成了零件，嵌入到巨大的金字塔里，为了追求确定性，成了信息的传递员、规则的复读机。但这不该是工作的全部。那些重复的汇总、催促、协调，本就是对生命力的消耗。
但今天，我们或许有了一些新的选择。
比如，在迷雾中拍板、承担代价的判断者。比如，看透业务本质、调教AI的工程师。又比如，满脚泥泞、感知真实世界的连接者。这些人，不再是接收信号的节点，是定义价值的源头。
关于AI对组织和业务的冲击，关于我们每个人，该如何在变革中，找到新位置，我有太多的思考想与你分享。
所以，我们特地在5月16日，举办年中大课《落地之战》。
这场分享，不做直播，没有回放。这样，我可以更放开地说一些此前从没说过的内容。我强烈建议你，带着高管合伙人，带着IT团队一起来听。比竞争对手先跑一步，就是机会。
在现场，我会更深度地拆解这套AI工程化思维，以及新的趋势下，公司如何进化，个人如何重塑。欢迎你和我们一起讨论，一起研究。
现场门票还剩不到200张，如果你现在购买，或是带着团队一起前来，我特意为你准备了优惠早鸟价。座位有限，售完即止。
5月16日，上海。我们不见，不散！
热门跟贴