第 10 章执行层坍缩：人才结构的进化

一、四千人不是四千个被 AI 替掉的岗位 #

2026 年 2 月 26 日，Block 宣布把组织从一万多人缩减到不足六千人，超过四千人离开或进入协商程序。公司在 2025 年末有 10,205 名全职员工，随后向美国证券交易委员会申报减员超过 40%；到 2026 年第二季度，这项重组计划已经结束（Block，2026）。

这不是一项可以轻描淡写的调整。多西在给员工的信里把决定归因于一组正在加速的变化：智能工具与更小、更扁平的团队，使公司可以用不同方式工作。他随后在股东信中进一步主张，更小的团队借助这些工具可以做得更多、更好。

但这组事实只能证明两件事：Block 确实完成了大规模裁员，公司也确实把这次裁员解释为 AI 与组织重构的结果。公开申报没有披露被裁人员原来承担哪些任务、处在哪个层级，也没有证明四千多个岗位已经由 AI 接走。把“四千人离开”直接写成“四千个岗位被 AI 替代”，会把公司主张误写成已经验证的机制。

更稳妥的分析单位不是职业，也不是岗位名称，而是岗位里的任务。国际劳工组织与 NASK 在 2025 年用近三万项职业任务估算生成式 AI 的潜在暴露：全球约四分之一的就业处在某种暴露范围，最高暴露类别只占 3.3%。报告明确区分了技术潜力与已经发生的失业；因为大多数职业仍包含需要人类参与的任务，岗位转型比整岗替代更可能（国际劳工组织与 NASK，2025）。

一名客服可能既要查询订单，也要安抚愤怒的客户；一名工程师既会按清单改字段，也要决定系统边界；一名经理既会汇总进度，也会辅导成员、调配资源、处理冲突并承担问责。AI 可以接走其中一部分，并不自动抹去整份工作。只有当足够多的核心任务已经迁走，剩余任务又能并入其他岗位时，独立岗位才可能消失。

当标准和决策相关的上下文可以被共享，信息不必都沿层级逐级转述；当执行成本继续下降，许多重复加工也不必继续绑定某个职位。最先松动的，是依靠明确指令、成熟标准和信息搬运存在的任务。辅导、问责、冲突处理、资源配置、现场信任和高风险决定不会因此一起消失。

“执行层坍缩”不是宣布某群人失去价值，而是重新拆开岗位：哪些纯执行任务正在变便宜，哪些判断和责任仍必须由人承担，组织又该怎样重新组合这些任务。被替换的旧基因，是把服从、忙碌和执行数量当成人才价值本身。

二、三类任务，不是三等人 #

S1、S2、S3 用来标记一项任务需要多少判断。它们只标具体任务，不给职业、岗位或人排等级。

• S1，按明确指令执行。 目标、步骤、输入、时点与验收口径已经给定，承担者照做并报告偏差。例如把一批确定字段录入系统，或按明确清单生成固定报表。
• S2，按标准熟练执行。 目标与标准已经给定，承担者可以在成熟方法中作局部选择，但不需要处理重大例外、重新权衡价值或修订标准。例如按设计规范完成常规页面，或依审核标准处理普通申请。
• S3 及以上，处理例外、作出取舍并参与修订标准。 当标准没有覆盖、标准彼此冲突或条件已经变化时，承担者要说明取舍、承担结果，并把例外写回下一版标准。

三类任务经常同时出现在一个岗位里。招聘人员录入候选人资料可能是 S1，按既定标准筛选简历可能是 S2，发现原来的标准持续错过某类人才并重写标准则是 S3。同一名招聘人员一天内可以完成三类任务，不能因为他上午录过数据就把他称为“S1 的人”，也不能因为下午参与修订标准就给他贴上永久的“S3 等级”。

分类还会随着标准变化。某类客户投诉第一次出现时，需要有人调查事实、权衡损失并决定处理办法，属于 S3。类似事件积累以后，组织把适用条件、赔付范围、停止线和升级条件写清，下一次处理就可能降为 S2。任务从 S3 变成 S2，不是人退步了，而是组织把一次判断沉淀成了可复用标准。

反过来也成立。市场、法规或风险条件变化后，昨天可以按标准完成的任务，今天可能重新出现标准冲突，需要回到 S3。S 级描述的是这项任务在当前标准、当前上下文和当前风险条件下需要多少判断，不是它永远属于哪一类。

这也限定了“岗位坍缩”的含义。一个岗位包含部分 S1、S2 任务，不足以判它消失。组织要先把任务拆开，观察哪些任务能够迁移、哪些责任仍然存在，以及剩余任务是否足以组成一份独立工作。纯执行任务可以坍缩，岗位会重组；人不应该被压成一张高低等级表。

工具培训在这里仍然有用，只是不能替代任务重构。员工需要学会使用 AI，也需要学会检查 AI、保护数据和处理例外。但如果组织从未拆过任务、没有验收标准，也没有重新分配责任，只给原岗位加一门提示词课程，旧结构不会因此自动进化。

三、什么会先迁给 AI 或外包 #

一项任务能够被写成标准，只说明组织已经把部分判断前置了。它离 AI 或外包更近，却没有自动走完剩下的路。真正决定任务能否迁移，至少要连续回答六个问题。

1. 载体能否迁移。 输入、过程或输出能否数字化，或者能否由外部供应者在别处完成并交付？必须在场完成的物理动作、依赖现场感知的工作，迁移速度通常更慢。
2. 标准是否可用。 动作、适用条件、例外升级、停止线和验收证据是否已经写清？只有一份理想状态的 SOP，却没有异常处理，仍然不足以支持稳定迁移。
3. 上下文能否合法、及时地提供。 AI 或外部团队能否取得完成任务所需的同一版本事实？隐私、安全、商业秘密、数据质量和权限限制，都可能让“理论上能做”变成“实际上不能交”。
4. 结果能否验收。 组织能否观察质量、抽查过程、追溯来源，并把任务结果与运气分开？如果错误几个月后才显现，所谓自动化很可能只是把检查成本藏到了后面。
5. 错误是否可控。 出错能否被及时发现、停止和恢复，代价是否可承受？不可逆、高风险和强监管任务，即使可以自动执行一部分，也往往需要人类复核或批准。
6. 责任是否仍然清楚。 谁决定标准，谁提供上下文，谁监督供应者，谁对最终结果负责？把工作交出去，不等于把责任一起交出去。

AI 与外包也不是同一条路。AI 更依赖机器可读的上下文、稳定的工具调用和可重复验收；外包还要求任务接口能够写进合同，市场上有合适的供应者，组织保留监督、审计和退出能力。OECD 对“任务贸易”的研究显示，数字化和可拆分并不等于值得外包：交易成本、任务之间的互相依赖、现场解决问题和渐进创新，都可能使组织选择把一组任务留在内部（OECD，2011；2023）。

监管责任尤其不能用合同或模型转走。欧洲银行管理局的外包指引明确规定，金融机构管理层对机构及其活动的责任不能外包；欧盟《人工智能法》也要求高风险 AI 的人类监督与风险、自治程度和使用场景相称，监督者应当能够忽略、推翻或停止系统输出（欧洲银行管理局，2019；欧盟，2024）。无论使用 AI 还是外部供应者，组织都必须保留明确的责任链。

信任关系也有自己的速度。客户会向顾问补充表格之外的约束，病人会在问诊中逐步补全不确定症状，安全的上报渠道会让坏消息进入组织记录；这些互动本身就在生产上下文。AI 可以整理材料、提出候选方案，却不能因此接走关系中的承诺和责任。标准越成熟，重复执行越容易迁移；关系越重要、风险越高、最终问责越明确，人越不能只留下一个审核按钮。

IKEA 最大的零售商 Ingka Group 在 2021 年推出聊天工具 Billie。公司与 Reuters 的文字材料显示，Billie 随后处理了约 47% 的常规咨询；公司称 2021 至 2023 年共解决约 320 万次互动，节省近 1300 万欧元。与此同时，8500 名呼叫中心员工接受了远程室内设计、数字销售、关系经营和复杂问题处理等训练（Ingka Group，2023；Reuters，2023）。

任务组合随后发生了变化：常规查询交给工具，经过训练的员工转向更依赖审美、关系与复杂判断的咨询。Ingka 还披露，2022 财年远程客户接触点的销售额为 13 亿欧元，占总销售的 3.3%。这笔收入不能归因于 Billie 或再培训，公开材料也没有给出 8500 人实际转岗、留任、服务质量和收入的完整前后对比。现有证据只能确认任务迁移与人员再培训同时发生，不能证明 IKEA 已经完成整家公司转型，也不能估计这种改造的典型经营效果。

四、Block：一张仍在施工的图纸 #

Block 公开了一套尚未得到结果验证的组织设计。

2026 年 3 月 31 日，多西与红杉合伙人、Block 董事博塔联合发表《从层级到智能》。文章把传统层级理解为一种信息路由和协调方式：信息由一线向上汇总，决定再由上向下传递。两位作者提出，AI 第一次使公司有可能持续维护自身运营的模型，让部分信息路由不再完全依赖管理链条。在这套设想中，人员逐步归入三类角色（Dorsey 与 Botha，2026）。

**个体贡献者（IC）**建设和运营公司的能力、模型、智能层与产品界面。他们是某一层的深度专家，应该从共同上下文中取得行动所需的信息，而不是等待经理转述。

**直接负责人（DRI）**对一项跨职能问题、机会或客户结果负责。他可以在约定时间和权限内调用不同专业团队的资源。原文举的例子不是“每件事都找一个永久老板”，而是让具体问题拥有明确、可变化的责任人。

Player-coach一边做业务，一边发展身边人的专业能力。他仍然写代码、建模型或做设计，也承担示范、反馈和辅导。这个角色替代的是以信息转发为主要工作的传统经理，不是把带人、冲突处理和能力建设一并删除。

三类角色本身也揭示了“层级只搬运上下文”说得过满。Block 把战略和优先级交给 DRI，把专业成长交给 player-coach，把深度建设交给 IC。管理职能没有全部消失，而是从一个职位包里拆开，重新分给问题责任人、专业贡献者、带人者和系统。

这套设计的中枢是公司所说的“世界模型”。3 月 31 日的文章把决策、讨论、代码、设计、计划、问题和进展称为原材料，系统用于持续回答正在建设什么、哪里受阻、资源怎样分配、什么有效。多西随后在 Sequoia 发布的文字转录中列出更具体的材料：远程工作会留下 Slack 消息、邮件、代码提交、文档和录制会议等痕迹，智能层建立在这些可记录材料之上（Sequoia，2026）。

但是，把材料接进模型不等于所有人应该看到所有材料。统一上下文只要求负责同类决定的人，在权限内取得同一版本的必要事实。薪酬、客户隐私、未公开交易、安全事件和受监管数据都不能因为“世界模型”这个名字失去访问边界。Block 的公开文章没有交代员工通知、合法依据、最小权限、保留期限、敏感信息隔离和申诉机制；这些条件直接决定系统能否安全运行。

层级目标也要与现实分开。在文字转录中，多西称当时从自己到公司成员的最大深度大约是五层，年内目标是降到两至三层；“所有约六千人都直接向我汇报”被列为理想状态。它不是 3 月 31 日文章已经实现的事实，更不是经过经营结果验收的组织结构。

Block 确实已经部署了一些工具。公司在 2026 年 3 月称，内部智能体编排工具 goose 已用于工程、财务、法律和设计，并自报从 2025 年 9 月起，每名工程师交付的生产代码增加了 40%；另一项风险模型从原计划一个季度缩短到两天完成。公司同时承认，部分自动化流程接近完成，另一些仍处在较早阶段（Block，2026）。这些数字能说明工具已有实际使用，不能证明代码质量、客户结果或三角色设计的因果效果。

文章明确把直觉、方向感、文化语境、信任关系、伦理判断、新情境和高风险时刻留在人这一侧。公司向监管机构提交的文件同时列出重组和 AI 的风险，包括运营中断、网络安全、控制失灵、监管合规以及预期收益无法实现。

这些材料呈现的是一张仍在施工的图纸：裁员已经发生，部分工具已经部署，角色与层级仍是目标，经营结果尚未完成验收。共享上下文能否稳定接走部分路由工作，仍需由后续的客户结果、风险、返工和人员负荷共同检验。

五、留下的人怎样一起工作 #

当岗位里的纯执行任务减少，人与组织的关系会发生变化。长期看，更多成员需要以合伙人的方式工作。这里的“合伙人式工作”指三件事：在被授予的任务和权限内参与判断，对自己的取舍与承诺负责，并把结果和例外带回标准循环。

它不是法律身份。人人以合伙人的方式工作，不等于人人拥有相同职位、股权、薪酬、投票权或战略决定权；也不等于公司可以把经营风险、法定责任和劳动保护转嫁给个人。一个人在产品判断上可以承担很大责任，在财务签字上仍可能没有权限。合伙人式工作改变的是责任关系，不是把所有人变成同一种人。

四条招人标准分别检查一个人与当前任务的四种匹配条件。

第一，价值观是否一致。 一致的是使命、行为底线、证据规则和不能越过的红线，不是观点、经历、表达方式或每个方案都相同。一个人可以反对老板的产品判断，只要他如实提供证据、尊重共同规则并承担自己的承诺。把“价值观一致”理解成“和我想得一样”，会把观点相似误当成价值一致，也会压低异议的可见度。

第二，是否有思考能力。 思考不是把话说复杂，而是能发现标准缺口，追问适用条件，区分事实、假设与偏好，在标准冲突时说明取舍，并在新证据出现后修正。发现缺口、借用标准、判断迁移和验证修正，都可以落实为可观察的工作行为。

第三，是否自驱。 自驱不是未经授权自行其是，而是在权限内主动推进，主动补齐必要上下文，遇到阻塞时带着方案回来，并在风险越过边界前主动升级。等待每一步指令和无视边界，都是责任的反面。

第四，是否能极致执行。 执行力没有过时。组织反对的是只会服从，不是反对把正确判断落到结果。极致执行要求成员把决定变成可验收的交付，守住质量、停止条件与承诺，并及时回报偏差。速度和数量如果没有接上客户结果、质量与财务价值，只是执行崇拜换了新包装。

“诚以待人”是四条之下的行为底线。主张必须可核验，不能隐瞒会改变别人决定的关键信息，承诺必须能够兑现，还要保留对方知情选择的能力。一个人思考再快、行动再猛，只要靠隐藏坏消息或制造信息差推进工作，就不符合这套标准。

筛选与培养回答不同问题。筛选要判断一个人当前是否接受行为底线，是否具备任务所需的最低能力，以及岗位与他的选择是否匹配。培养则提供上下文、示范、反馈、练习和逐步扩大的责任，用来训练具体任务中的判断。培养不能保证每个人都适合每项任务，筛选也不能替组织省掉带人责任。持续不匹配时，组织可以调整任务、重新配置岗位或结束合作；缺少培养条件时，能力缺口不能全部归为个人问题。

bioby.ai 的内部记录未经审计。早期商务岗位前后招聘接近二十人，最后没有留下合适人选。这组记录只能说明当时的招聘标准和岗位设计没有产生持续匹配，不能证明“人才只能筛选”。2026 年 4 月形成四条标准后，公司先用它们回看存量岗位，而不是只筛新候选人。一条只约束后来者、不检查现有权力与绩效口径的标准，会在新旧成员之间形成两套规则。

同一组内部记录还包括研发单元的重构：有人转向制定标准、拆解任务和审核结果，多名实习生在 AI 辅助下参与开发。成本、产出和缺陷的公司口径数字，第 14 章会写完整；它们没有独立审计，不能承担外部证明。更重要的是，第一个月质量先下降，团队在补建质量标准之后才报告改善。这段经历最多支持一个较窄的判断：先扩大执行、后补标准会放大混乱；AI、资深成员和初级成员能否协作，取决于标准、监督与反馈是否同时到位。

实习生不能与 AI 并列为可以随规模伸缩的“运力”。实习生参与真实工作时，组织同时承担学习目标、合理监督、及时反馈、公平条件和成长通道。只把学习期计算为更便宜的执行成本，会重新落回执行崇拜。

六、五级决策权：权随任务走 #

组织把标准和上下文交给成员以后，还要回答一个更难的问题：在这项任务上，谁可以作到哪一步决定？

五级决策权描述了这条迁移路径。

1. 指示。 管理者给出结果、标准、步骤和时点，成员执行并报告偏差。它适用于新任务、新成员，以及任何错误代价暂时不能承受的场景。
2. 指导。 管理者明确结果、标准和风险边界，示范关键方法；成员作局部选择，完成后共同复盘。
3. 协商。 成员提出方案、证据与取舍，双方共同决定。谁拥有最终签字权必须提前写清，协商不能变成责任模糊。
4. 授权。 管理者明确结果、资源、权限、风险上限和升级条件；成员在边界内自主决定并对结果负责。
5. 放权。 成员不仅决定办法，也可以定义问题、配置资源并修订局部标准。使命、法律、伦理和组织最终问责仍是不能移走的红线。

这五级不是人的永久头衔。一个资深工程师可以在架构选择上被授权，在付款审批上接受指示；一名销售负责人可以自行调整普通客户方案，涉及受监管行业或超额折扣时必须升级。同一个人面对不同任务、不同风险和不同上下文，决策权可以不同。

这也化解了 S2 到 S3 的表面矛盾。任务一旦需要处理标准外的重大例外、权衡冲突价值或修订标准，分类边界就从 S2 进入 S3。这个边界可以清楚；人的成长却可以渐进。成员先在指导下看见判断怎样形成，再在协商中提出方案，随后获得边界内授权。多做几年重复执行不会自动长出判断，但有反馈的判断练习能够积累能力。

决策权迁移至少要同时看三件事。

第一是具体任务。成员是否理解这项任务的标准、上下文、例外与停止条件？在一个领域拿到结果，不能自动兑换另一个领域的权力。

第二是风险。错误是否可恢复，是否涉及监管、隐私、安全、重大资金或不可逆影响？风险上升时，即使成员能力没有变化，决策权也可能暂时回收，或增加双人复核与法定签字。

第三是已经表现出的判断。这里既看结果，也看过程：成员是否说明依据，是否在边界前升级，是否主动暴露坏消息，是否能从反例修订标准。单次成功可能来自运气，口头自述也不是充分证据；要看一段时间内可以追溯的行为与结果。

因此，每次授权都应该落实为一张具体的任务卡，而不是一句笼统授权。卡片至少写清任务范围、预期结果、信息权限、可用资源、风险上限、有效期、必须升级的情形、复核时间和撤回条件。标准不齐、上下文不给，却要求成员对结果负责，是把猜测冒充授权；信息与标准都已齐备，仍把成员长期按在指示级，则会让判断力在等待中萎缩。

迁移也不是单向晋升。业务环境改变、知识过期、成员状态下降、连续结果暴露新的风险时，授权可以从放权退回协商，或从授权退回指导。回迁不是给人降等，而是重新匹配任务与风险。等条件恢复、证据重新积累后，权力仍可再次向前。

高风险场景尤其需要克制。欧盟对高风险 AI 的监督要求强调，负责的人必须理解系统限制，警惕自动化偏见，能够不采用、推翻或停止输出。把这条原则放到组织里同样成立：放权不是放弃治理，外包不是外包责任，AI 自动执行也不能消除最终签字人。

管理的目标因此不是尽可能多地放权，而是让判断权落在有必要上下文、能够承担相应风险、也已经拿出判断证据的人手里。Player-coach 的价值也在这里：他不是替成员永远作决定，而是通过示范、反馈和共同复盘，让更多任务能够安全地从指示走向指导、协商和授权。

七、ofo：判断权何时会冻住 #

Block 的设计把信息与决策权从固定层级中拆出来，交给共同系统和具体问题的责任人。ofo 的治理结构呈现了相反机制：当关键权力长期绑定某个身份和一组互相牵制的条款，融资与竞争窗口即使已经缩短，组织行动仍可能被表决机制阻断。

公开渠道没有 ofo 股东协议、公司章程或董事会议事规则原文。2018 年，腾讯《潜望》援引接近公司人士称，ofo 董事会当时有九个席位，戴威与四名联合创始人作为一致行动人掌握五票；日常事项可以过半决定，涉及融资的决定却需要董事会全体签字。报道据此把任何一方不签字形成的阻断称为“一票否决权”（腾讯《潜望》，2018）。

蓝洞商业同年采访投资人后给出了相近但不完全相同的版本：相关保护条款可能覆盖融资、增发、合并和合格上市，但具体范围仍取决于各轮签署的法律文件；严格来说，真正进入正式否决的事件主要是 2017 年底与摩拜的合并，其他融资往往在正式表决前就因各方反对而停住（蓝洞商业，2018）。阿里是否拥有独立否决权、每一方究竟能否单独阻断，公开报道之间也有冲突。

合并方案本身同样只能按报道引用。一位参与谈判的匿名投资人称，方案曾考虑由程维任董事长、戴威与王晓峰任联席 CEO，并在六个月后由戴威成为唯一 CEO；报道说戴威未接受包含放弃相关权力的方案，合并没有继续。另一句经常出现的“就算合并也是我们合并摩拜”，来自员工对内部讲话的转述，不是戴威留下的公开原始文字，因此不能当作未经限定的直接引语。

保护创始团队和投资人的条款，在各方无法达成一致后，使每一次重大选择都要穿过同一组签字关。创始人可以阻止合并，投资人也可以让后续融资停在谈判中。权力没有根据现金状况、竞争窗口和实际判断表现重新配置，而是继续附着在身份与历史协议上。

2018 年 2 月，媒体根据国家企业信用信息公示系统报道，ofo 以共享单车作动产抵押，取得两笔合计 17.7 亿元的贷款。调查报道把抵押贷款描述为比新股权融资更容易通过的替代结构。它能说明股权融资受阻后公司改走另一条路，不能单独证明某一家股东正式行使了否决权，也不能写成当时只有这一种融资可以通过。

到 2018 年 12 月，线上退押金排位突破一千万，次日中午已经超过 1070 万（央广网，2018）。这个结果说明公司陷入了严重危机，却不能把危机全部归给一个条款。共享单车的资本消耗、扩张速度、车辆运维、竞争、商业模式、融资环境和管理判断都在同时作用。相关调查报道自己也明确说，一票否决权无法承担 ofo 失败的全部责任。

判断权一旦被冻结，保护机制就可能在关键窗口变成行动障碍。Block 与 ofo 不是同行业、同阶段、同口径的经营胜负实验：前者是一张尚未验收的组织图纸，后者是一次已经发生的治理僵局。两者可以比较的只有机制——一边让信息和责任随问题流动，另一边显示权力被身份与条款锁定后的行动约束。

八、动态匹配，而不是一次定级 #

动态生命周期管理放到人才结构上，不是一次组织裁决，而是一轮会反复重跑的匹配。

第一步是给岗位和人定位。把岗位拆成真实任务，分别判断它们当前是 S1、S2 还是 S3；再记录成员已经表现出的判断证据，而不是给人贴总等级。需要观察的包括：他在哪些任务上理解标准，处理过什么例外，能否暴露风险，结果能否追溯。

第二步是给组织需要定位。公司现在真正需要什么结果？哪些能力属于长期核心，哪些任务只是阶段性高峰？标准和上下文是否已经准备好？物理执行、监管、信任、隐私、安全和最终问责设置了什么边界？如果组织自己没有把这些问题说清，就无法诚实地判断一个人或一种工具是否匹配。

第三步才是匹配与取舍。对每项任务选择 AI、外包、保留人工、培养、筛选或重新配置；对保留在人手里的判断任务，再配置指示、指导、协商、授权或放权。10/10/80 在这里表示资源重心：少量时间定位任务和人，少量时间定位组织需要，大部分精力用于真实匹配、试验、验收和调整。它不是调查得出的精确比例，高风险任务可以投入更多前置判断。

图：S1、S2、S3 标任务；五级决策权标具体任务中的权限。任务、风险、能力或组织需要变化后，重新定位和匹配。

AI 试点出现新错误，原来的 S2 任务可能要退回 S3；成员连续处理好例外，某项任务可以从指导迁到授权；监管规则变化，已经放出的权力也可能收回。图中的回流表示，新证据会推动任务分类、人员匹配和决策权重新调整。

Reuters 在 2026 年报道了 Meta Project OT。报道基于内部文件、帖子和录制材料，以及对二十多名知情人的采访。Meta 曾测试把传统十到二十人的产品团队缩成三到五人的小组，减少中层，由“agent-assisted analysis”帮助安排日常优先级；到 6 月，至少十一个单元采用过小组结构（Reuters，2026）。

同一报道引用的内部材料显示，内部平台和基础设施的代码变更同比增加 220%，真正到达用户的新功能或升级只增加 36%；重大技术与安全事件增加 40%，员工用于救火的时间最多增加 70%。Meta 随后取消了原计划的第二波重组。公司确认 Project OT、两波计划和部分团队最高缩减 60% 的情景，但没有确认这些内部指标；Reuters 也无法确定管理层改变计划的单一原因。

这些材料不足以说明“AI 替掉中层必然失败”。可以观察到的边界更具体：代码量不等于客户价值；减少层级以前必须先安排权限、可靠性、监督与问责；结果偏离后，组织还需要停止和回迁机制。

IKEA 与 Meta 每侧都只有一个样本，行业、组织条件和结果口径也不同，不能计算中位数或估计典型效果。两侧材料支持的范围仅限于机制：简单任务迁给 AI 可以与人员再培训和复杂任务重组同时发生；去层级如果快于权限、可靠性和问责建设，产出数量可能与用户价值和风险表现脱节。它们不能支持“所有企业都应采用同一种组织形态”。

人才结构重画之后，限制转向时间。判断型任务需要留白、连续注意力、反思和标准修订，却很容易重新被会议与短期执行填满。问题不再只是“谁做这件事”，还包括“他把一天花在哪里”。时间配比因此成为人才结构之后的下一项组织选择。

周一早上怎么做（一号位视角） #

不要先给全公司贴标签，也不要先定裁员目标。选一个每周反复发生、结果可以观察的岗位或工作流，完成第一轮。

1. 拆任务。 把这个岗位实际承担的任务逐项列出，写清每项任务的输入、结果和当前责任人，不用职位名称代替工作内容。
2. 标任务。 依据当前标准、上下文和风险，把每项任务标为 S1、S2 或 S3；再检查载体、标准、上下文、验收、风险和责任六项迁移条件。
3. 看组织需要。 写清哪些结果是当前阶段真正需要的，哪些能力必须留在内部，哪些物理、监管、信任和问责边界不能转移。
4. 做匹配。 为每项任务选择一个下一步：AI 小试、外包小试、保留人工、培养、筛选或重新配置。对仍由人承担的判断任务，写明决策权级别、范围、风险上限、有效期和升级条件。
5. 让结果回来。 约定复核时间，用质量、客户结果、风险和真实成本检查匹配是否成立；发现例外后修订标准、任务分类和决策权，不设置“三成”等没有来源的统一阈值。

对个人也可以做同一件事：不要问“我是哪个等级”，而要问“我今天承担的任务里，哪些判断已经由别人完成，哪些例外仍需要我处理，我在哪些任务上拿得出可靠判断的证据”。答案决定下一步该学习工具、补上下文、练习判断，还是主动争取一项边界清楚的责任。