文 | wiwi

三年前，一個電商運營的一天是這樣的：早上看數據，上午寫文案，中午排推送，下午盯競品，晚上寫周報，運氣不好加班到十點。招聘 JD 上五項職責，對應一個人，一份工資，一個工號，清清楚楚。

今天她九點半到工位，發現活兒都被干完了。數據是系統跑的，異常自動歸因；文案大模型一晚上出了十版，等她挑；推送已經按人群策略排好；競品動態是一個爬蟲加一個摘要模型盯的；連周報都在飛書里自己長了出來。留給她的，是"哪版文案更對味""這個異常要不要上報"這類判斷——以及，出了問題她簽字負責。

她的工作變輕了。但她比誰都清楚這不是什么好消息：五項職責被拆走了四項半，剩下這半項，還算不算一個崗位？公司還愿不愿意為它保留一個完整的編制？

這道題現在擺在幾百萬白領面前。過去一年多，互聯網行業的"優化"一輪接一輪，公告里"AI 提效"取代"寒冬"成了新的高頻詞；同一家公司，往往這邊在優化，那邊掛著百萬年薪的 AI 崗位急招。更耐人尋味的是接下來這兩條消息。據媒體統計，全球大廠以"AI 替代人力"為由裁員的規模預計達到 23 萬人；而 Gartner 在 2026 年初預測：到 2027 年，因 AI 裁掉客服的公司里，會有一半重新把人招回來。

裁員還在進行，回撤已經被預告。兩條消息放在一起，像是行業提前寫好了自己的檢討書——大多數公司其實沒想明白，AI 動的根本不是人力成本，也不是某幾個具體的崗位，而是崗位這個東西本身：那個"一個人負責一攤事"的、我們默認了一百年的組織基本單位。

要看明白這件事，得先回答一個更基礎的問題：崗位，當初是怎么來的？

崗位是個歷史遺留方案

公司為什么存在，經濟學家科斯在八十多年前回答過：因為市場交易太麻煩。每件事都出去找人、談價、簽約、驗收，成本高得受不了，于是把人雇進來，用行政指令替代討價還價，公司就出現了。

崗位的來歷，是同一個道理在公司內部又用了一次?；顑汉突顑褐g要交接、要對齊、要驗收，每交接一次就有一次損耗，所以最省事的辦法是把一串相關的活兒打成一個包，整個交給一個人。運營的五項職責長在同一個人身上，不是因為它們天然屬于同一個人，而是拆給五個人干的話，扯皮的成本比省下的工資還高。

換句話說，"人是組織的最小單位"從來不是自然規律，只是協調太貴時的湊合方案。崗位是打出來的包，金字塔就是一層層包摞出來的形狀：一個人最多管七八個人，信息要一層層往上傳、往上匯總，組織就只能一層層往上壘。中層管理者做的事情，本質上是信息中繼——把上面的話拆給下面，把下面的進度匯總給上面，再和隔壁部門拉扯資源。過去十年大廠發明的那些詞，中臺、BP、橫向拉通、向上管理，都是這套人肉信息系統的組件。

這套方案運轉了一百年，沒什么大毛病。直到打包的理由本身開始消失。

拆包

文案能生成，數據能分析，代碼能寫初版，會議紀要能自動整理。當執行環節一項項被 AI 接走，"活兒必須打包給一個人"的成本前提就不成立了。任務可以拆開、重排、自動化、再組合，崗位從一個穩定的職責包，變成一張隨時可以重排的任務清單。

公司看員工的方式隨之改變。以前問的是這個人行不行，現在問的是：這攤活兒里多少必須人干，多少 AI 能干，多少可以讓更便宜的人配上 AI 干。這才是這兩年白領焦慮的真正來源——你以為自己在和 AI 比能力，其實公司在重新計算你的崗位里"必須由人來判斷"的部分還剩幾成。35 歲危機這個老話題，在 AI 時代有了一個更冷的版本：十年攢下的執行經驗，正在按模型的迭代速度貶值，而拆不掉的那部分判斷力，未必長在每個人身上。

值得注意的是，最先被拆干凈的不一定是基層。中層的職責包是派活、催進度、匯總信息，而這三樣恰好是 AI 最先整包接管的領域。飛書和釘釘這兩年全力做 AI，賣的就是任務自動拆解、進度自動同步、周報自動生成。信息中繼被機器拿走之后，那種全部本事是開會、轉發、收周報的中層，處境比任何基層崗位都尷尬。

裁員，只是拆包完成之后的財務結算。

拆散的任務在長成什么

活兒不會消失，拆散之后會按新的邏輯重新聚合。過去兩三年，有兩個中國樣本值得認真看。

第一個是阿里。2015 年前后它帶頭搞"大中臺、小前臺"，全行業跟進；2023 年它又啟動"1+6+N"，親手把中臺拆了。這一建一拆，不必簡單歸因于 AI——拆分自有其業務和資本層面的考量——但它至少說明了一件事：組織的形狀會跟著協調成本變化。當年部門之間對齊信息太費勁，把重復的職能歸攏成中臺是最優解；可當調用信息和資源的方式變了，當年為了減少扯皮建起來的部門，自己就成了新的扯皮來源。AI 進入組織之后，這種變化只會更快。

這條規律同樣適用于管理者——留下來的人，價值集中在機器干不了的事上：把沒人說得清的問題說清楚，在眾說紛紜的時候拍板，設計人和機器怎么配合，出了事站出來負責。AI 沒有消滅管理，它把管理里的行政成分擠了出去，剩下的才是管理本身。

第二個是 DeepSeek，以及它前面的拼多多。拼多多常年霸著互聯網人效榜的頭名，人均創收早已過千萬，是不少同行的數倍。它證明了一件事：流程足夠系統化之后，人多不多，和事大不大，可以沒關系。DeepSeek 則是 AI 原生的版本：據公開報道百余人的團隊，做出了讓硅谷重新評估中美差距的模型。2025 年初 DeepSeek 刷屏的那幾天，圍觀者最震驚的其實不是模型本身，而是做出它的組織——沒有森嚴層級，沒有 KPI 考核鏈，圍繞問題臨時組隊，剛畢業的年輕研究員可以直接調用公司最核心的算力。硅谷把它的組織方式當成論文來研究。

微軟的《工作趨勢指數》報告把這類公司稱為"前沿企業"，并預言了它們內部的樣子：不再按部門劃固定的格子，而是圍著目標臨時組隊，人和 AI 混編，事做完隊伍就散；每個員工手下都帶著一隊 AI，像老板一樣給它們派活、驗收。這里面藏著一個不小的變化：指揮別人干活，過去得先熬成管理者才行，現在每個普通員工手里都有一隊隨叫隨到的 AI。一個剛入職的分析師背后站著五個不睡覺的智能體，他能干出多少活，不再看他加多少班，看他會不會使喚機器。對一個靠大小周堆工時的行業來說，"人效"這個詞等于被重新定義了。

連招人這件事本身也在變。以前業務一漲就加人，天經地義；據公開報道和業內的普遍感受，現在一些公司是總編制凍結，AI 提效指標寫進 OKR，"用 AI 替代外包"列進部門年度目標——想加人？先說明白這活兒為什么 AI 干不了。

活兒有人接了，責任沒人接

回到開頭 Gartner 的那個預測。它不是憑空猜的，回撤已經有了現成的劇本，主角叫塞巴斯蒂安·西米亞科夫斯基，瑞典金融科技公司 Klarna 的 CEO。2024 年，他是全球把"AI 替人"喊得最響的人：宣布 AI 客服一個月干掉相當于 700 個全職客服的工作量，隨即停止招聘，甚至公開放話，AI 已經能做所有人類做的工作。這些話讓他當了一年 AI 時代的代言人。一年后，還是他，公開改口：公司走得太遠了，過度追求省錢搞壞了服務質量，客戶就是想跟真人說話。Klarna 重新招聘客服，改成客戶永遠可以選真人的混合模式。從旗手到檢討，一年整。

同樣的問題，在國內有一個更日常的觀察場景。2024 年 4 月，"采銷東哥"數字人坐進京東直播間——劉強東本人沒來，來的是他的形象、聲音和話術模型，首秀吸引了上千萬人圍觀，很多人是專門來看數字人老板能不能把貨賣出去的。之后數字人直播、AI 客服在整個電商行業迅速鋪開。這類新勞動力有工作量、有績效、有"崗前培訓"，但不占編制——那么它們的規劃、預算、考核歸誰管？數字人帶貨出了紕漏、AI 客服把投訴處理砸了，責任落在誰頭上？這不是哪一家公司的問題，而是所有把活兒交給 AI 的公司都還沒來得及回答的問題：活兒被接走的速度，遠快于責任被重新安排的速度。

兩個故事指向同一個病根：只拆了崗位，沒有重建責任。Klarna 栽的跟頭，表面上是客戶想要真人，底下的問題是 AI 答砸了沒人兜底、復雜情況沒人接手；而那份關于編制和責任的問題清單，整個行業都還沒開始答。

AI 把活兒接走了，但活兒之外的問題沒人回答。AI 生成內容，誰核查事實？AI 寫代碼，誰管架構和安全？AI 接待客戶，誰處理情緒和危機？AI 篩簡歷，誰對誤傷負責？在舊組織里，這些責任是含在崗位里的，人干活人負責，天經地義到不用寫下來。崗位一散架，這些沒記在任何人賬上的責任就懸空了。以前流程慢，很多問題被老員工的經驗和來回溝通默默消化掉；現在 AI 把速度拉滿，錯誤也以同樣的速度沖進生產環境。

這個窟窿有多普遍，德勤 2026 年的一項研究給了個數：企業對自動化的期待越來越高，但 84% 的公司沒有為 AI 重新設計過崗位，真正動了人才戰略的不到一半。放在降本增效喊了四年的中國互聯網行業，這個比例恐怕只低不高。按人頭砍預算，永遠比重新設計責任機制省事。

什么才算 AI Native

到這里可以給 AI Native 下一個不摻水的定義了。它不是買了多少模型、開了多少賬號、辦了幾場提示詞培訓，而是公司的每一條流程都重新回答過三個問題：哪些活讓 AI 先干？哪些判斷必須人來拍？哪些結果必須有人核過，才能往下走？——并且崗位說明書、績效指標、審批流程和人才結構，都按這三個答案改寫過。答案沒寫到紙面上的，不算。

按這個標準，企業的 AI 轉型大致是三級臺階。第一級是替換：把 AI 當便宜員工，一比一換掉原崗位，組織其他部分不動，目標只有省錢。Klarna 們的故事都發生在這一級，Gartner 預言的那些回撤也將發生在這一級。第二級是增強：人人開賬號，市場配大模型，研發配 Copilot，客服接智能問答。每個人的效率都上去了，公司整體卻沒見好——文案快了審核更累，代碼快了測試更炸，AI 只提高了員工的手速，沒改變公司的流程。德勤那 84%，也就是今天的絕大多數公司，停在這一級。

第三級才是重構：承認原來的崗位、審批、責任邊界、績效指標統統不再合身，圍繞"活兒怎么流轉"而不是"有多少人"來重畫組織。阿里拆中臺、DeepSeek 的動態組隊，都是這一級的局部樣本。就在本周，微軟宣布投入 25 億美元成立 Frontier Company，幫助企業客戶做 AI 集成和落地。它要賣的已經不只是模型調用，而是企業把 AI 嵌進自身數據、流程和業務目標的能力。當這件事本身成了一門大生意，說明市場已經給"企業 AI 重構"標好了價。

技術史上有過一模一樣的一幕。電動機取代蒸汽機的頭三十年，工廠產能幾乎沒有增長，因為大家都在原地換引擎、給舊產線加電器，直到工程師按電的邏輯重新設計整個廠房布局，生產率才真正起飛。今天的裁員，就是"原地換引擎"在財務報表上的樣子。

按下"優化"按鈕之前

把這些線索放到一起，AI Native 公司的輪廓已經不難描：團隊更小，層級更少，圍繞目標而不是部門來組隊，人和 AI 混編干活，管理者從管人轉向設計人機怎么配合，出了問題有明確的人負責——不管活兒是人干的還是 AI 干的。組織架構圖不會消失，但它會越來越像一張隨項目實時變化的地圖，而不是一張一年才畫一次的金字塔。

這套新組織不見得更溫和。工作拆成任務之后，每個人的不可替代性都要重新計算；流程被 AI 接管之后，靠資歷和信息差攢出來的權力會縮水；結果能被實時追蹤之后，看起來很忙不再是護身符。不過對一個發明了"內卷"的行業來說，這也未必全是壞消息——堆工時的軍備競賽失去了意義，因為機器不睡覺。

中國公司做這場重構不缺條件：組織調整頻率高，一線員工接受新工具快，也已經有了 DeepSeek 這種小團隊干出大事的樣本。真正缺的，可能不是執行力，而是把降本和重構分開的耐心。

所以最后的問題留給準備按下"優化"按鈕的管理者。你裁掉的是成本，還是承重墻？協調的活兒誰接，懸空的責任誰擔，AI 干的活誰來記編制、誰來考核？西米亞科夫斯基已經替所有人交過一遍學費，Gartner 的預測正排著隊等更多公司去驗證。

至于開頭那位運營——她的名字可以換成任何一個白領。她還有沒有下一份 JD、下一份 JD 上寫著什么，不取決于她用 AI 用得多熟練，取決于她的公司怎么回答上面那些問題。

說到底只有一個問題：你是在給舊組織換 AI 零件，還是在按 AI 的邏輯重畫公司？

參考資料：

關于全球大廠以 AI 替代人力為由裁員規模的媒體統計報道（2026）；
Gartner 預測《到 2027 年，因 AI 裁減客服人員的公司中一半將重新招聘》（2026 年 2 月）；
21 世紀經濟報道《互聯網大廠中場戰事：2025 上半年背后的加減法》；
關于 DeepSeek 組織模式的公開報道（2025）；
微軟《工作趨勢指數》2025/2026 年度報告及 Frontier Company 發布公告（2026 年 7 月）；
德勤《為人機混合團隊重構運營模型》研究（2026）；
Klarna CEO 關于恢復人工客服的公開表態（2025 年 5 月）；
關于京東數字人直播與 AI 客服的公開報道（2024-2025）。