ARTICLE · 1208476
AI时代组织管理 · 每日连载|有了 AI,一位经理就能多管些人吗?
本周主题：AI 进入组织，哪些管理常识需要重新审视？ · Day 1
Gallup 2026 年发布的研究显示，美国经理的平均直接下属人数，从 2024 年的 10.9 人上升到 2025 年的 12.1 人。但中位数仍在五六人左右，约三分之二的经理管理不到十个人。平均数的上升，很大程度上来自大型团队比例增加。
AI 减少了汇报整理和进度追踪的时间，也让扩大管理幅度显得更有吸引力。但一位经理因此就能多带几个人吗？
从少花时间整理信息，到能够有效管理更多人，中间还隔着对工作内容的重新安排。
管理幅度能扩大多少，取决于经理省下了什么工作，又增加了什么工作。
· · ·
经理的时间，原本就没有全部用来管理
同一项研究发现，97% 的受访经理同时承担个人贡献任务，这部分时间的中位数为 40%。他们除了带团队，还在服务客户、参与研究、处理项目或完成专业交付。
Gallup 进一步比较了经理自身的敬业度。个人交付占用时间少于四成的经理，敬业度通常高于平均水平，直接下属人数的影响较小；超过四成的经理，敬业度较低，而且管的人越多，情况越明显。
这使管理幅度的讨论具体了很多。经理还有多少自己的交付，直接影响他能够投入管理的精力。给他减少两项行政任务，又增加几位下属，如果客户和项目要求原封不动，所谓管理容量增加，就缺少充分依据。
· · ·
AI 省下的工作，与经理增加的工作不一定相同
整理十个人的进度，和整理十五个人的进度，AI 确实可以减少差别。它能把状态归类、提醒延期，经理不必逐一追问同样的信息。
但十五个人遇到的客户冲突、专业难题和发展需要，不会自动被压缩成十个人的规模。一位成员反复返工，经理要分清究竟是能力不足、标准含糊，还是承诺超出了资源；另一位成员交付稳定，却准备离职，经理还得理解原因并讨论安排。这些事情仅凭进度摘要很难处理。
工作内容也会改变管理难度。一个成熟产品的稳定运营组，与一个探索新业务的研发组，即使人数相同，经理参与的判断也不同。AI 可以帮助后者迅速形成更多原型，但原型越多，进入评审的选择也会增加。
管理工作量发生了什么变化，比汇报人数本身更能说明容量。
AI 因此会同时改变两类工作：减少整理与追踪，也让成员此前做不出来的方案和暂时不会提出的问题进入评审。节省的行政时间能否承接新增的判断与辅导，得按实际工作估算。
· · ·
扩大管理幅度，也是在改变经理的角色
假设一个研究部门准备把每位经理的直接下属从八人扩大到十二人，原来经理亲自审每份报告，也负责几个重要客户。
AI 上线后，初稿生成快了。若仍由经理逐篇审阅，审核需求就会随产量上升。组织此时把四名成员转给他，实际增加的可能是待审成果与客户承诺，而不只是四条汇报关系。
另一种安排是，把成熟任务的完成标准、同行评审和专业支持建立起来，让成员能够处理更多常规问题；经理减少亲自交付，集中参与重要取舍、例外与人员发展。十二人的团队因此可能运转得很好。
同样是十二个人，经理逐篇审稿，还是主要参与重要取舍和例外，工作量会有很大差别。
扩大幅度的依据，就藏在这些具体安排中：哪些事务已不再由经理逐项确认，哪些成员可以独立判断，遇到例外时能获得谁的帮助，以及经理原来承担的客户或项目有没有重新分配。
如果这些条件尚未变化，先增加直接下属，往往会迫使经理自行取舍。他会减少一对一交流，推迟辅导，或者只处理最紧急的问题。组织节省了一个管理岗位，却可能在返工、离职和延误上付出代价。
· · ·
把省下的时间用于改善管理，也是收益
做组织盘点时，经理实际花时间的地方，比一张汇报人数表提供更多信息。他是在重复检查已经有明确标准的工作，还是不断替成员协调没有解决的跨部门问题？前一种适合减少人工介入；后一种单靠信息汇总难以解决，还得明确跨部门的资源和决定权。
AI 提供的便利，也可以先用于改善现有管理。让经理少写一次重复报告，多留时间讨论成员遇到的难题，本身就是收益，没有必要把所有节省都换成更大的团队。
我的看法是，扩大幅度的依据，应来自经理工作量和成员支持方式的实际变化。先在一类工作相对清楚的团队中调整，观察经理的时间、成员获得支持的情况与实际交付，比直接采用一个新人数标准更有说服力。
一位经理能够多带多少人，最终取决于组织是否让他少做了不必要的事，并为仍然必要的事提供了条件。
经理能够获得更多信息之后，还有一个组织问题：决定究竟应该留在上面，还是交给更接近工作的人？明天继续。
· · ·
资料说明
1. Jim Harter《Span of Control: What's the Optimal Team Size for Managers?》，Gallup，2026 年 1 月 13 日。
