夜雨聆风来源：刘润
前不久，我完成了一个堪称“疯狂”的实验：抛开传统的SaaS软件，完全借助AI，从零开始敲代码，硬生生搭了一套专属于我的AI工程系统。
这套系统的唯一使命，就是充当我的第二大脑——自动化抓取数据、生成研究报告、润色文章脚本。看着后台的AI Agents（智能体）如同流水线上的熟练工，精准而高效地完成一项项任务时，我在感到极度兴奋的同时，后背不禁泛起一阵刺骨的寒意。
因为就在系统成功跑通的那一秒，一个过去模模糊糊的念头，突然像闪电一样劈进我的脑海：
在未来的公司组织里，可能根本不需要那么多中层管理者了。
01. 尴尬的“夹心饼干”：传统中层的价值正在被代码瓦解
要弄清这个问题，我们得先剥开商业的表象，看看传统的组织到底是怎么运作的。
我曾经在《5分钟商学院》里提过一个观点：组织的本质，其实就是一个信息传递的机制。
想象一下，一家拥有5000名员工的大型企业的CEO，刚刚在董事会上描绘了他对于未来3年的宏伟战略。他该怎样确保这5000人步调一致？挨个打电话布置任务显然荒谬至极。同样，前线业务员发现了致命的产品漏洞，也不可能直接冲进CEO的办公室拍桌子。
这时候，“中层”就登场了。他们就像是齿轮间的润滑油和传动轴：把老板的宏观想法，翻译成基层能听懂的微观指令；再把前线的炮火声，过滤、提炼成高层爱看的PPT汇报。
这就是传统中层的核心价值：信息传递与责任缓冲。 项目搞砸了，CEO不需要去追责几十个基层员工，只需要盯着部门经理即可。
过去一百年，大多数公司都长成了一个个严密的“直角坐标系”金字塔。横轴是职能部门（营销、研发、法务），纵轴是层级（基层、中层、高层）。中层稳稳地卡在腰部，靠着“上传下达”拿捏着组织的脉搏。
但是，当AI工程系统开始接管信息的加工与传递时，这个传递链本身就变成了多余的“流程断点”。
过去，一个部门经理每周要花2个小时“夺命连环催”5个员工交周报，再花1个小时把这些文字垃圾拼凑成一份部门周报发给总监。而现在，5个AI Agent不仅自动完成了工作，还将进度、瓶颈和结果实时呈现在可视化看板上，全员共享，毫无延迟。
那个“写周报、汇总周报”的岗位，就从事实上被蒸发了。
Gartner（高德纳咨询公司）曾做出过一个极为大胆的预测：到2026年，将有20%的企业消除超过50%的中层管理岗位，罪魁祸首就是AI。事实上，这种变化已经开始发生。像Shopify、Klarana、Duolingo等全球顶尖的科技巨头，早就开始了大刀阔斧的架构扁平化，把资源和预算疯狂向AI工程团队和直接创收的客户连接层倾斜。
以前的典型架构是“1个总监带领3个经理，管理15个兵”。但未来的剧本很可能是：“1个总监加上几个AI系统，直接管理12个核心骨干”。
听起来有些毛骨悚然，对吧？但更值得我们深思的是：为什么是现在？是因为大模型突然变得无比聪明了吗？
02. 大模型的“规模诅咒”与AI时代的真正拐点
如果你一直紧跟AI的发展动态，会发现一个极其有意思的现象：最近半年发布的顶级AI模型，厂商们突然不再把“参数规模”（比如几万亿参数）挂在嘴边了。
想当年，GPT-3的1750亿参数是何等的骄傲。但如今，连OpenAI在发布新模型时，都开始对具体的参数数量讳莫如深。
这不是因为大模型遇到了瓶颈，而是“盲目堆参数”的边际效应正在急剧递减。 头部AI公司们无奈地发现，他们投入了翻倍的算力预算，但模型性能的提升幅度却越来越微小，仿佛撞上了一堵看不见的墙。
于是，行业的竞争维度发生了惊天逆转：从“谁的参数多（更大）”，变成了“谁的推理能力强（更聪明）”，以及“谁的输出结果稳（更可靠）”。
为什么“可靠”如此重要？这就不得不提大模型目前最大的阿喀琉斯之踵——幻觉（Hallucination）。
所谓幻觉，就是AI在一本正经地胡说八道。你问它某份数据的出处，它能迅速给你编出一个看似极其专业的作者名、发表年份和核心期刊，但如果你真的去学术数据库检索，会发现根本子虚乌有。
大模型的底层机制，本质上是通过概率去“猜”下一个最合理的词。这是一种统计学意义上的智能，而非人类生物学意义上的“理解”。这种机制注定了它不可能完全消除幻觉。
比出错更可怕的是，它出错了，却依然表现得极其自信。 一个总是犯错且傲慢的工具，最多只能算个高级玩具。要想让它真正成为生产力，我们就必须承认一个残酷的现实：问题，不在“马”，而在“马具”。
试想一下19世纪的巴黎，马是当时最高效的交通工具。一匹好马拥有强大的爆发力和耐力，但它野性难驯，如果没有缰绳和马鞍，你根本无法控制它去往目的地。
今天的大模型也是如此。限制AI发挥的，早已不是它的“脑容量”不够大，而是我们缺乏能够有效约束和引导它的“马具”。在硅谷，这被称为 “马具工程”（Harness Engineering）。
03. 揭秘“马具工程”：如何让狂奔的AI乖乖干活？
过去半个多月，为了打造我的研究与写作AI系统，我摸索出了一套行之有效的“马具工程”框架。它主要由四个核心部件构成：角色、规则、流程、工具。
1. 角色（Roles）：拒绝“精神分裂”，实现能力解耦
一开始，我和大多数人一样，试图打造一个“全能型”的超级AI：既能激情澎湃地写稿，又能冷酷无情地核查数据，还能像老编辑一样敏锐捕捉违规词。
但试过的人都懂，这简直是一场灾难。AI在面对互相矛盾的指令时，最终交出的往往是一份面面俱到、但又毫无灵魂的平庸之作。
破局的关键在于：把角色拆解，让专业的人干专业的事。
我以三位优秀同事为原型，在系统中创建了三个数字员工：“小二蔓”负责主笔（追求极致的文笔和洞察）、“小琦总”负责调研（追求严谨的数据支撑）、“小戈枰”负责主编（死磕合规与风险把控）。
AI时代，所谓的懂业务，就是把人的能力抽象成颗粒，再把颗粒编码成系统。
2. 规则（Rules）：划定红线，建立标准化的SOP
有了各司其职的数字员工，接下来就要立规矩。
同样的几个人，在不同的公司氛围下产出的东西天差地别，核心区别在于对“事”的标准定义。在“小戈枰”的设定中，我不仅仅赋予了它审稿的能力，还制定了极其严苛的《审阅报告结构》：
审批决定：通过 / 打回重改；
四维打分：必须详细说明扣分原因；
核心打磨目标：认知差够不够深？有没有自相矛盾？情绪动线对不对？
必须修改意见：精确到具体的段落，不能只说“不行”，必须给出“怎么改才行”的建议。
规则，就是岗位的SOP（标准作业程序）。有了清晰的边界，AI的产出才能从薛定谔的猫，变成稳定的流水线商品。
3. 流程（Process）：引入“对抗机制”，让AI自己“吵”出高质量
角色和规则就位后，最精彩的部分来了——我要让这些AI“吵”起来。
在人类团队中，由于面子、人情、职场政治等因素，真正的思想碰撞其实很难发生。“算了，中午还要一起吃饭呢，这次就放过他吧”，这是导致团队平庸的终极杀手。
但AI没有情绪。因此，我设计了一套多轮循环的“吵架”路线图：
初稿由“小二蔓”撰写 ➡️ 交给“小琦总”查阅资料并挑错 ➡️ 再由“小戈枰”进行合规审核并提出尖锐的修改意见 ➡️ 打回“小二蔓”重写。
在这个闭环中，每个AI都在自己的泳道里竭尽全力，用自己最极端的能力去挑战其他环节。这是一种循环逼近、绝不妥协的工程美学。
4. 工具（Tools）：打通任督二脉，嵌入业务实景
最后，为了让这套系统真正落地，我通过API接口给它接上了外挂。比如，让它直接读取我的云端笔记（里面存满了我去各地企业走访的一手录音转写资料），或者赋予它联网搜索最新财报的能力。
这就相当于给AI装上了手和脚，让它不再是悬浮在云端的聊天机器人，而是深深扎根于你的具体业务场景中。
当“马具工程”被千千万万的企业广泛采用时，组织的形态必将迎来彻底的颠覆。我们该如何在这样的新世界里找准定位？
04. 从“直角坐标系”到“极坐标系”：未来组织的样子
如果要用数学的语言来描述公司架构的演变，我认为是从“直角坐标系”走向了“极坐标系”。
前文提到，过去的公司是直角坐标系（网格状），每个人都被死死钉在一个特定的横纵坐标上（比如华北区销售经理、研发部开发组长）。你的权力和存在感，来源于你卡在那个位置。
但在AI赋能的未来，组织更像是一个以价值创造为核心的“极坐标系”。这里不再看重人头编制和职级阶梯，而是围绕着核心价值向外辐射。在这个新坐标系中，绝大多数重复性、传声筒式的中层岗位将被无情的算法抹平，而留下来的，将是三类无可替代的核心角色：
第一类：做判断的人（The Judge）
当AI把基础工作的供给拉满时，人类的价值就从“亲自动手”变成了“最终拍板”。
过去，一个团队绞尽脑汁一周也憋不出三个方案；现在，AI一秒钟就能给你一百个“还不错”的方案。这时候，你需要的是从这一百个方案里，凭借你的行业直觉、审美品味和不计其数的隐性经验，精准地指出那一个“就是它”的选项。
判断力，是无法被量化编码的，因此也是AI最难取代的。
第二类：驾驭AI的人（The Rider）
他们是新时代的业务专家，是“马具”的设计者和维护者。
他们可能不再亲自写代码、做PPT、跑数据，但他们深知业务的底层逻辑。他们每天在做的事情，就是不断调整系统的角色设定、修改评分标准、优化SOP流程。
他们不生产内容，他们是AI生产力的放大器。
第三类：连接真实世界的人（The Connector）
这也是最重要的一类人。不管AI多么强大，它终究没有实体，也无法真正感受物理世界的温度和人性的复杂。
他们需要深入一线，去搞定难缠的政企关系，去安抚暴怒的客户，去实地感受县城超市里大妈们的消费偏好。
正如你所知道的，有些商业洞察，只有你真正踩进泥泞的乡间小路，闻过车间里机油的味道，才能真正彻悟。
结语：永远不要把自己活成一个只会传话的“API接口”
时代从不主动淘汰人，它只会无情地淘汰那些把自己活成标准化零件的人。
在工业时代，为了追求极致的效率，人类甘愿把自己变成庞大机器上的螺丝钉，做着机械的重复劳动。但在今天，当那些机械的汇总、催促、传话工作被AI以极低的成本剥离后，我们有了一个重新审视自我价值的契机。
与其在金字塔的格子间里焦虑地等待被优化，不如主动拥抱这场变革。
去做那个在迷雾中敢于拍板的决策者，去做那个看透业务本质的AI调教师，或者去做那个满身泥点子却能感知人间冷暖的连接者。
不要做传递信号的电线杆，去成为定义价值的发射塔。这不仅是企业在AI时代的进化之路，更是我们每一个普通人在风暴中找到新位置的终极解法。
