夜雨聆风AI创业的新门槛之四：最难动的，是人
我问他：那你的组织架构改了吗？汇报关系变了吗？中间那层协调的人还在吗？
他愣了一下。工具加进去了，架构没动。这就是大多数公司的现状。
旧架构为什么和 AI 天然冲突
YC 合伙人 t_blom 最近有一个演讲，把这件事说得特别直白：大多数公司用 AI 的方式，从第一步就错了。
错在哪？他说，大家默认的模式是「AI 当副驾驶，人来开车」。听起来没毛病对吧——AI 辅助你，你还是做主。但问题是：AI 的执行速度是人的 10 到 100 倍。你让跑慢的人控制跑快的，瓶颈永远卡在人这头。
这个观察太准了。我认识很多创始人，公司做到几十人之后，组织里自然长出一批角色——他们不直接做事，但负责让做事的人之间信息对齐。传话的、追状态的、开会的、写 PPT 汇报的。在以前，这是必要的。大量人力在执行的时候，你确实需要一层人专门负责协调，否则左手不知道右手在干嘛。
但现在执行交给 AI 了。这层人的存在前提——「大量人力需要被协调」——消失了。前提消失了，人还在，就变成了纯粹的摩擦层。
说真话，我自己团队也经历过这个阶段。一开始觉得加个工具就行了，结果发现，AI 能做的事越来越多，但项目还是卡在「等老板确认」「追某个人要信息」「开会才能对齐方向」上面。AI 把每个人的手速提了十倍，但组织层面的摩擦一分没少。
加工具容易，动这一层难。因为这一层是人，是利益，是面子。这才是真正的门槛。
老夏怎么动的：一道题筛掉四十人
老夏做消费品，年营收大几千万，团队最多的时候有六十多人，三层管理。他跟我说了一件让他崩溃的事：他想推一个新品方向，这个想法经过三层传递到执行层的时候，做出来的东西已经不是他想的那个东西了。不是执行的人笨，是中间每经过一个人都会加一层理解、一层折扣。
他后来想了一个非常暴力的过滤方式，就一道题：
「没有这个人，公司的利润会减少多少？」
答案是零或者很少——那就是冗余。
用这道题过完一遍，他发现新架构只需要三类人：
剩下四十多个人呢？开会的、写 PPT 的、跨部门协调的——这道题一筛就没了。六十人变二十人。老夏说，配上 AI 之后，二十人承载原来六十人的工作量，绰绰有余。
t_blom 在 YC 讲的其实是同一件事，只是更直接：AI Native 公司招的不是「能执行的人」，是「能定义问题的人」。他用了一个很有画面感的比喻——公司是罗马军团。罗马军团的战斗力不来自某个天才将军，来自每个单兵都足够强，没有弱旅。老夏筛完留下来的那二十个人，就是这种状态：每个人都能独立判断、独立行动，不需要等谁来协调。
Dorsey 怎么动的：三个数字定答案
Jack Dorsey——Twitter 和 Block 的创始人——今年初做了一件更激进的事。Block 六千人的公司，他三周内裁掉了将近 40%。公司还在赚钱，业务没出问题。他说了一句我印象很深的话：「我不想等到走投无路的时候才做这件事。」
他的判断框架极其简单，三个数字：
1. 维持服务正常运转的最低人数
2. 满足合规要求的最低人数
3. 实现增长目标的最低人数
三个加起来，就是答案。不需要讨论，不需要平衡各方意见。
留下来的人，Dorsey 重新定义了角色。不是按传统的工种分，是按「你和结果之间的距离」分：
这个框架里有一个东西明显不存在：纯管理者。那种自己不做事、只追状态、只拉会的角色，在 Dorsey 的新架构里没有位置。
裁完之后怎么跑：YC 的答案
裁人是一个决定。但裁完之后日子怎么过——这才是真正考验架构设计的地方。
老夏那边最明显的变化是：他现在直接跟做事的人说话。以前要经过三层才能到执行层，现在他的判断直接到人。到了还是他的想法，没有被中间人翻译过三遍。
Dorsey 那边变化最大的是开会方式：
带文档和幻灯片进会议室
大家一起看，一起讨论，等某人拍板
验证一个想法可不可行：几周
每个人带做好的原型来开会
你进会议室的时候已经有答案了，不是来提问题的
验证一个想法可不可行：几小时
Dorsey 说了一句话我反复想了很久：「探索成本趋近于零。」以前要等几周才能验证一个想法行不行，现在一小时能同时看三个方向，然后再判断哪条路值得深入。
但这些只是表面的变化。底下真正在发生的事情，t_blom 在 YC 那个演讲里说得更透彻。他讲了四件事，我觉得每一件都值得拿出来单独说。
第一件：别让人当司机，让 AI 跑
大多数团队配了 AI 之后还是老习惯——人想好了、拆好了、再让 AI 帮着写。t_blom 说这是错的。AI 执行力是人的几十倍，你让它当副驾驶，等于高铁前面绑了一辆自行车领路。
跑得起来的方式反过来：任务直接扔给 AI，跑一遍，错了重跑，第二遍第三遍都比你手工做快。人的角色是看结果、判方向——不是一行一行盯着它干活。
老夏和 Dorsey 做的事情，本质上就是这个转换。留下来的每个人都是一个完整的单元——AI 是他自己的执行层，不是公司某个共享资源池里的工具。每个人配上 AI 之后有了独立运作的能力，不需要开会等别人帮你想，不需要等三轮审批才能动手试。
第二件：燃烧 Token，不是人头
这个说法我第一次听到觉得有点粗暴，但越想越觉得准。
t_blom 讲了一件听起来小但其实很重要的事：全员发无限 GPT Token，不走报销流程。不是给几个技术骨干开通，是全员。他说，每次用 AI 要填报销单，等于在告诉员工「AI 是成本，省着点用」。一个月几百块换数量级的产出，这笔账很好算。但更重要的是态度——你让员工毫无心理负担地用，和让他们每次都得申请再用，跑出来的结果完全不一样。
老夏那边也是同一个逻辑。那批协调人的人头成本，现在换成了全员 AI 预算。人少了，但每个人的产出能力是以前的好几倍。Token 的成本远低于人头成本，这就是为什么二十人能承载六十人的工作量。
第三件：把脑子里的东西掏出来
这件事两个案例都在做，但一开始我没看明白。老夏说他现在知道每个人守哪个判断域，Dorsey 的团队每个人带原型开会——这背后都是同一件事。
t_blom 管它叫「提取领域知识」。说白了就是：把原来只存在老员工脑子里的东西——怎么做决策、为什么选这个方案、踩过哪些坑——变成结构化的、机器可读的上下文。不是写那种没人看的 wiki，是让 AI 也能读懂的规则和逻辑。
这才是少人之后还能跑的真正原因：不是人少了事就少了，是之前那层「存在人脑里的公司知识」被提取出来了。代码可以让 AI 一分钟重写，但这些决策逻辑、历史教训、领域知识——这才是公司真正的资产。
t_blom 有一句话说得特别好：软件是短暂的，上下文才是有价值的。传统公司花大量时间写代码，AI Native 公司反过来——花更多时间建上下文，代码让 AI 生成。
第四件：让一切对 AI 透明
最后一件事也是 t_blom 说的：把公司所有的文档、接口、流程都暴露给 AI。
很多公司推内部系统改造推不动，觉得工作量太大。但他说了一句让我印象很深的话：你不需要设计完美的流程，你只需要让 AI 能看见流程。当 AI 能读取所有系统数据的时候，它会自己发现冗余，自己提出优化。你以前需要一个项目管理团队才能干的事，现在 AI 看到数据之后自己就能做。
这又回到了那个核心问题：中层管理存在的理由是信息流转。当 AI 可以实时追踪所有任务的进度、自动生成状态报告的时候，中层的信息枢纽价值就没了。管理这件事不是不需要了，是形态变了——从「管人」变成「管系统」。
递归循环：越跑越好
把这四件事串起来看，你会发现它形成了一个循环：AI 执行 → 结果被评估 → 经验变成上下文 → 下一轮执行质量更高。t_blom 管这叫「递归自我改进循环」。
YC 自己就经历过这个时刻。他们用 AI 重写了内部用户手册，发现 AI 写的版本在某些地方比人工写的还好——因为它能实时整合最新的政策和反馈，不带惯性包袱。
这个循环一旦转起来，你就理解了为什么 Dorsey 说「探索成本趋近于零」。不是因为 AI 万能，是因为每一轮试错的结果都在喂养下一轮，系统在迭代中变好。人少不可怕，可怕的是人少了知识也跟着走了。把知识留在系统里，人就敢动。
真正的门槛
这个系列第一篇我说的是判断力。判断力是个人层面的门槛——你能不能在 AI 给出答案之后判断它对不对。
但判断力放在组织里，还有一个问题：你判断完了，到执行还要穿几层？中间有几个人在传话、在等、在开会对齐？
t_blom 把人在 AI 时代仍然重要的事情讲得很清楚：判断方向、定义问题、处理模糊性、跟真实用户建立关系。其他的——执行、协调、追状态——AI 都能做，而且做得更快。
那你组织里那些只传话、不判断也不执行的角色，占多大比例？
这才是真正的门槛。不是你有没有买 AI 工具，不是技术层面的问题。是你有没有勇气动那一层人。工具好配，愿意用工具的人好招，但那些因为「有他们，公司才没有乱」而存在的协调角色——动他们，才难。
老夏和 Dorsey 都是真的动了。大多数人没有。
那些只传话、不判断、不执行的角色在你公司占多大比例——这个数字，可能就是你离 AI Native 的真实距离。
我叫 Eason
CFA持证人 · 前战略咨询合伙人 · 创业者 · 投资人
在东京经营几家餐厅，用AI做投资研究和餐饮零售管理——然后把踩过的坑写出来
