夜雨聆风一个预言，错了 68 年，换了三拨人，还在被重新提出。唯一不同的是，这次说这话的人，手上真的有裁员的刀。
1958 年，Harold Leavitt 往《哈佛商业评论》投了一篇论文，标题叫 "Management in the 1980s"。
他的逻辑无懈可击：计算机会让老板直接看到底层数据，不再需要中层做信息中转；日常决策可以被自动化，而这是中层大部分的工作量。结论：30 年后，中层经理将不复存在 [1]。
1988 年，HBR 自己回访了这个预测。
完全没有实现。 中层不但没消失，在很多公司反而更多了 [1]。
复旦 MIS 出身的管理学者陈果最近在一场研讨会上提起了这段历史，说了一句值得所有讨论"AI 替代中层"的人反复想的话：
"关于信息技术改变组织，在过去六七十年间的绝大多数假设，都没有实现。" [2]
68 年，三次技术浪潮，三次同样的预言。三次，全部落空。
这次 AI 来了，有什么不一样？
死了三次，三次都没死成
Leavitt 不是唯一翻车的。
陈果梳理了一条管理预测的失败时间线，看完让人后背发凉——不是因为预言多准，而是因为错得如此一致。
90 年代，Michael Hammer 搞出 BPR（业务流程再造）。核心主张：把旧流程全部推倒重来。所有大公司都在搞 BPR 项目，管理咨询公司赚得盆满钵满。到 2000 年代初，BPR 被广泛否定，连 Hammer 本人都放弃了这个框架 [2]。
2010 年代，数字化转型来了。"VUCA""敏捷组织""大规模敏捷"成了管理论坛标配。陈果的评价两个字：
"错了。"
除了字节跳动这类数字原生公司，传统制造业和银行没有一个真正完成敏捷转型 [2]。
每次技术浪潮来，都有人喊"这次不一样"。每次都没兑现。
最有意思的是：预言者换了一茬又一茬，论证逻辑却一模一样——"新技术让信息流转更高效，所以中间层不需要了"。
同一个逻辑。错了三次。
第四次预言来了，这次的人手里有刀
2023 年 ChatGPT 之后，预言者换了一批。
这一批跟之前不一样。他们不只是发论文。他们在裁员。
Jack Dorsey（Block 创始人）和红杉合伙人 Roelof Botha 公开对话时说了一句：不再需要永久性的中层管理层 [3]。Block 裁了 40%。Dorsey 说这跟财务没关系，是 first principles：如果今天从头创办 Block，不需要那么多人 [3]。
他画的新组织模型只有三种人：IC（判断力和创造力）、DRI（对客户结果负责）、Player Coach（边做边教）。信息传递和执行协调？AI 干。
Klarna CEO Sebastian Siemiatkowski 更狠。AI 助手上线第一个月处理 230 万条对话，等于 700 个客服。公司从 5000 人缩到 3800，目标是 2000-2500 [4]。
Shopify CEO Tobi Lütke 发内部备忘录：团队申请新 headcount 之前，先证明 AI 干不了这活 [3]。
听起来很有说服力？
过去 68 年，每一次都很有说服力。每一次都没实现。
中层杀不死，因为管理不是信息搬运
Leavitt 1958 年犯的错误，直到今天还在被重复。
他把人简化成了信息处理器。然后论证：信息处理可以被自动化，所以人可以被替代。模型干净。模型也假。
华南理工大学戴欣教授从亚当·斯密讲起。1776 年《国富论》里，斯密用制针工匠证明：把工序拆成二十多道，效率能提升十倍。而 AI 在做反向运动——把斯密拆碎的个体重新拼成超级个体。
但分工不会消失，只会改变颗粒度 [2]。
他举了个例子。过去插画师需要审美加技能，一幅画 3-7 天。现在 AI 一秒钟出一批候选，插画师只需要审美判断力来选最优。个体操作粒度变大了，但供需两端都在重新组织——需求越来越个性化，供给端的标准化组件必须足够便宜，个性化组合才有经济可行性 [2]。
AI 是"标准组件"的生产加速器。超级个体是"个性化组合"的执行者。分工体系在重构，但没有消失。
缪青——易路软件前总裁、中国第一批 ERP 从业者——补了更有力的一刀：
马克思说过，人是社会关系的总和。人类能打赢比自己强壮得多的动物，靠的是协作和组织，不是单打独斗 [2]。
腾讯研究院追踪了一批 AI 时代的高绩效团队：
Cursor：20 人，12 个月，1 亿美元 ARR
Lovable：15 人，2 个月，约 1000 万美元 ARR
Midjourney：11 人，约 5000 万美元年收入 [7]
人很少。但没有一个是单人公司。
报告给了四个结构性理由：共同承担风险、共同稳定注意力、共同形成信用、进入更大的价值场景。一个人在长时间尺度上连续做出正确判断的概率，必然衰减 [7]。
一人公司是个幻觉。但 20 人公司正在吃掉 2000 人的午餐。
中层在抵抗，而且是理性地抵抗
前面说的是理论。现实比理论更扎心。
BP3 的研究提出一个概念：Frozen Middle（冻结中层）。逻辑很简单：如果一个管理者的奖金跟团队人数挂钩，AI 会减少团队人数，那么抵制 AI 就是理性的个人选择——不是蠢，是算过账 [5]。
数据不骗人：
MIT：95% 的生成式 AI 试点没有投资回报 [5]
麦肯锡：88% 的企业在用 AI，只有 7% 实现了全组织部署 [5]
IBM CEO 研究：只有 16% 的 AI 项目实现了企业级扩展 [5]
有人把现状总结成一句话：
老板 FOMO，中层刹车，基层在干活。 [6]
一个残酷的循环在形成：AI 越强，Frozen Middle 的阻力越大。中层不是看不到 AI 的能力，恰恰相反，他们看得很清楚。AI 做得越好，他们存在的理由就越模糊。
抵制不是无知。是清醒的自我保护。
活路只有一条：从传话的变成拍板的
中层不会消失。但坐在审批节点上传话的中层，会。
红杉那篇文章做了一个关键区分，值得每个中层管理者抄下来贴在屏幕上：
Intelligence：规则复杂但终归能被规则覆盖的工作——写代码、翻译规格、医疗编码。AI 会越来越强。
Judgement：需要经验和品味的决策——下一个 feature 做什么、风险边界在哪里。人的价值不可替代 [3]。
Daniel Miessler 说得更扎心：AI 是执行放大器。它完美执行清晰指令，但完全无法替组织定义"我们要什么"。大多数公司其实是"糊里糊涂成功的"——碰巧掌握了几个有效方法活了下来。面对 AI，这类公司连"我们要优化什么"都答不出来 [8]。
说白了：如果你的日常是"老板说推进 A 项目，你把它翻译成张三做 X、李四做 Y"，你就是一整层被吞掉的机会成本。
但如果你在决定"老板说的 A 项目到底值不值得做，如果要做，哪些是真正的风险点，哪些是伪需求"——你是不可替代的决策节点。
缪青举了个生动的例子：急诊室推进来一个没缴费的危重病人。AI 按规则选择不救——流程没走完。医生会先救人。
这种基于道德和同理心的判断，AI 永远做不了。 [2]
管理是决策。决策里有一大块东西，没法被量化编码——判断一个人值不值得信任、决定什么时候该放弃一个项目、两个都合理的方案选哪个更对。这些事需要经验、直觉和对人的理解。
AI 能告诉你数据。不能替你承担责任。
68 年了。这次真的不一样吗？
回头看 Leavitt 1958 年的预言，他什么对了？计算机确实改变了企业处理信息的方式。
什么错了？
他以为人类组织会像电路图一样被重新布线。组织的复杂性——权力结构、利益博弈、信任关系、文化传承——不会因为一台新机器就消失。
缪青在研讨会的最后引了一句老话：人类往往会短期高估一项新技术的影响，而长期低估它 [2]。
从第一台计算机装进企业到今天，七十年。中层经理没有消失。但他们今天做的事，跟 1958 年的中层经理几乎没有共同之处。
变化确实在发生。只是从来不按预言的剧本来。
中层管理者真正的风险，从来不是 AI 替代他们。
是那些愿意用 AI 重新定义自己角色的人，替代他们。
参考资料
[1] Harold J. Leavitt & Thomas L. Whisler, "Management in the 1980s", Harvard Business Review, November-December 1958. https://hbr.org/1958/11/management-in-the-1980s
[2] KPro 比较管理学研究院直播研讨，陈果、缪青、戴欣，"AI时代下超级个体与组织管理的挑战"，2026年6月。
[3] Julien Bek, Jack Dorsey & Roelof Botha, "Services: The New Software" + "From Hierarchy to Intelligence", 红杉资本, 2026年4月。https://yage.ai/share/sequoia-autopilot-organizational-interface-20260405.html
[4] 王欢, "从金字塔到网状经济：AI Agents时代的组织大坍塌与商业大重构", wanghuan.ai, 2026年4月。https://wanghuan.ai/blog/org-collapse-agent-economy
[5] BP3, "Thawing the Frozen Middle: Enterprise AI Transformation". 文中引用 MIT、McKinsey、IBM 相关数据。
[6] 鸭哥AI手记, "智谱400toks推理速度成第二战场", 2026年5月。
[7] 腾讯研究院, "从超级个体到超级团队：AI时代组织变革的涌现路径", 2026。
[8] Daniel Miessler, "Most Companies Aren't Anywhere Near Ready for AI", danielmiessler.com, 2026年5月。https://danielmiessler.com/blog/most-companies-arent-ready-for-ai
