当AI替掉了中层，谁在替AI兜底

去掉中层管理，这可能是AI原生组织到目前为止，最被低估的成本。

图片由 AI 生成

文 |Alex

三个月，三家公司，三个管理者。

• OpenMax联合创始人 Charlie Hu 把团队从80人砍到了15人，全年营收不受影响；

• 李雪涛带着天津一家软件公司的六十人研发团队做了全面AI转型，利润率从个位数拉到了30%；

• Moox AI 产品副总裁 Elric Liu 所在的公司只有十来个人，两大部门，两层决策，AI Coding 占比超过90%。

这是三个典型的效率故事。

但如果往深里看，三个人在不同的场景下撞上了同一个麻烦——AI把执行层压薄了，把传话层切掉了，但管理这件事并没有变得更简单。

一些原本被层级消化的矛盾，在组织扁平化之后直接暴露到了最高层。

01

中层退场之后

谁的活变多了

三家公司有一个共同的走向，那就是中层这层缓冲结构消失了。

Neuters

OpenMax做得最彻底。Charlie 把整个BD团队砍了，因为他们服务的是企业一把手，客户看到来的是BD，直接就回一句"你们老板呢"。BD只拉群不谈单，偶尔还传错话。

有一个现象更让他无法容忍，部分BD为了向上证明自己的价值，拉来的群根本就不是真正的客户。

BD砍掉之后，Charlie把客户开发交给了AI。Agent分析他LinkedIn上8000个联系人，每天早晨推送20条定制化的触达建议，客户画像、业务分析、结合点全部整理完毕。他花半小时看一遍，没问题就发出去。

效率翻了数倍，但代价也有。

BD被砍掉之后，原来散落在二十个人身上的判断责任，比如这个客户今天适不适合联系、这段话发出去合不合适、这个时机对不对等，全部集中到了他一个人身上。

AI可以提供分析，但它不做决定。Charlie每天早晨那半个小时的"看一看"，就是在替AI做它做不了的判断。

李雪涛的团队拆了四个传统部门，重组为三到五人的FDE特种小队。

需求、研发、测试的职能边界被打通，每个小队直接面对客户。流程大幅简化，以前需求从客户传到研发需要过三道关，现在一步到位。

但沟通成本的下降伴随着另一个成本的上升。李雪涛在转型之后每周固定越过项目经理，直接找一线同事单独聊。

"AI用得怎么样？最近有什么问题？"这类沟通他以前很少做，有中层在中间缓冲，矛盾的信号被稀释、被筛选、被处理。中层退出之后，信息的传导路径从"客户→需求→研发→测试"变成了"管理者→每一个个体"，管理半径实际上扩大了。

Moox AI 从一开始就没有中层。

十来个人分两大块，日常按虚拟小组跑项目，产品和技术的决策由他和CTO两个人拍板。这种架构的好处是决策极快，"复杂的东西才讨论，简单的花一两天先做出MVP看效果"。

坏处同样明显，他和CTO成了所有关键判断的最终出口。技术路线、产品方向、商业化逻辑，每一条线都绕不开他们的判断。

中层退场之后，管理者的工作清单没有变短，只是条目从"管流程"变成了"管判断"。而判断这件事，做不到批量处理。

02

同一个AI，两种人

三家公司都遇到了一个相似的内部现象，那就是AI没有获得一致的欢迎。

李雪涛的团队里出现了两种极端情绪。

• 一种人觉得AI是万能的，AI产出的东西看都不看，"咵一下就提交上去了"，结果大量需求遗漏和细节不一致在测试阶段集中浮现。

• 另一种人给AI贴上"啥也不是"的标签，"还没我写得快呢，我用它干嘛？"

两种反应他都不得不逐一应对。

• 对于过度相信AI的人，他要反复划定AI的能力边界，厘清哪些东西AI可以直接产出，哪些东西必须人工检查。

• 对于不信任AI的人，他要帮他们找到真正能解决问题的场景，让他们先看见效果。

Moox AI团队遇到的则是另一种情况，没有极端情绪，但有普遍的惰性。

"前两个月，配的Coding Plan还有80%没用。"大家不是抵触，就是遇到事的第一反应永远是老路子。

他的解法带有典型的工程思维，不靠行政命令强推，靠机制设计。公司每月设了一笔专门奖金，奖励那些在内部业务中用AI跑通了小闭环的人。

每周例会让大家分享"最近拿AI做了哪些对业务有帮助的事"。做了的人拿到真金白银，看到的人也产生了参照。"当他们看到了这东西能给自己带来利益，就愿意去用了。"

Charlie 对这一问题的解法更激进，他直接筛掉不具备自主性的人。"AI再厉害，你不会主动问它问题，那就是不行的。"

三个管理者，面对同一种工具，花了三份不同的精力在处理同一件事。

人和AI之间的距离，不是由AI的能力决定的，是由人对AI的认知决定的。而这个认知差距，正在成为AI原生组织管理成本的新增项。

03

留下的人

活变轻了，责任更重了

AI原生组织里，"干活"这件事越来越轻了。

AI Coding做到90%以上，销售文案一键生成，客户画像自动打标，周报由Agent自动抓取群聊信息整理。但另一侧，"判断"这件事越来越重了。

李雪涛对此有一张精确的时间表。

转型之前，他的精力大半花在盯进度、查代码、走审批流程上。转型之后，AI把这些事接过去了，他腾出来的时间并没有变成空闲，而是被新的事务填满了。

他会跟过度相信AI的人聊边界，跟不信任AI的人聊方法，跟对转型有抵触的人聊心态。他说，人少了，反而会更关注每个人。

Elric描述了一个类似的场景。

以前一个新需求进来，销售先理解一遍，转述给产品，产品再翻译给技术。三层的传递过程，每一次都有信息损失。

现在销售可以直接用Vibe Coding搭出Demo给客户看，中间的翻译链被打通了。但最终拍板的压力也回来了，客户到底要什么、这个需求值不值得做，这类判断不再可以由销售、产品、技术分别承担一部分，它集中回到了Elric和CTO的身上。

Charlie把这个逻辑推得更远。他说，人是AI的外围。人通过线下活动、客户接触去触达外部世界，获得信息和反馈，再交给AI。

留在公司里的这十五个人，核心任务不是执行，是采集和判断。每一场客户的会面、每一次竞品的观察、每一次市场的波动，都不是"做完了"就结束了，它得变成语料，变成输入，变成下一轮决策的依据。

这种转变看似解放了生产力，实际上把一个人承担的责任边界拉宽了。

以前一个人只对自己岗位的输出负责，现在他可能同时要对需求的理解、对技术的判断、对客户的共情、对AI产出的审核全部负责。

活轻了，但"轻"的背后是一个人扛了三四个人的决策量。

Charlie 说，AI是能力的放大器，如果没有什么能力的人，他放大了也还是没有什么能力。

04

谁来兜底

三场采访中，有一个词始终没有出现在任何人的嘴里，但它几乎缠绕在每一段对话的底层，那就是兜底。

• BD团队砍了，Charlie每天早上花半小时审20条客户消息，他在兜底；

• 四个部门拆了，李雪涛每周越过项目经理找每个人单独聊AI使用情况，他在兜底；

• 配了Token没人用，Elric设计奖励机制、立标杆、开分享会、一个一个推动，他在兜底。

这些事情找不到一个标准的KPI来框。

它不是流程，不是技术，不是岗位说明书写得清楚的东西。它是把AI放不下的那部分责任，由管理者一个一个接过来，用自己的方式扛住。

三个人的做法各不相同，但内核一致，AI做到99%，剩下那1%的判断，得有人来做。

李雪涛在公司做了十几年，团队里大部分人是他一手带出来的，威望在，推进转型都遇到了各种抵触。

"如果这个团队你不是一把手，或者你刚来没多久、关系比较复杂，转型的阻力会大得多。"

这个判断背后的意思是，AI原生组织对管理者的信任储备要求极高。以前信任可以分散在不同的层级、不同的人身上，现在它得集中在少数人手里。

Elric被问到"如果重来一次会怎么设计组织"，他说，先让大家用起来，感受到好处，再推下去。

没有标准答案，没有完美路径。

这不是谦虚，是他们的真实感受。面对人，面对认知的改变，面对习惯的重塑，AI给不了任何帮助，管理者得一个一个啃。

Charlie 对这个问题的表述最锋利。

他说，看AI是二等公民还是一等公民。有的人把AI当成牛马，我给你钱你就得干活。AI原生组织是反过来的，人为AI服务。

这个判断的背后是管理者把自己放在什么位置的选择。你是管AI的那个人，还是为AI兜底的那个人。这两个位置的日常工作量，天差地别。

三家公司走到现在，AI原生这个方向最让人意外的收获，可能跟算法无关。

它意外照亮了管理这件事的本质，即组织可以变小，流程可以变快，工具可以变强，但最后总要有人站出来，对剩下的不确定性负责。

AI能替你写代码、替你写方案、替你分析客户、替你生成一切文字和数字，但它永远不会替你说一句"出了问题我负责"。

中层被AI打掉了，执行层被AI削薄了，传话的人没有了，冗余被烧得干干净净。

留下来的这层管理者，干的活比任何时候都更接近管理的原始定义，那就是在模糊中拍板，在不确定中兜底，在没人能替你判断的灰色地带自己往前走。

这可能是AI原生组织到目前为止，最被低估的成本。

栏目介绍

本文为崔牛会「AI 原生组织研究」系列文章。更深层的问题，比如人在 AI 原生组织中如何重新定义价值，AI 输出如何被工程化约束，中层管理在新组织里会不会消失，将收录在崔牛会8月发布的《AI原生组织白皮书（2026）》中。