撰文：深思圈
前几天在 X 上刷到 Freda Duan 的一条长推，她调研了大大小小公司的 AI 落地情况后发现：每家都在往现有流程里塞 AI 工具，但几乎没有人在问，这个流程本身为什么长成这个样子。
一个典型场景：公司买了 Copilot，给全员开了 license，CTO 在 all-hands 上说"我们要拥抱 AI"。三个月后复盘——代码生成快了很多，文档写得顺了一点，会议纪要自动化了，但 ROI 并没有真的被证明。为什么？因为今天的组织架构决定了 AI 只能做一些微小的赋能，真正的 ROI 需要重构组织。
层级的真实功能
组织架构的教科书定义是权力结构——谁向谁汇报、谁有审批权。但这只是表象。层级制度真正解决的问题是信息路由。
一家超过一定规模的公司，不可能让每个人看到全貌。所以你安装了一层层管理者，做两件事：从一线聚合信号、提炼判断、向上传递；把高层的战略意图翻译成执行动作向下分发。周会、日站会、QBR、steering committee、跨部门对齐会——全是信息路由装置。
但这里有一个很少被讨论的结构性悖论：部门和层级的存在是为了解决个体技能和产能的有限性——你一个人干不完，所以需要分工。但分工和层级本身又制造了新的瓶颈。信息每穿过一层管理就衰减一次，文化每跨过一个部门边界就稀释一次。组织越大，衰减越严重，于是你需要更多的会议、更多的流程、更多的中间层来补偿衰减。更多中间层又制造更多衰减。这不是管理能力的问题，这是架构层面的死循环。
过去几十年，所有的管理创新——敏捷、OKR、扁平化、矩阵式——本质上都是在这个死循环里做局部优化。没有一个真正打破了它。
AI 打破的是循环本身。当信息路由的成本趋近于零，那些为了补偿信息衰减而存在的组织结构就失去了存在的前提。
真正的瓶颈是翻译成本
看一个中等规模产品功能的交付流程：PM 花两三周写 PRD。设计师拿到 PRD，理解 PM 的意图，翻译成视觉稿。工程师拿到视觉稿，理解设计意图，翻译成代码，给出"八周"的排期。然后需求变了，PRD 重写。开发两三个月。QA 拿到代码，理解预期行为，翻译成测试用例。GTM 准备上市材料，培训销售。端到端三到六个月。
表面上的瓶颈是速度。但真正的瓶颈是翻译成本。PM 脑中的想法被编码成文档，设计师解码后重新编码为视觉语言，工程师再解码重新编码为代码，QA 再解码重新编码为测试逻辑。每一次翻译损失保真度，每一次翻译需要对齐会议，每一次翻译产生等待时间。不是因为人慢，而是因为让一个人的理解变成另一个人可消费的格式，这件事本身就极其困难。
AI 正在坍缩这些翻译层。PM 用 AI 一天走到可交互原型，PM 与工程之间的翻译层压缩到接近零。AI 在写代码时同步生成测试，开发与 QA 之间的交接消失。一个智能层实时综合客户信号和业务指标，过去每周手动聚合这些信息的中层管理者就得重新定义自己的价值来源。这不是每个角色各自变快了。是角色之间的缝隙——翻译层、交接队列、对齐会议——在蒸发。
真正的变化发生在 workflow 层面：不是让每个环节各自提速，而是端到端地重构整条链路。两者的区别不是程度差异，是范式差异。
最近聊的一个 startup founder 跟我描述了一个特别有意思的连锁反应。他的开发团队用 AI 把三个月的开发流程压到两周。第一反应是兴奋。第二反应是发现 QA 原本两周的审核周期突然变成了跟开发一样长的瓶颈——于是 QA 被消灭，测试嵌入开发。接下来 PM 和设计之前来回一个月的定稿流程暴露为新瓶颈——PM 团队只留最全能的人。然后 GTM 三到六个月的准备周期在两三周的产品周期面前显得荒谬——GTM 大部分 AI 化；和开发并行。整个组织小了 80%，端到端交付从接近一年压到一两个月。
这个故事的重点不是"AI 让人更快"。重点是翻译层消失之后暴露出的连锁瓶颈效应：每砍掉一个翻译层，下一个最慢的环节就暴露为新瓶颈。这个过程不会停，直到整条串行链路被压扁为并行的、极小团队的端到端流程。如果你只在一个环节部署 AI，你看到的收益会很小，因为瓶颈只是转移到了下一个翻译层。你必须端到端地重构，否则就是在最窄的管道前面加了一个高压水泵。
大部分公司卡在哪
如果拿一个三阶段模型来看——
第一阶段：老事老方式，换了个工具。这是绝大多数公司现在的位置。对应组织里 AI 的角色：AI 在底层，是工具，帮员工干活，组织结构纹丝不动。
第二阶段：老事新方式，流程重构了。上面那个 founder 的故事就是第二阶段。产品还是同一个产品，串行变并行，大团队变小队，翻译层被消灭。AI 的角色移到了中间层——开始承担信息路由、综合判断、跨职能协调，过去这些是中层管理者的活。组织开始变平。
第三阶段：做以前做不了的事。Jack Dorsey 讲过一个例子——一家餐厅的现金流在季节性低谷前开始收紧，系统检测到模式，自动打包一笔短期贷款并调整还款计划，推送给商户——在他们自己都没想到要找融资之前。没有 PM 决定做这个功能。系统识别了时刻，组合了已有的能力模块，涌现出了一个新产品。AI 在中心，不再辅助人类决策，而是参与需求识别、方案组合、资源调配。组织围绕 AI 重新排列。
大部分公司卡在第一到第二阶段之间，原因不是技术——技术已经 ready 了。原因是组织惯性。重构 workflow 意味着动人的位置：中层管理者会失去信息路由的垄断权，职能部门会失去存在的独立理由，审批链会被大幅缩短。每一步都在动既有的权力结构。这就是为什么最成功的 AI 转型只能发生在 Founder-led 公司里——这就是再创业一次。
新组织的骨架
把组织拆到底层，只剩三个要素：信息、决策、动作。传统组织用层级处理信息，用审批链处理决策，用部门分工执行动作。AI 同时改写了这三者的成本结构，所以组织骨架必须重搭。
从接力赛到篮球赛。串行交付——PM→设计→工程→QA→GTM——让位于三到五人小队，技能全覆盖，同步推进。绝大多数决策在小队内完成，只有方向性赌注上升。
背后的逻辑是：AI 让个体的能力覆盖面急剧扩大。一个足够好的 PM+AI 可以做过去 PM+设计师+初级工程师的工作。个体变成了长程选手——覆盖的链路更长。当个体是长程的，组织就可以是短程的——更少的环节，更少的交接，更快的端到端。类比军事：从 navy 到 navy seal。不是人更多的大部队，是每个人都能力极强的精锐小队。
从部门到能力原子。不按职能组团队，拆成独立的、可组合的能力单元——风控评分、身份验证、催收、储蓄——每个自包含，每个有清晰的 API 和数据接口，可自由组合。
当能力原子化完成，系统就可以自己生成 Roadmap。回到 Dorsey 的例子——系统组合了贷款、还款调整、推送通知等已有的能力模块，自动涌现出产品。PM 的角色从翻译者变成架构师——定义能力原子的边界和质量标准，而不是在人与人之间搬运信息。
质量从关卡变成护栏。QA 不再是开发之后的独立审核环节，而是嵌入式约束，贯穿整个过程。
发布从大版本变成持续流。不再有"Q3 上线 v2.0"。每天发小改进。用安静的持续交付替代大版本发布的跃进式节奏。
AI 作为超级员工：被忽视的二阶效应
上面讲的还是流程层面的变化。更深的冲击在于：当 AI 开始承担实质性的产出——不只是辅助，而是做出东西——组织的软件也得重写，不只是硬件。
生产关系变了。传统团队是人与人的协作。当 AI 成为一个核心产出节点，管理者面对的是 human-AI 混合团队。谁为 AI 的输出质量负责？当 AI 写了 90%的代码（Anthropic 的现状），code review 的对象是谁？
资源分配的单位变了。传统 resource planning 是 headcount-driven——这个项目需要几个人、几个月。当两个人+AI 的产出等于过去二十个人，headcount 就不再是衡量投入的正确单位。Zuckerberg 的原话："过去需要大团队才能完成的项目，现在一个足够优秀的人就能做。"
OKR 可能反而更重要了。这是一个反直觉的判断。AI 让每个人能做的事多了十倍，但"能做"和"应该做"之间的 gap 也大了十倍。过去一个人一个季度能推三件事，方向偏了损失有限。现在一个人+AI 一个季度能推三十件事，方向偏了损失也是十倍。确保所有人做的是对的事，在 AI 时代不是变得不重要了，而是成了最关键的瓶颈。OKR 作为方向对齐机制而非绩效考核工具，价值前所未有。
文化冲击是最隐蔽的。当个体产出可以是过去的五到十倍，传统的晋升阶梯、title 体系、薪酬带宽都会显得不合适。一个用 AI 做了十倍产出的 IC，和一个管二十人但团队产出相当的 manager，谁的价值更大？传统组织没有框架处理这个问题。
大厂：从没这么大/多变化；但还没 AI 原生
一个投资的"秘密/技巧"，一直以来都是选股这些正在经历组织重构的公司——大型 reorg 之后通常会有增速和 margin 的正向惊喜。市场倾向于高估重组的混乱、低估重组释放的效率。今天市场上重组的公司从来没有这么多过；发生的变化也从来没有这么大过。投资的角度可以说是"遍地可能 candidates"，但目前还没见到让人眼前一亮的真正 AI 原生架构。
Meta 推 50:1 的工程师-管理者比例，一年之内重组了无数次：把 AI 从联邦化架构整合进 MSL。成立 Meta Compute 集中算力规划。组织重心彻底迁移。
Nadella 说 22 万员工是"AI 竞赛中的巨大劣势"。18 个月三次 AI 相关重组。砍中层和职能，统一 Copilot 架构，合并内部模型开发。微软的 employee cost 大约 550-650 亿美元一年，当 AI 让每个人的产出提升哪怕 50%。最近一次是 2026 年 3 月统一 Copilot 架构，合并内部"超级智能"模型开发，提拔年轻的高管负责 Copilot，动作不可谓不大。
Shopify 去年一年八位高管纷纷（被）离职，总法律顾问升 COO。产品围绕商户数据和 AI 结账重构。从地理维度切到垂直行业维度——这本身就是一个信号：当 AI 让你能更深地理解每个垂直行业的独特需求时，按地理划分就不再是最优的信息路由方式。
Apple 不止有 Cook 的退休，更是大举砍掉了 AIML 整个大 org，把 Siri 移到 Federighi 的软件工程组织下。AI 领导层向 iOS/macOS 交付团队汇报。设计重新锚定到硬件工程。Apple 的信号最明确：AI 是交付工具，不是探索性研究。是巨大的 reorg。
共同模式：系统性压缩信息路由层。但坦率讲，这些还是大厂在痛苦地从第一阶段向第二阶段挪。真正的 AI-native 组织可能还不存在。
组织的边界在模糊
到目前为止的讨论都在"公司内部怎么重组"的框架里。但 AI 的冲击不止于此——AI 不止影响内部，还影响组织和外部的沟通。
当 AI agent 可以自动发现服务、比较选项、完成交易、处理支付——"公司"和"用户"之间的翻译成本也在坍缩。过去你需要销售、客服、marketing 来跟用户做翻译——解释价值、处理疑问、完成转化。Agent 时代，这些环节大部分被自动化。
这意味着组织设计的边界延伸了。不只是内部结构的问题，还有：你的服务能不能被 agent 发现和调用？你在 agent 的 discovery 层排第几？这些问题会变得跟"你在 Google 搜索排第几"一样重要——甚至更重要，因为 agent 不只展示选项，它直接替用户完成交易，conversion rate 是搜索广告的数倍。
护城河的迁移
过去十年，竞争优势的核心叙事是执行速度——谁能更快把更好的产品交付到用户手中。
现在护城河从执行速度迁移到学习速度——组织能多快吸收 AI 带来的新可能性，围绕它重构自己。
绝大多数公司在做的事是用 AI 让现有结构跑快一点。有价值，但没触及根本。真正拉开差距的问题是：如果今天从零开始，知道 AI 能做什么，你会怎么建这家公司？答案不会是"现有组织 + AI 工具"。
答案是一个我们还没见过的形状——个体是长程的，组织是短程的，能力是原子化的，信息路由是自动的，产品是涌现的。到达那里的路径不是一次性的重组，而是持续地问同一个问题：这个环节还需要人做翻译吗？如果不需要了，我们为什么还保留着它？
