AI原生组织的解剖结构

在AI原生组织中，传统的三层架构正在经历根本性变革。过去，公司由上至下分为三层：顶层负责“为什么”——定义公司使命、市场选择和战略时机；中层负责“什么”——决定构建什么、发布什么、舍弃什么；底层则是庞大的“怎么做”群体，包括工程师、项目经理、技术负责人等，他们将决策转化为代码和发布。这种结构中的大部分工作实质是翻译——将商业意图转化为产品规格、JIRA工单、代码分支、部署和发布说明。整个行业围绕提高这一翻译管道的效率而建立了各种框架，如敏捷、SAFe和Spotify模式。

然而，AI的崛起改变了这一格局。AI并未针对特定职位，而是盯上了翻译这类任务。如果你的工作主要是将定义明确的输入转换为输出——如自然语言转SQL、需求转代码、工单转PR——那么你的任务已被大幅压缩。无论头衔如何，翻译任务变得廉价。与此同时，翻译管道的两端——定义“为什么”和“什么”——的重要性空前提高。因为执行错误战略的成本降至近乎为零，更多错误战略将更快、更自信地推出，这要求更精准的判断力。

位于翻译层中间的工程管理者面临特别挑战。许多管理者的工作本质上就是协调翻译：主持站会、解除工单阻塞、跨团队协调优先级、撰写状态更新、将工程进展翻译成商业语言。随着翻译层收缩，这些工作的正当性正在消失。过去一年出现了两种模式：一是拒绝承认变化，默默维护那些让自身角色可见的仪式；二是主动转变，重新开始编写代码、设计或定义。管理者必须证明自己的贡献，而非仅仅协调。那些只为优化翻译管道而忘记底层实际工作的人最令人担忧。

新的团队形态逐渐清晰：定义“为什么”的小团队基本不变；定义“什么”的团队比以前更大，但不再是传统的产品经理——他们需要具备分清好坏的能力，每天做出数十个小决策；执行“怎么做”的团队显著缩小，但留下的成员从事最困难的工作：架构设计、信任系统、性能优化，以及构建AI不能独立处理的核心代码和评估套件。而智能体本身承担了大部分转换工作。

对于招聘而言，关键是要接受未来团队规模将缩小。放弃基于2018年技术职级描述的数岗位描述，寻找能定义框架、坚持质量并设计AI可安全运行系统的工程师。同时，多招“什么”人才——不是工单工厂的产品经理，而是能把握论题、在模糊情境中定义优劣并亲自操作智能体的人。

对于工程师个人，不要与AI在翻译上竞争，而应承担AI无法完成的工作：定义“正确”的含义、构建框架、保持判断力、为智能体无法负责的结果承担责任。中间层是当前危险地带，但留下的工作比离开的更有趣、更有价值。定义“为什么”和“什么”比主持站会更令人满足，设计框架比批准工单更有回报。这与乐观宣传无关，而是当你剥离翻译层后所显露的现实。

组织架构图最终被重新绘制：为什么层保持不变，什么层扩大，怎么做层缩小但变得更难，管理类要么贡献要么消失，智能体在框架内完成转换工作。这不是裁员计划，而是工作本质的演进。