AI原生組織的解剖結構

在AI原生組織中，傳統的三層架構正在經歷根本性變革。過去，公司由上至下分為三層：頂層負責“為什麼”——定義公司使命、市場選擇和戰略時機；中層負責“什麼”——決定構建什麼、釋出什麼、捨棄什麼；底層則是龐大的“怎麼做”群體，包括工程師、專案經理、技術負責人等，他們將決策轉化為程式碼和釋出。這種結構中的大部分工作實質是翻譯——將商業意圖轉化為產品規格、JIRA工單、程式碼分支、部署和釋出說明。整個行業圍繞提高這一翻譯管道的效率而建立了各種框架，如敏捷、SAFe和Spotify模式。

然而，AI的崛起改變了這一格局。AI並未針對特定職位，而是盯上了翻譯這類任務。如果你的工作主要是將定義明確的輸入轉換為輸出——如自然語言轉SQL、需求轉程式碼、工單轉PR——那麼你的任務已被大幅壓縮。無論頭銜如何，翻譯任務變得廉價。與此同時，翻譯管道的兩端——定義“為什麼”和“什麼”——的重要性空前提高。因為執行錯誤戰略的成本降至近乎為零，更多錯誤戰略將更快、更自信地推出，這要求更精準的判斷力。

位於翻譯層中間的工程管理者面臨特別挑戰。許多管理者的工作本質上就是協調翻譯：主持站會、解除工單阻塞、跨團隊協調優先順序、撰寫狀態更新、將工程進展翻譯成商業語言。隨著翻譯層收縮，這些工作的正當性正在消失。過去一年出現了兩種模式：一是拒絕承認變化，默默維護那些讓自身角色可見的儀式；二是主動轉變，重新開始編寫程式碼、設計或定義。管理者必須證明自己的貢獻，而非僅僅協調。那些只為最佳化翻譯管道而忘記底層實際工作的人最令人擔憂。

新的團隊形態逐漸清晰：定義“為什麼”的小團隊基本不變；定義“什麼”的團隊比以前更大，但不再是傳統的產品經理——他們需要具備分清好壞的能力，每天做出數十個小決策；執行“怎麼做”的團隊顯著縮小，但留下的成員從事最困難的工作：架構設計、信任系統、效能最佳化，以及構建AI不能獨立處理的核心程式碼和評估套件。而智慧體本身承擔了大部分轉換工作。

對於招聘而言，關鍵是要接受未來團隊規模將縮小。放棄基於2018年技術職級描述的數崗位描述，尋找能定義框架、堅持質量並設計AI可安全執行系統的工程師。同時，多招“什麼”人才——不是工單工廠的產品經理，而是能把握論題、在模糊情境中定義優劣並親自操作智慧體的人。

對於工程師個人，不要與AI在翻譯上競爭，而應承擔AI無法完成的工作：定義“正確”的含義、構建框架、保持判斷力、為智慧體無法負責的結果承擔責任。中間層是當前危險地帶，但留下的工作比離開的更有趣、更有價值。定義“為什麼”和“什麼”比主持站會更令人滿足，設計框架比批准工單更有回報。這與樂觀宣傳無關，而是當你剝離翻譯層後所顯露的現實。

組織架構圖最終被重新繪製：為什麼層保持不變，什麼層擴大，怎麼做層縮小但變得更難，管理類要麼貢獻要麼消失，智慧體在框架內完成轉換工作。這不是裁員計劃，而是工作本質的演進。