洞察
AI原生企业与中层管理的消失
新一代公司在构建时已经抛弃了组织的中层，而几乎没有人去追问中层曾经在做什么。
今年的一篇哈佛商学院工作论文（26-090，“AI-Native Firms”）对2020年至2024年Y Combinator的孵化项目以及美国风险投资支持的初创企业进行了分类，并将其与团队规模、职能和资历的劳动力数据联系起来。与同行业、同批次的非AI初创公司相比，AI原生企业的规模约小25%。其层级结构大约扁平了半个资历级别。他们的管理者数量减少了约15%——入门级员工也减少了约15%。估值则基本相当。
前三个发现正受到欢呼，第四个却被忽视了。
劳动力数据中也出现了与之呼应的信号。美国人口普查局的一篇工作论文（CES-26-27，2026年4月）利用匹配的雇主-雇员行政记录发现，在受AI影响最大的行业-州细分领域中，对22至24岁年轻人的招聘出现了直接且持续的下滑：在受影响最严重的五分位数中，早期职业员工的就业人数在ChatGPT发布后的十个季度内下降了约12%，而受影响较小的行业则保持平稳。
两组独立的数据集，呈现出相同的形态。组织正在同时失去它的底层和中层。
在这里我想谨慎一点，因为显而易见的解读往往是错的。这并非一个关于年轻人失业的故事，而是一个关于无人记录的职能的故事。
层级结构从来不仅是一种协作工具
它也是一个制造过程。
初级岗位是组织产出判断力的方式。不是通过培训项目——而是通过亲身经历。你在监督下把小决策做砸，然后由资深人士向你解释为什么它们很糟糕。中层管理就是这种解释发生的地方。被所有人描述为官僚主义开销的这一层级，在无声之中，正是人们学习哪些问题值得解决、多少不确定性属于正常、何时需要向上升级，以及从内部看一个好决策究竟是什么感觉的地方。
没有人对这部分进行过成本核算。它是为其他原因而建立的结构所产生的副产品，正因如此，人们在将其移除时，甚至不会注意到自己已经把它移除了。
因此，对于一家AI原生企业而言，真正坦诚的问题不是“我们能做到多扁平？”，而是：判断力现在究竟从何而来？
三种答案正在成形，而其中只有一个
第一种是买过来。只招聘资深人员。只要市场上还存在经验判断力的存量——由这些公司正在击败的、更老且多层级的组织所产出的存量——这种方法就管用。这是提取，而非生产。
第二种是假设工具能够提供判断力。它们不能。模型提供的是流利度、选项和草稿。判断力是出于你能辩护的理由而去拒绝一个看似合理的答案的能力。这是由后果培养出来的，而不是由获取途径赋予的。
第三种是刻意构建发展职能，既然它已经不再是免费的。这意味着必须明确规定：一个人在入职第一年必须独立做出哪些决策，谁来审查其背后的推理而非最终产出，以及组织愿意让员工付出多大可承受的代价去犯错。在只有三个资历级别而非五个级别的公司中，这一点必须经过精心设计。它不会自己从组织架构图中掉出来，因为组织架构图已经不够复杂，容不下它自然流出了。
我发现这是摆在我们面前最有趣的设计问题。扁平化并不是错误。扁平化总体上是好的——减少了传达那些不再需要传达的信息的人。错误在于将我们删除的层级视为纯粹的成本，而它们的一部分成本实际上正是产出下一代有能力做出实质贡献的人才。
每一个在抹去中层的组织都在对判断力的来源进行一场押注。大多数组织甚至没有意识到自己正在下注。