这次 reorg 没写到的那一层

步子迈得不小

昨天，我所在的大公司里有一个组织宣布了 reorg。这个组织有几千人，规模还是挺大的。这次 reorg 的主要目标是压缩中层管理者：之前的 M3 变成 M2，M2 变成 M1，很多 M1 转成 IC，去做具体的执行。大背景是 AI 转型，大公司，尤其是我们这种高科技公司，都在想怎么转。

管理层很清楚转型的必要性和紧迫性。之前一直犹豫的，是步子怎么走、朝哪个方向走、迈大一点还是迈小一点。to B 的大型服务一旦搞不好，就会产生很大的问题。这次的步子显然迈得不小。

文字没写到的那一层

这次调整名义上针对的是中层管理者，也就是 M2 和 M1。改革落下去的地方，却在文字没有写到的 IC 层。AI 时代，执行已经不再稀缺。有经验的 M1 自己用 AI Agents 介入执行之后，原来在 IC 岗上、只会执行而没有想法的人，对组织来说会被迅速淘汰。这是这次组织架构调整最没有写到、但改革目标指向的地方。

组织架构的用途

在 AI 之前的经典时代，人类发明了组织架构。它的唯一作用，是把领导层的意志传达下去并执行。过去几十年，这套模式在现代企业管理中一直运行良好。很多公司靠着一套体系架构做到了极大规模，业绩也很好。

AI 这次革命和以往的技术革命不同的地方在于，没人走过这条路。领导层足够敏锐，也足够焦虑，但针对自己的公司和领域到底应该放大什么目标，他们自己也不知道。一旦目标选错，这套组织架构会毫不犹豫地放大这个错误的方向。这是 AI 转型难的原因，所以我也建议大家观察我们公司的这次改革。

阳谋

我个人非常认同这次改革，甚至觉得它非常有魄力。身处这次改革中心的人，包括我们自己，处在一个阳谋当中。不管你主动还是被动，你都要改、都要动，因为环境变了，你不动，别人在动。这个阳谋没有破解办法。

这类组织架构调整或者利益关系的变化，结果得放到半年、一年以后再看。任何组织都有优胜劣汰，每半年会有一次绩效评定。评定的标准一般是 peer review，也就是同级评定，拿一个人跟职级差不多的人去比。这套机制决定了接下来会发生什么。

peer review 之下

考虑一下那些之前有经验的 M1。他们原先处在发号施令的位置，一旦有 AI 帮他们执行，转头去跟之前的 IC 竞争，之前的 IC 毫无胜算。当然，很多中层管理者过去做的是上传下达，并不会调度 AI Agent。

这对他们来说并不难。凭他们的经验，用 AI Agent 做执行，再判断做得好不好，大部分人转型不会遇到太多问题。现在的 AI 越来越强，正好接得住他们的需求。早期用 AI 需要很多技巧，现在完全不需要，他们的管理经验和判断力足够接得住。

对很多 M1 来说，这也是一个机会。他们做了很多年上传下达，离亲手做东西已经很远了。现在 AI 能接住执行，他们可以回到自己动手做事的位置上。经验和判断力都还在，只是换了一种用法。

这批人里，如果有人不积极主动地用，在同样的 peer review 里也会被迅速淘汰。所以整个转型中，不管你在什么层级，都会感觉到狼来了。会有一批更有经验、更有活下去意愿的人来跟你竞争，整个团队的竞争会变得更加激烈。这应该会是一个常态。

1% 和 99%

关于软件行业的终局，很多人已经开始考虑那个比例问题，就是到底有多少人能剩下来。我个人觉得这个比例可能在 1%，最后 100 个人里只剩下 1 个。这个人可能会拿到 10 倍的工资。

被淘汰的 99% 并不会消失，他们会发生转化。如果冷静地分析，他们会转化为两部分。一部分是 Token：现在的开发成本由 Token 成本和人力成本加在一起构成，被淘汰的人的工资会转化为 Token，给剩下那 1% 的人用。另一部分是知识，这是组织之前遗留资产的唯一价值。

被挤出来的 IC 也有出路，但每一条都不轻松。能赢下竞争的，留下来。赢不下的，可以往下一层走，去一家业务相近、规模更小或者技术没那么领先的公司，在那里接着竞争。他带着在这里学会的用 AI 的方式过去，那家公司 90% 的人又会被淘汰。淘汰就这样沿着金字塔一层一层往下传。

再往下，还可以去传统企业做 AI+，把在这里学到的东西用到另一类业务里。还有一条是转行，离开软件行业。这几条路都能走，但没有一条能绕开竞争，只是换一个地方接着比。

蒸馏

还有一个问题，这次组织架构调整没有解决，团队里也一直在讨论：怎么衡量输入和产出，以及两者之间的比例。输入比较简单，基本跟钱有关，就是用了多少资源，包括人力工资开支，也包括 Token 开支。产出则很难界定。在 AI 时代之前，我们可以靠代码量、靠 PR 数量去界定，到了 AI 时代，这些数字已经不能评估产出了。这件事今天不展开，我只想提一个观点：组织不可避免地会走向蒸馏。

在竞争之下，会有很多伙伴离开我们的组织。他们走了之后，一部分信息也随之流失。对组织来说，最后剩下 1% 的人是可以的。可如果之前积累的经验也随之消失，这种损失就是永久的，再也回不来。

对 to B 领域来说，数据对 AI 依然很关键。to B 领域的数据都是私域数据，AI 在公开领域获取不到，也没法直接训练。我设想的是，最终每个组织都可能有自己的 AI、自己的 model，学习公司内部的私有信息，并以它作为业务运行的基准。这个“大脑”需要蒸馏之前员工留下的信息。

所以被淘汰的 99%，他们剩余价值的另一部分，就体现为给这个大脑留下的东西，也就是蒸馏出来的信息。这件事可能很快就会发生，而且避无可避。听起来很残酷，但从利益关系和目前的趋势推导，它大概率会发生。对公司和科技行业来说，这是好事；对人来说，就是坏事。到那时，蒸馏可能会变成一种绩效工具，要求这些人把自己的想法蒸馏出来，以 skill 或者知识库的形式输入给这个“大脑”。这是人被淘汰之前会发生的一步。

在组织里，这件事没办法对抗。地位本来就不对等，而且这又是一个阳谋。你不去提供这些数据，别人也会提供，最后反而显得你更没有价值。

狼群

之前大家还可以抱团。组织架构调整之后，已经没办法抱团了，所有人都变成了狼群。之前的牧羊人，现在跟你一起抢眼前的草坪，你不去抢，就直接被饿死。以前所有的技术革命都非常残酷，这次也不例外。

历史是由胜利者书写的。在这样的公司环境、这样的行业、这个时代里，我觉得自处的方式没有别的办法，只能不断地卷。这是阳谋，没有办法，也没有出路。卷着用 AI，卷着成为调度 AI 的人。被 AI 挤掉的执行层和被蒸馏成原料的人，都在另一边。

《史记·魏世家》里有一句话：「抱薪救火，薪不尽，火不灭。」让出执行，交出经验，都换不来安稳。只要还有东西可以让，这场竞争就不会停下来。

十个人留一个

有一个简单的评估方式。如果你认同我刚才说的比例，可以先从 90% 开始算，也就是 10 个人里留下 1 个，这样比较好算。你可以往周围看看，这 10 个人是谁。只要确保比剩下 9 个人强，你可能就还能看到明年的太阳。