第八章 · AI 能当经理吗

这次变量是真的，问题是有多大

前面三章把扁平化的旧账翻了一遍，全是坏消息。现在是时候给「这次不一样」这一派一个正面机会了。因为这次确实有一个历史上所有扁平实验都没有的变量：AI。

1970 年弗里曼写檄文的时候，取消层级意味着信息处理立刻没人干。今天不一样了：协调工作里有一大块，机器真的能干。问题只剩下一个：到底哪一块？

回到第二章的解剖台。中层的活是三件：压缩、翻译、缓冲。逐件检验 AI 接得住多少。

压缩：AI 已经接走了大半

压缩是信息密集、判断稀疏的活：把三十条进度汇报收成三句话，把两小时会议收成五行纪要，把一周的代码提交收成一段「本周做了什么」。这正是大语言模型的主场——它不吃不睡，读完所有聊天记录，几秒钟出一份摘要。

五年前，一个百人公司的 CEO 要知道「下面在发生什么」，必须依赖一层层人肉汇报；今天，他可以让 AI 直接读全部原始信息流，随时问任何问题。这是「管理幅度」第一次出现技术性突破——第二章说过，一个人有效管理的下属是 5 到 10 个，瓶颈是带宽；当信息的预压缩由机器完成，同一个大脑的带宽等于被扩了容。

所以「扁平化的成本被 AI 永久改写」这个判断，在压缩这一项上，成立。

翻译：能译词，译不了利害

翻译这件活，表面上看 AI 也擅长——把技术语言改写成商业语言，正是文本转换，大模型的看家本领。但回第二章看一眼翻译的真正难点：不是「把词说通」，是让一个外行在三分钟内理解一件他永远不会亲手做的事为什么不能砍。

这件事的核心不是语言转换，是建立利害关系。一个好的技术经理说服老板投钱重构数据库，靠的不是把技术讲得多明白——老板永远不可能真明白——靠的是老板信他：「这个人过去三次说『不这么做会出事』，三次都应验了。」翻译的底层货币是信用记录，是这个人用历史判断攒下的可信余额。

AI 能生成完美措辞，但它没有信用记录可以抵押——更准确地说，它的信用无法独立于「使用它的人」存在。当老板说「AI 也建议重构」，他信的是 AI 吗？不，他最终信的还是那个把 AI 结论递上来、并愿意为之背书的人。背书这个动作，无法外包给不需要承担后果的系统。

缓冲：几乎接不住

缓冲是三件活里 AI 最接不住的，因为它的工作介质根本不是信息，是关系和后果。

拆开看缓冲的日常：拦住老板的拍脑袋，需要在「执行」和「抗命」之间做政治判断，赌上自己的位置；安抚想离职的核心员工，需要共情、需要承诺、需要为承诺负责；处理两个人的冲突，需要双方都相信裁决者不偏不倚且会长期在场。

这些事的共同点：它们要求一个能承担后果的主体。「被开除的风险」「信用的抵押」「长期在场所积累的信任」——这些是缓冲器的弹簧材料。AI 没有被开除的风险，没有可以输光的信用，也不会在三年后还在场。你可以让 AI 帮你写那封安抚邮件，但「写信的人在乎我」这个信息本身，无法由 AI 送达。

那么方程改了没有

改了，但没改完。诚实的结论是：

• 压缩被接管了——这让最优管理幅度变大，「适度的扁平」比以前可行得多，原来需要四层的可能两层就够。这是真实红利。
• 翻译被削弱了但没被替代——AI 让翻译更便宜，但背书环节仍需要一个用信用抵押的人。
• 缓冲几乎原样——政治判断、激励、问责，仍然必须长在能被追责的人身上。

所以「AI 公司不需要经理」的准确版本是：AI 公司需要的经理更少了，但需要的「承担后果的人」一个没少。层级可以变薄，不能归零——因为归零之后，压缩有 AI 干，缓冲没人干，组织会在情绪和政治上裸奔。

有意思的是，这个「能接管一半」的故事，历史上已经预演过一次了——不是用 AI，而是用别的制度发明。那些实验交过的学费，是下一章的内容。