AI 进公司的三种位置：OpenAI 挂出的长文说人人升为管理者，而中层正在被拆掉
OpenAI 官网挂出的《The future of the firm》把 AI 在组织图上的位置分成三种：本篇核出它全篇没有一组数据，最反常的「管理者先被替掉」至今没有企业级检验，而入口岗与中层这两侧的数据，指向与它措辞相反的方向。
OpenAI 官网挂出的这篇长文说，AI 会从每个人下面进来，人人升成管理者；而几家大公司在过去一年里做的事，是减掉中层，入口岗那一侧的数据也在往下走。
北京时间 10 月 28 日 18 点，OpenAI 发布长文《The future of the firm》，作者 Hemanth Asirvatham 与 Elliott Mokski。1
这是 Intelligence Age 平台的第三篇，也是两位作者「下一个经济」系列的第二篇。2
这个平台 2026 年 8 月 20 日上线，自我介绍写着它用来容纳探讨 AGI 未来的独立声音。3
文首那段作者说明，用的是与系列第一篇同一个模板：
Authors' note: This is the second essay in our series on the next economy, part of a new platform to host independent voices exploring an AGI future. It reflects our views, not those of OpenAI or our colleagues.
（作者说明：这是「下一个经济」系列的第二篇，属于一个容纳独立声音、探讨 AGI 未来的新平台。它反映的是我们的看法，不是 OpenAI 或我们同事的看法。）
一句话说清它是什么：六千二百词，没有一组实测数据，把 AI 在组织里的位置拆成三种，给每一步配一个人物，再对四个问题各下一个判断。
01 这篇长文是谁发的
它是挂在大公司官网上的一次个人论证，署名两个人，文首那句说明就是它的边界。
系列第一篇讲的是「执行能力才是瓶颈」，这一篇换了题目，讲 AI 落进组织图的哪一层。1
作者是谁，文章自己交代了两句。
开篇第一段写：「The two of us were twenty-four when we started managing our own teams here at OpenAI.」
（我们两个在 24 岁那年开始在 OpenAI 带自己的团队。）
紧接着是句玩笑：见过我们的团队之后，这件事就没那么了不起了。
第一作者的身份在 OpenAI 自己的站上可核。OpenAI Forum 的活动页把他写成 OpenAI 的经济学家，小传写明他在经济研究团队。4
他与第二作者 Mokski、哈佛经济学家 Andrei Shleifer 合著过 NBER 工作论文 34834。5
文章没有编辑署名，也没有致谢。
官方也没有推它。
发布 16 小时内，X 上转发与点赞最多的一条来自 OpenAI 的一位设计师，25 个赞、3 次转发。8
英文侧能查到的最早一篇第三方文本，是一份通讯里的一段话；没有主流媒体在当天成文。9
Hacker News 收的是前一天 a16z 那篇同题文章，不是这篇。10
把这几件事放在一起，这个文本的性质就清楚了：一次公开发言。
02 三种位置：在下面、在旁边、在中间
三种位置真正的差别，是汇报关系。
第一种叫「在下面」（The Promoting）。
原文写：「Everyone keeps their seat, and a new basement of AI labor grows underneath. We all become managers.」
（每个人都留在原位，脚底下长出一层 AI 劳动力。我们都变成管理者。）
先是一人一两个智能体，像需要盯着的实习生；后来智能体之间开始互相同步，出现管人的 AI 和干活的 AI。你的工位变成一家小公司，你是它的董事会。
第二种叫「在旁边」（The Interleaving）。
智能体不当下属，插进现有团队，像同事一样接手一块工作。
与第一种不同，这一次把活交出去的是现成的管理者。管理者交出来的是一整块职能，所以模型得能独立顶起一个岗位，而不是补一件任务。
第三种叫「在中间」（The Layering）。
人是上面，人也是下面，AI 夹在中间：它协调、监视、把高管的意图往下压，也把下面冒出来的贡献往上送。
三个位置各配了一个人：会计 Jace 在下面，家具公司的副总裁 Sheila 在旁边，CEO Asha 在中间。
文章自己先划了边界：
None of these scenarios will play out exactly as we describe, but we think aspects of all three will come true.
（三种情形都不会照我们写的发生，但我们认为三种成分都会出现。）
三张图最值得看的是连线方向：同一批节点，谁向谁汇报，决定了它是下属、同事，还是夹层。
支撑整篇的是一个反向关系。
AI that can handle bigger scope is harder to build. But for firms—and this is the central asymmetry of the whole transition—bigger scope is easier to adopt.
（能管更大范围的 AI 更难造；但对公司来说——这是整场转变的中心不对称——范围越大越好采纳。）
理由在另一句里：「Firms learn technology; labor learns the firm.」
（公司得去学技术；劳动力会自己学会怎么在这家公司里有用地干活。）
它举的例子是电子表格：软件没有把自己装进会计部，是会计部围着软件改了自己。
反过来，一个实习生、一个员工、一支好团队，会自己琢磨怎么对你有用。
这条不对称要分两步看，否则会读出两个相反的结论。
眼下模型只够干一部分任务，所以先上手的是最熟悉这份工作的一线员工；等它能端到端做完一整块职能，高管就可以直接采买。文章的说法是「more capable AI is more adoptable」。
所以采纳的起点取决于模型到了哪一步：局部能干，就从工位开始；整块能干，就从高管办公室开始。
03 最反常的一注：梯子可能从顶上烧起
文章赌管理者的活可能先被替掉，而这一注到今天还没有一次真实企业里的检验。
常识是自动化从下往上爬：先替表格和幻灯片，最后才轮到判断，管理者是最后的堡垒。
文章反过来推。
管理者的活大多在电脑里、在脑子里：读、开会、权衡、记住上下文、拍板。
一线的活哪怕全是脑力，也还要动手、动设备、动文件。原文那句是：被派去复印机的是实习生，不是他老板。
还有一层：管理的成败模糊、周期长，本来就难教。
文章承认自己的盲区：「Our evaluations abound for execution-focused cognitive labor, but few capture large-scale orchestration at the scope of managers and execs.」
（测执行型脑力劳动的评测我们有很多，能测到管理者和高管那一级的大规模编排的很少。）
然后它给出这句：
It is still worth considering that today's models may actually be closer in capability to human managers than ground-level workers.
（值得考虑的是：今天的模型可能离人类管理者更近，而不是离一线员工更近。）
这句话能核一部分。核出来的东西两面都有。
一面是模拟里的管理。
2026 年 8 月的 FM-Bench 让模型经营一家足球俱乐部 20 个赛季：26 个工具、约 340 到 400 个决策点，选秀、交易、合同、设施投资、排兵，向一个能解雇它的董事会负责，最后由确定性引擎算总分，没有 LLM 评委。11
15 个前沿模型全部跑完整个周期，脚本化的盲基线多数中途崩溃。
最刺眼的是榜底：最好的首次游玩人类排在最后一名，所有模型都在他前面。
论文自己的解释是「What separates the models is managerial behavior rather than computation」——把模型区分开的是管理行为，不是算力。11
另一面是企业里的协作。
2026 年 5 月的 EntCollabBench 造了一个权限隔离的组织：11 个角色化智能体、6 个部门，任务分「改系统状态」和「按政策做决定」两类，评分看执行轨迹与数据库状态，不看模型自述。12
结论是现有模型「still struggle with end-to-end enterprise collaboration, especially in delegation, context transfer, parameter grounding, workflow closure, and decision commitment」。12
（在端到端的企业协作上仍在挣扎，尤其是委派、上下文传递、参数落地、流程收口和决定承诺。）
这五项里，除参数落地外，其余四项都是中层每天做的事。
真实企业里的随机对照实验，到 10 月底还没有。
能查到最接近的一次是 2019 年一家服务企业在外呼中心用「算法主管」替掉人类主管：22 万通电话，前后各三个月。
结果是接起并处理的来电量降 15.80%，满意客户数升 14.91%，用数量换了质量。13
那是规则型的实时指标反馈，不是 2026 年的生成式模型，不能外推。
所以这一节只能这样收：文章最反常的一注，既没有被企业层面的证据支持，也没有被排除；现有的只是模拟里赢过新手、协作里还不会拍板。
04 它说入口岗会消失，并把这叫「特权」
这是全篇唯一有外部数据可查的预测，而结构这一侧的数据，与它的措辞方向相反。
文章的推理是这样的。
如果 AI 从每人下面进来，公司就不再有最低的一级，至少对人来说不再有。原文：
There would no longer be a lowest rung, at least not for humans.
学徒制、从杂活里学本事、熬资历，这些通道会一起消失。
文章承认这是实打实的代价，然后给了判断：「These are genuine costs, but we mostly see this as a privilege.」
（这些是实打实的代价，但我们更多把它看成一种特权。）
理由是：最嫩的员工也能拿到资源去试，「我们没人手」这个最老的借口正在失效。
文章还解释了它为什么不等于裁员：会计团队没缩，因为公司整体产出变大、要记的账也变多了。
外面这几年攒下的数据，给出的图景是分裂的。
| 研究 | 口径与窗口 | 结论 |
|---|---|---|
| Stanford「Canaries」2026 修订版 | ADP 薪酬数据，22–25 岁、AI 高暴露职业，数据到 2026-06 | 就业水平比「与低暴露同龄人同步增长」本该达到的低 19%；资深员工无同类缺口14 |
| Harvard 资历偏向研究 | Revelio Labs 简历与职位数据，约 28.5 万家企业、2015–2025 | 采用 GenAI 的企业，初级岗六个季度后相对下降约 9%；机制是少招，不是裁15 |
| Yale Budget Lab 2025-10 | CPS 职业构成与暴露度指标 | 「整体劳动力市场没有可辨识的扰动」16 |
| Yale Budget Lab 2026-05 | 合成双重差分 | 就业与实质时薪的影响「接近零，统计上与零无法区分」17 |
| NBER 35796 | CPS，2026 年 6–8 月应届大学毕业生 | 失业率「没有飙升」，相对年长者、无学位青年也不显著18 |
| BLS 青年就业报告 | 16–24 岁，2026 年 7 月 | 失业率 9.1%，低于 2025 年同月的 10.8%19 |
总量与结构这两组数字不冲突，因为它们量的不是一个东西。
BLS 量总量：16 到 24 岁所有在找工作的人。餐饮零售这类低暴露行业在扩，把总量撑住了。
Canaries 量结构：同样 22 到 25 岁，在 AI 高暴露职业里的就业水平，比同龄低暴露者本该达到的低 19%。14
论文自己也退了一步：加严固定效应后，这条下降「只从 2024 年开始」显著。14
把这六行放在一起，能说的只有一句：多数测量在总量上找不到位移，在结构上已经找得到。
它们用的也不是同一套数据，这决定了各自能看见什么。
Canaries 用的是 ADP 的薪酬流水，覆盖拿工资的人，看不见自雇与零工。
Harvard 那篇用的是 Revelio 的简历与职位数据，偏白领、偏会用 LinkedIn 的人。
两个 Yale 与 NBER 35796 用的是 CPS 抽样调查，靠受访者自报，样本大但颗粒粗。
BLS 是官方统计，口径最稳，也最慢，且只到年龄分组这一级。
所以它们的分歧，一部分来自经济本身，一部分来自镜头。
最硬的一条结构证据，来自一家自己就是极端样本的公司。
Anthropic 经济团队 10 月 16 日把自家公司当样本发了一份研究：技术部门的初级员工占比，从 2025 年初的 21% 降到 14%；初级技术岗的招聘占比，从 27% 降到 9%。20
同一份研究里还有一句，正好是这篇文章第一种位置的现实版：「At Anthropic, humans are a thin layer atop a growing contingent of AI agents.」
（在 Anthropic，人类是叠在一大群 AI 智能体上面的薄薄一层。）
这份研究比 OpenAI 这篇早 12 天发布。
口径要说清：这是公司自选样本、自己发布、自己解读，17 人访谈加内部数据，不能当总体统计。
但它量的恰好是「AI 用得最深的公司里，入口岗发生了什么」，也就是这篇文章推演的那一格。
所以这一段能带走两层：方向可能对，代价已经出现；而文章把代价写成「特权」，是一个立场，不是结论。
05 中层是多一层，还是少一层
文章给中层安排的是多一层 AI；公司这一侧的动作，是少一层人。
文章对第三种位置有一句自我限定，容易被引用时漏掉：「It won't be a true 'manager' of lower-level employees, but rather an in-house correspondent and advisor to executives.」
（它不会是下级员工的真正管理者，而是高管身边的一位内部通讯员兼顾问。）
所以这篇文章说的并不是 AI 取代中层，而是在高管与公司之间多出一层 AI。它自己也指出，后果是集权：
We see this shortening the distance between C-suite and the company proper.
（我们看到它在缩短高管层与公司本体之间的距离。）
公司这一侧的动作，方向是少一层。
Amazon 2025 年 10 月减了约 1.4 万个企业岗，官方理由是「further reducing bureaucracy, removing layers」。21
Business Insider 拿到的内部拆解显示，当周收到通知的约 7,500 名美国员工里，78% 以上是 L5 到 L7 级管理者。22
这 7,500 人不等于全球 1.4 万人，Amazon 也没有披露全球口径下的管理者占比。
这条线比 AI 叙事更早。2024 年 9 月，Jassy 就要求各团队在 2025 年一季度末之前，把个人贡献者对管理者的比例提高至少 15%。23
Google 人事分析副总裁 2025 年 8 月在全员会上说，带三个以下下属的管理者比一年前少了 35%，其中不少人转成个人贡献者。24
Microsoft 2026 年 10 月向约 6 万人、约四分之一员工提供自愿离职，官方叙事是「fewer layers of management」；同一篇报道写明，Microsoft 说自己并不是在用 AI 智能体替代员工。25
Coinbase 的公开信写得更直白：CEO 与 COO 之下最多五层，管理者要能亲自干活——「No pure managers」，还要带 15 个以上的直接下属。26
Meta 出现过反向动作：2026 年 9 月的重组里，它请一部分人回去当管理者。27
学界与咨询业的说法也偏向「少一层」。
哈佛商学院 2026 年 5 月的工作论文把 AI 对矩阵结构的作用拆成三件：减少纵向与横向的协调点（变平）、把职能知识装进工具（变窄）、把可编码的活移给智能体（筛掉）。
它给的替代形态是「稳定的上下文层」加「临时学习团队」，而不是在层级里插一层 AI。28
所谓上下文层，是把判断所需的知识沉淀进工具，让人不必靠一层层转述才知道该怎么做。
麦肯锡 2026 年那篇的小标题，直接把组织图换成编排图：「Operating model: From org chart to orchestration chart」。29
智谱创始人唐杰 2026 年 6 月 29 日在微博上把管理排到了最后一位：AI 时代的顺序是「认知 > 格局 > 技术 > 管理」。
他给的理由是「天天端到端、天天扁平、天天去中层」——组织被压平，中层被去掉。30
「the future of the firm」这个词组，纳德拉 6 月 14 日就用在博客里，比这篇早四个半月。他的答案不是组织图，是学习回路：人力资本加上「token 资本」，两者互相推动、一起复利。31
他还有一句正好相反：「human capital does not become less valuable as token capital grows. It only becomes more valuable!」
（人力资本不会因为 token 资本增长而贬值，只会更值钱。）
而「人人变管理者」这个说法，微软 2025 年的工作趋势报告里有一整节，标题就叫「Every employee becomes an agent boss」（每个员工都变成智能体的老板）。32
a16z 在 OpenAI 发文前一天也写了一次：「the decline of managerialism may look more like everyone becoming a manager」。10
同一个问题，三种答案：多一层 AI（这篇长文）、少一层人（公司动作、唐杰、哈佛那篇）、一起复利（纳德拉）。
三种里，在公司层面最看不到实例的是「多一层 AI」。
06 四个问题，能核的只有一个
四个判断都能复述，但只有入口岗那一条能被外部数据检验，其余三条目前只能算立场。
流程会不会更多？文章主张「少瞄准、多开火」：原型变便宜，就先做再看，少开评审会。它自己也补了一句：同一套技术同样能给公司加上更多流程。
员工自主权升还是降？它押升：AI 给所有人好建议，判断力差距缩小，管理者不必管那么细。风险是 AI 顾问也能更彻底地执行 CEO 的偏好。
公司会变小还是变大？它说两头都来：小公司更多，同时出现「AI 控股公司」——用厂房、机器人队这类共同资产，把许多项目装进一家企业。
薪酬差距会缩小还是拉大？它给了两个方向，收口是「取决于我们主要在提供判断，还是在听从判断」。
外部能与「采纳很容易」这条相抵的，是两份调查。
麦肯锡 2026 年那篇：80% 的受访者说 AI 提升了自己的效率，只有 37% 说看到正向的息税前利润影响。29
微软把这件事命名为「转型悖论」：员工已经准备好重做工作，指标、激励与规范还在维护旧方式。
这份报告称，组织因素对 AI 影响的解释力是个人因素的两倍以上。33
但「在下面」这一层确实铺开了，只是带着监督。
微软 7 月披露 M365 Copilot 付费席位超过 3000 万，内部供应链团队部署了 70 多个专用智能体。34
Salesforce 的 Agentforce 年化收入 2026 年二季度超过 15 亿美元，同比增长 240%。35
ServiceNow 说自己的智能体部署量九个月涨了九倍。36
最贴近「每人手下几个智能体」的一手数字来自 OpenAI 自己：研究组织每 1 个人类工作日，消耗 3.1 个智能体工作日。
OpenAI 那篇研究也写明，成功完成的 4 到 8 小时任务里，超过一半需要一次以上人工介入。37
这几个数放在一起，正好把「在下面」说清楚：有规模，但还不自主。
至于薪酬那一问，目前只有模型，没有数据。
2026 年的一篇经济学论文把 AI 写成「压缩协调成本的资本」，推出的结论不是单向的：管理者的薪酬不平等在资本为正时先升，长期收敛，路径非单调。38
07 这份组织图对谁有用
它把三个位置说清楚了；它没说的是哪一个正在发生。
从这三节能带走的，是四个可观察的指标。
一看入口岗：应届与初级的招聘占比，是在回升还是继续缩。Anthropic 那种「初级占比」，在一家公司内部就能算出来。
二看管理幅度：个人贡献者对管理者的比例有没有继续抬。Amazon 定的 15% 是个公开刻度。
三看人机工时比：每 1 个人类工作日对应多少智能体工作日。OpenAI 给的 3.1 是目前唯一公开的一手值。
四看预算权：谁在批钱。文章说 AI 顾问让高管离业务更近，可观察的后果是审批上移，不是下移。
四条都指向同一件事：采纳走到了哪一步，看组织里少的是哪一层。
文章对这些代价说得最轻。
入口岗的消失被写成特权，中层的处境被写成「高管身边多一层顾问」，采纳的摩擦被写成一句「公司要去学技术」。
现实给的画面更粗：中层在被减掉，入口岗在被少招，智能体在铺开但还要人盯着。
它画对了位置，画轻了代价：三种安排里，任何一种都不会自动把每个人升成管理者。
References
- 1The future of the firm · OpenAI
openai.com
- 2Intelligence Age sitemap · OpenAI
openai.com
- 3Introducing Intelligence Age · OpenAI
openai.com
- 4OpenAI Forum 活动页 · OpenAI
forum.openai.com
- 5GPT as a Measurement Tool · NBER
nber.org
- 6@OpenAI · X
x.com
- 7@sama · X
x.com
- 8
- 9UncoverAI · 2026-10-28
uncoverai.co
- 10
- 11FM-Bench · arXiv 2608.18423
arxiv.org
- 12EntCollabBench · arXiv 2605.08761
arxiv.org
- 13Algorithmic Supervisor and Employee Performance · SAGE
journals.sagepub.com
- 14Canaries in the Coal Mine? · Stanford Digital Economy Lab\
digitaleconomy.stanford.edu
- 15
- 16Evaluating the Impact of AI on the Labor Market · Yale Budget Lab\
budgetlab.yale.edu
- 17
- 18
- 19
- 20How employment is changing at Anthropic · Anthropic
anthropic.com
- 21An update from SVP Beth Galetti · Amazon
aboutamazon.com
- 22
- 23Message from CEO Andy Jassy · Amazon
aboutamazon.com
- 24
- 25
- 26Building a leaner and faster Coinbase · Coinbase
coinbase.com
- 27
- 28
- 29
- 30@唐杰THU 微博 2026-06-29
weibo.com
- 31A frontier without an ecosystem is not stable · Satya Nadella
snscratchpad.com
- 322025: The year the Frontier Firm is born · Microsoft
microsoft.com
- 332026 Work Trend Index · Microsoft
microsoft.com
- 34
- 35Salesforce Delivers Record Second Quarter Fiscal 2027 Results
investor.salesforce.com
- 36ServiceNow Reports Second Quarter 2026 Financial Results
newsroom.servicenow.com
- 37
- 38
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.