这篇随笔出自 OpenAI 两位年轻作者，讨论 AI 进入企业之后，公司组织会怎么变。开头声明这是他们个人观点，不代表 OpenAI。他们二十多岁就开始带团队，没有爬过传统职级阶梯，却发现管理层级下沉到了自己这一级：手底下已经有 AI“员工”在承担初级工作。文章用三个场景来推演未来组织形态，并认为三者都会以某种方式同时发生。

第一个场景是 AI 在人类之下。原有岗位不动，每个员工底下多出一层 AI 劳动力，所有人都变成管理者；随着模型变强，个人手下的 agent 会相互协作，形成一个小型公司，本人则像董事会。会计 Jace 不再点表格，而是做沟通、协调、创意，工作更有挑战。作者强调这个场景不必然带来裁员：AI 自动化的是过去的自己，人被推向更高的管理职责。如果 AI 能做原来工作的九成，剩下的未必是清闲，而可能是负责一个十倍大的目标。代价是入门级学徒岗位可能消失，但年轻员工也能直接获得资源去试错，而不是从端茶倒水做起。

第二个场景是 AI 并列在人身旁。传统管理者把一部分工作交给模型，像交给团队成员一样。家具公司 VP Sheila 把广告投放交给 AI 营销团队，AI 再拆分给子 agent 完成访谈、工厂协调、问卷和视觉原型，最后只让她审批。这里的关键是范围阶梯：AI 从任务到岗位、到团队、到公司逐步扩大能力。范围越大越难做，但对企业反而越好采用：一个能端到端跑完整个职能的 AI 可以直接被高管接走，窄工具却需要全员重新培训。作者强调，劳动的特点是能自己上手——好的实习生会主动了解上下文；AI 越接近这种“劳动力”而非“工具”，公司越不需要学它。所以用“单人岗位”衡量 AGI 是不够的，经济级 AGI 要达到团队和组织的标准。这个场景并不必然减少总就业，可能是更多公司、每家更少人头。

第三个场景是 AI 进入管理层级中间：人在上、人在下，AI 居中。CEO Asha 收到 AI 咨询层的提示：销售承诺了工程没在做的功能，证据来自 Slack；AI 还注意到远程工程师 Sarah 先做了有用基础设施，并让 CEO 公开嘉奖她。作者认为管理层工作未必是最后被自动化的：管理大量发生在电脑和头脑里，而地面工作反而更依赖物理世界。今天的模型在管理能力上也许比我们以为的更接近人类管理者。更自然的版本是顾问化：高管让 ChatGPT 读全公司的 Slack、文档和代码，AI 咨询可以极便宜且永远在线。这个场景的结构效应是集权，缩短最高层和公司之间的距离。AI 监控若能真正理解工作，也可能增加信任，让公司更愿意放权、接受远程和外包；但作者提醒，任何新的监控都不能轻率实施。

文章最后回答四个问题。关于繁文缛节：过去执行太昂贵，所以公司花大量精力做规划；AI 把“建造”的成本压到接近原型制作，公司应该少瞄准、多开火，先做原型再快速重定向。关于员工自主权：如果 AI 给所有人同样好的建议，上下级的决策质量差距缩小，管理者没理由过多干预；但 AI 咨询也可以更严格执行 CEO 的意志，作者倾向认为净效应是员工获得更多自主权。关于公司规模：科斯式问题依然成立。AI 既能让大公司像小型创业公司那样被 CEO 看清楚，也能让外包和合同更容易被监督，所以可能同时出现更多小公司和庞大的 AI“控股公司”。关于薪资差距：人人都有好建议时薪酬会被压平；但判断力、品味和管辖范围会让差异放大。关键在于我们最终是提供判断，还是听从判断。