少数人的特权还是多数人的可能：AI让公司再平衡

AI 时代创业哲学 · 13

AI正在颠覆传统的组织架构。过去企业通过设计复杂的流程来提高效率、管理人性。

而AI的出现将工作流彻底推向了"以合规为前提，以结果为中心"的新阶段。海量的"螺丝钉"和"看门人"岗位逐渐消失，例如马斯克接手后的X(原Twitter)，员工从约8000人锐减至1500人。国内一些头部大厂开始收缩独立前端岗位，鼓励后端工程师利用AI工具成为全栈开发者。AI并非简单地优化流程，而更像是一个流程的"破坏者"。所谓的"AI for Process"，不过是在拿着锤子找钉子而已。

AI带来的不仅是工具的替换，而是一场深刻的再平衡：

• 分工纵向合并: 个人被要求具备系统化的全局能力。
• 劳动让渡: 标准化的重复劳动交给大模型，人类需要将时间投入到能积累成资产的事情上。
• 规则重塑: 平台与合规重新定义了游戏规则，如谁能接入、如何计价、如何使用等。

这种再平衡正在制造巨大的鸿沟。一些人因为失去了"螺丝钉"岗位而再无新机会；而另一些人因为掌握了模型或数据资产，实力不断增强，甚至能拿到上亿美金的年薪。

真正的分水岭，不在于会不会使用AI，而在于人如何与工具和制度进行深度连接。

哲学解析

1. 尼采：主人意志与奴隶意志

尼采在《道德谱系学》中区分了两种价值取向：主人意志和奴隶意志。主人意志是自我立法、主动创造的，而奴隶意志则以怨恨为底色，被动地将他人的标准内化为束缚。在AI时代主人定义问题、设定评判标准，然后用模型和流程放大既定的价值；而奴隶则沉迷于"追热点、抄提示"，将考核和算法视为主人，越优化越同质化。

在企业中"主人意志"对应的是口径与标准的制定权、评测与发布的节奏权、平台与数据的接口权。反之"奴隶意志"的典型画像就是"牛马团队"：围着热点和临时需求打转，被KPI驱动拼命内卷，随波逐流，最终被模型和平台牵着鼻子走，被同质化替代。

2. 阿伦特：从劳动到行动的位阶迁移

汉娜·阿伦特在《人的境况》中将人的实践分为三个层次：劳动、工作和行动。

• 劳动：为维持生命而进行的循环性活动，是人的生物性存在。
• 工作：制造具有持久性的人工物，是人的世界建构者。
• 行动：人与人之间通过言行建立关系、展现自我的实践，是人的政治性存在。

如今，我们看到AI正在吞并劳动，并部分替代工作。幸运的是，AI目前对行动还无能为力。明智的企业正在将人从"劳动层"拔高到"行动层"，同时在"工作层"沉淀可复用的制度和平台。如果只是用AI优化旧流程，最终只会得到"更快的旧错误"。

3. 福柯：工具是权力的装置，还是行动的杠杆？

福柯在《规训与惩罚》中指出，工具是权力的装置。指标、监控、档案和评分体系本质上是规训的机器，通过将人暴露在可见性之下，从而实现驯化。AI极大地强化了这种能力。但问题在于，同一套工具既可以成为权力的装置将人锁定在考核与监控的网格中，也可以被重塑为行动的杠杆让人用数据、口径和节奏发起新的实践。可见性既是束缚也是放大器，关键在于谁设定标准、谁主导解释。

在企业中，管理者将AI视为权力延伸，用以重新分配资源、设定游戏规则；对执行者来说，AI既是放大器，也是将人训练成围着仪表盘转的零件。但工具不是单向的。当数据变得透明，执行团队可以用"被看见"来争取话语权，核心部门必须接受问责。关键不在于工具本身，而在于我们能否将"被看见"转化为行动的杠杆，而不是单向的监控。

4. 伊万·伊里奇：共生工具的三条校验

伊里奇(Ivan Illich)在《共生的工具》(Tools for Conviviality)中提出，技术并非天生友善，它可能让人保持主体性，也可能把人驯化为系统的附件。工具的检验标准其实很简单：

• 可控性：人能够直接使用和掌握工具，而不是被庞大的系统所控制。
• 结社性：工具应该促进人与人之间的互动与合作，而不是隔绝或垄断。
• 可改造性/可塑性：工具应当允许用户在合法的边界内修改、重组、组合，而不是封闭、黑箱。

这三条中，只要有一条不成立，工具就不再是为你服务，而是在借你之手巩固它自己的规训。

5. 吉尔伯特·西蒙东：技术个体化和AI Agent

西蒙东在《技术物的存在方式》中认为，技术对象不是固定物，而是会演化的个体；人与技术在个体化过程中互为条件。如果工具只是被简单调用，它依然是外在的机械。但一旦被置入人的问题结构中，它就会经历二次个体化，成为一个新的"个体"。

在企业中，真正的高手会把AI工具塑造成组织的有机组成部分，成为AI Agent。这些Agent不再是一次性工具，而是长期的员工、合伙人甚至是资产。它们能被迁移到不同项目继续工作，与人类同事分担责任，甚至能成为部门间的接口。它们既是效率的来源，也是权力的来源。谁能塑造并管理这样的技术个体，谁就握住了公司再平衡中的主动权。

AI对公司的再平衡：从部门到个人

AI的渗透正在改变企业的重心分布，从部门到组织，再到不同层次的员工，都在经历"劳动层收缩、工作层沉淀、行动层上移"的再平衡。对组织外的普通人，也有类似的影响。

部门层面

• 研发：代码生成和测试自动化大幅压缩了劳动层，产品经理和研发人员被推向全栈化，从事端到端的开发工作。
• 运营：AI Agent接管工单分发，自动推进工作。团队转而聚焦于增长设计、跨部门协作和资产留存。
• 风控合规：AI处理基础的核查和条款比对，人力则负责原则设定、灰色区域裁量以及对外沟通的"可解释报告"。
• 人力资源：AI对初筛、排程与绩效数据汇总自动化分析，HR的价值转向业务支持、组织设计、能力与企业文化叙事。

组织层面

• 岗位结构：从"人海执行"转为"少量中高级人才 + 平台工具"，初级岗位收缩，治理与标准的话语权上收。
• 管理重心：从"流程"转为"边界与标准"，以SLA(服务水平协议)、审核和审计来衡量价值。
• 个人绩效：从"工作量"转向"结果质量、资产积累和影响力"。再也没有"没有功劳也有苦劳"，苦劳都由机器完成。

这里多重复一句，如果只用AI工具来加速旧流程，而不在"工作/行动"沉淀与提升，公司最终只会更快收获"旧错误"。

不同层次员工的应对方法

• 基层执行者：要把日常重复性工作沉淀成可复用的模板和脚本，让AI晚一点替代自己。
• 中层管理与专业骨干：学习利用AI将工作流程平台化、标准化，并通过数据、评测和接口设计掌握话语权，获得决策者的认可。
• 高层与核心岗位：重点在于将工具转化为行动的杠杆，设定边界、制定规则、分配资源，利用AI结果进行对外叙事、对内治理，推动跨部门协同与战略落地。

不同人群的应对

• 平台零工者：把高频任务固化为习惯压缩"响应时间"，将省出的精力用于流程复盘和技能提升，用效率换取收入。
• 线下资源持有者：将合同、合规、售后等隐性信任环节，打包成AI增强服务额外收费，把不可见的价值转化为可量化的资产。
• 研究型专业人士：别再写长篇报告，而是去开发评估标准、创建基准测试集，将提供结论模板作为核心服务与知识资产。
• 学生与转行者：不要纠结于某个AI工具，而是选一个细分领域，建立高质量的数据资产，以此来证明你的能力并获得议价权。

AI对公司的再平衡，是将"少数人的特权"从那些单纯掌握资源的人手中，转移给那些能定义问题、塑造工具、治理制度的人。多数人的机会，取决于组织是否允许更多团队上移到"工作层"与"行动层"，将资产与证据链做厚做稳。

当人、工具与制度被正确连接，企业得到的不是"更快的旧流程"，而是"可复用、可审计、可迁移"的新能力版图。

本文提到的一些哲学家和科幻作家。