公司多了一层地下室

一句话　两个二十四岁的人开始管团队，部下是机器。三种摆法都已在发生，多出来的那一层，账还没人填。

一、两个二十四岁的人#

我见过的组织图都印在 A4 纸上，横着印，竖着能压三排名字。最上面一个方块，往下分叉，叉到第三排就停了，再往下是空的，因为底下没人可管。

原文讲的是一件小事。写这篇文章的两个人在 OpenAI 带团队，都是二十四岁。按老规矩，这个岁数的人在会上做记录、写备忘录，熬上几年枯燥的活，才轮到一个可以自己做主的范围。他们没熬，直接有了部下，还不止一个，这些部下日夜上班，周末也不休。

二十四岁本身不稀奇。稀奇的是这一跳过了两级，一头一脚之间空出来的地方，谁也没说该放什么。

原文把 AI 的位置摆了三种，我做了一张简图放在下面。第一种在人底下，人人有一层地下室。第二种在人旁边，像同事一样跟人一起向经理汇报。第三种在人中间，上面是人，下面也是人，AI 在夹层里做协调。

这三种说法我都听过，区别在这一次讨论的是汇报关系，谁向谁交周报，谁在谁的评审会上签字。这个区别不小。汇报关系一动，办公室里的椅子就要重新摆一遍。

二、多出来的那层地下室#

第一种最不吓人。人还坐在原岗，汇报关系一条没改，唯一的变化是每张工位底下多出一层。原文管这层叫地下室。

地下室刚建成的时候，里面是一两个智能体，像刚来的实习生，写邮件、起草备忘录、随时回一句消息。实习生是要看着的，出错要骂，骂完要教。后来里面有了管理者、会计、律师，你不再带实习生，你在董事会里，它是一家小公司。

原文举了个会计，叫 Jace。他不用再一格一格翻电子表格，那些事由他手下的智能体翻。他现在做的活更像几年前他上司的活，而他上司又有了更大的范围。会计团队没有缩编，因为别的部门产出更高，要算的账反而更多。

原文给这笔账配了一句漂亮话，大意是 AI 接走你九成的工作，剩下那一成会被放大十倍。这句我抄在本子上，抄完又算了一遍。

九成乘十，是九份整活，比我今天干的还多。乘号两头只要有一头虚，等号后面就是空的。原文自己也留了余地，说岗位会变贵，产出高了目标也会跟着涨，但前提是需求真的跟着涨，人也还能为生产添点什么。它举了个反例，说我们拥有的东西多了很多，工作时间只少了一点。这个反例我信，我身边的人买到的东西是三十年前的三倍，闲下来的时间大概只多了半小时。

我不打算给这笔账判死刑，只想在账本边上加一栏。这一栏写的是交接。九成的活被接走以后，你得告诉接手的那一层九成的活是怎么干的。这件事在后一节。

三、插在中间当同事#

第二种比第一种体面。AI 不在地下室，在工位上，和人对面坐着，向同一个经理汇报。

原文的例子是一位家具公司的副总裁，叫 Sheila。她管过销售管过设计，没管过广告。她给了一支 AI 营销团队一笔预算，让它们卖一张新沙发。这支队伍自己分工，有的去访谈销售，有的去工厂确认能不能按时交货，剩下的拍样稿。稿子在自己人之间流转，不必过她的手。周一她收到一份方案，还附带一个问题，照片里那张沙发的蓝，是不是太蓝了。这种细节她自己看不出来。

我读这段时先想到的是行李。原文说一个岗位像一只装满任务的箱子，团队那只箱子塞得更满。箱子越好装满，越难替你装满，因为团队里哪怕只有一件活需要动手，就得给整支队伍配上手脚。

原文说，范围越大，越难做，反而越好用。难做的是建造，好用说的是采用。一把窄工具要全公司学它，一支能干整摊活的队伍只要老板点一下头。

原文在这一节还泼了一盆冷水，这盆我认。它说经济产量几乎全部来自组织，一个人单干能产出的东西少得可怜。拿「一个员工」当尺子去量机器，是把自己看轻了。要够用，就得够得上一群人。

这一句顺带把上一节那张图也改了。如果 AI 只是每张桌子旁边多一把椅子，公司里会多出成千上万个接口，每个接口都要有人盯。所以更可能的形状，是几支整建制的队伍一起进来，而不是一把椅子一把椅子地搬。

四、夹在中间的那一层#

第三种最难咽。人、AI、人，AI 夹在中间，有人得向它汇报。

原文的例子是一位 CEO，叫 Asha。AI 顾问提醒她，正要发布的产品有问题。查下去，是销售答应了一个工程没有做的功能。证据是 Slack 里的日常讨论，没有人写报告，甚至没有人察觉两边说的是两件事。顾问还发现一个在家办公的工程师，没人要求就先搭了底子，于是提醒她给这个人记一功。

这一段我信一半。信的一半是查资料这件事它确实干得了，把几百个频道和文档读一遍，找出那一条对不上的承诺，这活人干起来要两个通宵。不信的一半是这段太顺了，顺得像案例教学，现实里的误会往往不在文件里，在两个人见面点了一下头，谁也没记。

更有意思的是价钱。咨询公司站在企业头顶收钱已经几十年了，按小时计价，进门先做三十页幻灯片。AI 顾问便宜到可以不问价，可以一直在。顾问的聪明还是那点聪明，变的是价钱。价钱一降，它就变成了自来水。

自来水有个后果，原文说得很直白，权力往顶上走。过去信息不通，中层有中层的道理，离现场近的人做决定更快；现在看全局的成本几乎是零，决定就往上收。

原文再往前推一步，自动化的顺序可能从顶上开始。我们习惯想，机器先接走底层的活，判断留给人。可管理者的活大半在屏幕上，读、开会、权衡、做决定；底层反而常常要动手，被派去操作复印机的是实习生，不是他的老板。梯子从上面开始烧，这个画面在原文里配了一张图，一张嘴叼着骨头的手搭在最高的横档上。我看完把书合上了一会儿。

五、四笔账#

原文最后开了四笔账，一笔也没结。我照着抄一遍，把它的话和我的话分开写。

第一笔是繁文缛节。过去每次动手都贵，所以要瞄得准，规划周期、路线评审、审批委员会全是为瞄得准设的。做的成本压下来以后，原文主张少瞄准、多开火，先原型，再观察，再改方向。它顺着这条线往下推，说请示的成本比动手还高的时候，中间那层经理就没有存在的理由了。我信前半段，后半段要打问号，因为请示这件活要的往往是有人签字，正确倒在其次。

第二笔是自主权。原文说顶尖顾问人人都有，决策水平的差距缩小，老板就少了插手的理由。它自己又补了一句反面，同一套东西也能让老板把自己的口味推得更远，连锁餐厅要统一菜单，批量买料省钱，顾客也少踩雷。结论它给得挺乐观，说员工的范围会变大，只是要守的约束更清楚。我同意范围变大，约束更清楚这件事我保留看法。

第三笔是规模。它从科斯 1937 年那篇《企业的性质》讲起，问企业为什么要把生产放进自己的院子。一半答案是省交易成本，另一半是能把激励摆平，飞机公司买下发动机公司，是为了不让对方在合同没写的地方省钱凑合。AI 当了协调层，沟通成本往下掉，院子可以扩大，也可以缩小，原文两边都给了理由。这句我佩服，它没有硬凑一个答案。

第四笔是薪酬。人人都有同一个好顾问，差距应当缩小；人人的部下都被放大十倍，判断力的差价就摊在工资单上。两股力量对着拉，原文没有判谁赢，只留下一句问话，我们到底是在做判断，还是在照判断做。

六、我自己算的这笔账#

上面全是别人的账，我算自己的。

我这辈子只记过两种数，一种是工分，一种是排班。看到「多一层地下室」，我先想到的是排班表上多出来的一栏，那一栏该写谁的名字。

交接是要花钱的，只是这笔钱从来不入账。你把手上的活交给别人，要交代背景、交代来龙去脉、交代哪些词不能乱用。一件事讲一遍大概五分钟，写下来大概两百字。一个人一天交接三次，三个人就是九次，四十五分钟，外加一千八百字。这个数是我估的，第七节标了示意，你要换成自己的数，只需数一天。

一天四十五分钟不算多。一年算下来是两个星期，每天都在发生，不在任何一张报表上。

原文其实知道这件事。它说把模型放在每个员工旁边，公司里会多出成千上万个衔接和交接，这种零敲碎打的配置可能拖慢采用。它把这个当作效率问题，我把它当作记账问题。效率问题可以等技术变好，记账问题得有人先肯记。

还有一笔代价，原文自己承认了，我照抄。最底下那一级台阶要给机器，学徒就少了一条路。过去一个年轻人是在做杂活的时候学会这门行当的，现在杂活被接走了，他得从「有判断力」开始，可判断力不是从天上掉下来的。原文说这些代价确实存在，但总体上这是一种特权，二十四岁也能有资源去做一个想做的游戏。

前半句我同意，后半句我不打算跟着鼓掌。特权的另一面是门槛，二十四岁有资源的人，多半是本来就有资源的人。

七、数字与出处#

这张表里没有一个数是我自己测的，除了最后一行。最后一行也不硬，它是个可以当场核的数，你明天数一天就有一份自己的。

八、如果非要给几条建议#

一、把组织图重新画一遍，画到自己那一层为止。在每一层旁边写一个数字，说明这一层底下压着几个人。半小时能画完。

二、每周记一次交接账。谁把活交给谁，讲了几分钟，写了几行。一个月四个星期，你会看出哪一段最堵。

三、给新人留一条自己能走的台阶。留一两个真活给他，哪怕慢三倍。杂活被机器接走以后，这条台阶得有人手工搭。

四、顾问给的证据要能点开。点不开的当意见听，别当结论用。

我明天早上要做的事很小。把抽屉里那张 A4 组织图翻出来，在每一层旁边写上一个数字，写完压在台灯下面。灯是旧的，开关有点松，得按两下才亮。

参考#

• OpenAI《The Future of the Firm》，2026｜https://openai.com/index/the-future-of-the-firm/
• 中文版原文｜https://openai.com/zh-Hans-CN/index/the-future-of-the-firm/
• Ronald Coase，《The Nature of the Firm》，1937｜https://onlinelibrary.wiley.com/doi/10.1111/j.1468-0335.1937.tb00002.x
• MIT ShapingWork，岗位自动化的历史｜https://shapingwork.mit.edu/research/why-are-there-still-so-many-jobs-the-history-and-future-of-workplace-automation/
• Our World in Data，人均产出与年工时｜https://ourworldindata.org/grapher/annual-working-hours-per-worker
• 英文版同名文章｜/icorer_blog/en/posts/essay/future-of-the-firm/?lang=en