内容来源：笔记侠 ( Notesman ) 。

责编  |   贾宁  排版  | 沐言

第 9673  篇深度好文：6144| 17 分钟阅读

AI 天演论

笔记君说：

用了 AI，员工干活快了，但公司做决定的方式没变。汇报层级还在，信息还要层层转述，文件越来越多，拍板速度未必更快。

工具升级了，组织还是原来的组织。

Notion 联合创始人 Ivan Zhao 把软件与大模型称为 " 组织里的钢 "，钢结构出现后，建筑才有机会突破砖石的高度限制。

Notion 成立于 2013 年，是一款全能型效率软件，在全世界拥有超过 1 亿用户，世界 500 强有一半都在用，年度经常性收入已经突破 6 亿美元。

他把过去两年 Notion 的内部调整称为 Refounding（重建），在同一家公司里再创业一次。这个过程触及了几个很尖锐的问题：

信息不用层层搬运之后，中间那些人还有什么用？

经验正在贬值，公司该为什么样的人才买单？

哪些工作可以即兴，哪些必须按流程走？

成熟公司怎么在不停掉旧业务的前提下重建自己？

AI 越来越强，人类组织里什么东西反而越来越贵？

今天这篇文章，我们把这些事彻底聊透，希望对你有所启发。

一、AI 替换的不是岗位，

而是旧的信息管道

Ivan 把传统知识型公司的很多工作概括为 " 推纸 "，就是在各个岗位之间传输文件，推着纸走。

一线员工把情况整理成文档，主管压缩成周报，部门负责人提炼成几页幻灯片，再由高管带进会议。

决策形成后，同一条链路反向运行：战略拆成目标，目标拆成任务，再经过几层解释传给执行者。

这些环节里有管理，也有必要的协调。但其中相当一部分时间，花在了收集、压缩、转述和分发信息上。

过去只能这么做，因为高管不可能阅读所有客户反馈，组织也只能靠层级过滤信息。

代价是什么？信息会在过滤中损耗。信息每经过一次转述，就更整齐，也更远离现场。坏消息可能被修饰，客户一句带着情绪的抱怨，最终只剩报表里一个轻微波动的数字。

AI 让公司有机会换一种做法。它可以阅读会议记录、客户反馈和内部文档，帮人找到相关背景，也能把分散信息整理成初步判断。在规则明确的节点，一些小决定甚至不必再层层上报。

这就是 " 组织里的钢 " 落到现实里的样子：信息不必再沿着原来的楼梯逐层搬运。

Notion 对市场部门的调整提供了一个具体案例 :

他们把市场工作拆成两部分。一部分是靠近产品的内容组，负责内容、创意、社区和外部叙事。另一部分是靠近销售的获客组，负责需求和线索。

旧结构里，产品变化需要先传给营销负责人，再由营销负责人分配给内容、品牌（即内容组）和增长团队（获客组）。

他们的新结构是让内容团队靠近产品，让获客团队靠近销售，减少中间往返。

调整背后的逻辑很直接：既然信息可以更快抵达需要它的人，为什么还要设置一个职位充当交换机？

我不太认同把它概括成 " 中间层正在被 AI 取代 "。这个标题很抓人，却把两件事混在了一起。

Ivan 的原话里，没有说所有中层管理者都会消失。他明确说：组织不会变成完全扁平的网络。责任、信任、资源分配和法律义务都需要明确归属，AI 不会让这些问题凭空消失。

更准确地说，压力会先落到那些不作独立判断、主要负责转发信息的岗位上。

如果一位管理者每天主要在收集下属进度，再整理给上级，AI 确实能接手 TA 的不少工作。可如果他熟悉业务背景，能发现团队没看到的风险，也能在冲突里做取舍，还愿意对结果负责，那就不同了，这种价值不会轻易消失。

管理者得重新回答一个问题：如果大家都能看到足够的信息，我还能提供什么？

答案大概不再是 " 我知道得更多 "，而是面对同样的材料，能否作出更好的取舍，并承担后果。

这已经不只是裁不裁员的问题。管理权威过去有一部分来自信息差，以后更多要靠判断和责任来建立。

二、能力变便宜之后，

人才价值会被重新定价

组织结构变化之后，招聘标准也不会保持原样。Ivan 在访谈里给了一个人才公式：

人才价值 = 能力 × 品味 × 主动性。

他在公司里用乘法，是因为任何一项太弱都会拖累结果。

比如一个人执行力很强，却不知道什么值得做，或者一直等别人推动，在变化快的环境里依然很难独当一面。

又比如，知识型公司长期偏爱经验，工作年限、任职公司和项目规模都很容易放进表格里，经验通常也意味着更熟悉流程、更少犯错。

但现在，这部分优势正在缩水。

一个刚毕业的工程师可以借助编码 Agent（智能体，下同）阅读陌生代码、搭建原型、补充测试；产品经理可以自己制作可交互页面，设计师也能跨过一部分技术门槛，把想法做成可以体验的东西。

写作、分析、编程的入门线正在下降，经验当然还有用，只是不能再单独构成优势。

Notion 由此形成了一种 " 杠铃型 " 组合。

一端是年轻、能量高、愿意动手的人；

另一端是能提供架构判断和方向的资深人才。

年轻人缺少经验，却更愿意使用新工具，可以带着多个 Agent 快速试错。

顶级资深人才则能识别局部效率背后的系统风险，为多个人和多个 Agent 提供统一方向。麻烦最大的是只有熟练度，却没有独立判断的资深人员。

过去，把成熟流程执行得比别人更稳，就能在组织里找到明确位置。

现在，AI 可以快速学习流程，还能低成本地同时跑多个版本。经验如果没有长成品味、架构能力或客户洞察，就容易停留在一套正在贬值的操作方法上。

这也是 Ivan 反复谈 " 品味 " 的原因。这里说的不是视觉审美，而是识别重要问题的能力。你能不能看出一个产品只是能用，还是足够好？能不能在十个说得通的方向里选出一个？

AI 可以生成大量答案，也能模仿过去的优秀作品。可一家公司想成为什么、愿意承担什么风险，还是得由人决定。

人的主动性也会拉开差距。AI 能缩短从想法到结果的距离，却不会让一个习惯等待指令的人突然开始寻找问题。相反，原本就主动的人，现在可能独立完成过去需要一个小团队才能做完的工作。

Notion 调整了招聘方式，他们不再先看简历，而是让候选人做出一个东西，再提交作品链接。作品会暴露很多简历无法证明的信息。这个人选择了什么问题？完成到什么程度？怎样使用工具？遇到模糊处时，又作出了什么决定？

这种面试方式比简历麻烦，但它更接近公司真正想知道的事：这个人拿到工具以后，究竟能做出什么。

传统招聘先写岗位说明书，再找最匹配的人。AI native（AI 原生，下同）团队更想找能拥有完整问题的人。

AI 时代受影响最大的，未必是某个年龄段，更可能是有 " 我只负责这一小段 " 的工作习惯的人。成本下降后，公司自然会偏爱那些能穿过职能边界、把问题带到终点的人。

三、产品需要爵士乐，

财务仍要行军

人才变了，工作方式也必须跟着变。

Ivan 用 " 爵士乐队 " 描述 Notion 想要的组织。爵士乐有节拍、和声和主题。乐手要有训练，也要听得见别人，但不会在演出前写死每一个音符。这个比喻放在 AI 产品开发上很贴切。

Ivan 还做了另一个比喻：

传统软件像造桥，设计和材料确定后，工程可以拆成稳定步骤。

AI 产品更像酿造工艺，底层能力会持续变化。同一套提示和工作流，模型升级以后，表现可能就不一样。团队无法只靠一张半年期路线图管理这种变化。

团队需要更短的反馈周期，让设计、工程和产品一起试验。先观察模型在真实环境中的行为，再决定下一步。

如果岗位之间隔着漫长的交接流程，市场和技术可能已经变化，团队却还在讨论上一个版本的需求文档。所以，最接近问题的人需要有现场判断权，不能每次都等上面给出完整指令。

不过 " 爵士乐模式 " 很容易被说得太浪漫。没有共同目标、足够强的人和及时反馈，所谓即兴很可能只是各干各的。Notion 给这个比喻加了一条很实在的限制：产品可以爵士，财务仍然要行军。

产品面对快速变化，需要给足探索留空间；财务管的是现金、成本和生存边界，必须稳定、可预测，也更保守。两边没法用同一种节奏管理。

研发和产品可能每周都要调整，安全、合规、财务和关键基础设施仍然离不开严格流程。管理者要划清的是：哪里允许即兴，哪里必须按流程做事。

使用大模型的成本也体现了这种现实。很多 AI 公司习惯把最强模型用于所有任务，仿佛模型越强，产品就一定越好。

但知识工作的差异很大，复杂战略分析可能需要强模型，整理内部工单、查找制度或生成常规摘要，就没必要花同样的钱。

一旦 AI 变成基础设施，选择用什么大模型就成了经营问题。公司得根据任务的风险、难度和价值作选择，没必要让每一次小请求都消耗最高成本。

AI native 也不等于凡事都用最先进的技术。模型能力、工作节奏和成本账要一起算。

所有人都要知道，眼前哪场仗必须赢。一家公司往往同时需要爵士和行军，只是要用在不同地方。

四、成熟公司转向 AI，

必须先让自己重新变软

初创公司可以从一张白纸开始。成熟公司的麻烦，是纸上已经写满了过去验证过的答案。

产品有稳定客户，部门有年度目标，管理者有清晰边界，流程也曾帮助公司取得成功。

任何剧烈改变都会碰到现实阻力：收入不能停，客户不能丢，团队也不可能全部推倒重来。这些答案曾经有效，所以格外难改。

Notion 经历过两次接近 " 重新创办 " 的转折。

第一次发生在早期。产品多年找不到真正的市场契合，钱也快用完了。Ivan 和联合创始人 Simon Last 裁掉团队，搬到京都，只剩两个人重新构建产品。

两个人重新回到最基础的问题：用户究竟需要什么工具，他们又为什么非做这件事不可。

第二次重启更难。

当 Ivan 提前体验 GPT-4 时，Notion 已经是一家拥有数百名员工的成熟 SaaS 公司。他把那次体验形容为 " 宗教体验 "。

在他看来，知识工作的入口可能要变了，Notion 如果只增加几个 AI 功能，迟早会被挤到边缘。

可这种笃定没有立刻换来成功产品。Notion 在 Agent 方向摸索了一年半，试过自建模型、微调，也试过不同产品路径，都没有马上跑通。

基础模型继续进步后，相关产品才出现增长迹象。这段低谷给他们泼了一盆冷水：CEO 宣布 " 全面拥抱 AI"，只代表方向变了，产品和组织不会自动跟上。

对成熟公司来说，再创业更像一边维持旧业务，一边允许一部分人重新进入未知。

Ivan 建议：创始人要亲自使用模型、亲自做东西、亲自接触产品，不能只听团队汇报。

这不是因为创始人天然更懂技术，而是新变化刚出现时，还没有一套成熟指标能代替一手感觉。

领导者如果没亲手试过，很容易把 AI 项目交给创新部门，再用旧业务的指标逼它尽快证明回报。项目最后往往只剩几个容易汇报的小功能。

大公司常见的创新困境，恰恰是每个人都在优化自己负责的一段，局部指标越来越漂亮，完整用户体验却没有明显进步。

Notion 通过收购和人才引入，让数十位有创业经历的人继续在公司内部负责完整问题。他们的优势未必是更能吃苦，而是习惯把产品、用户、招人和结果连在一起看。

AI 降低了个人和小团队完成闭环的成本，也给成熟公司一次重划责任范围的机会。与其增加协调会议，不如让更少的人负责更完整的问题，再用 AI 补上执行缺口。

所以，" 重建公司 " 不能简化成裁员，也不是创始人重新独断一切，它更像一次组织体检。

哪些人开始保护自身利益？哪些成功经验已经变成不容讨论的答案？哪些管理层还在作判断，哪些人只是在维护流程？

公司变老的一个迹象，就是越来越难修改自己。

五、AI 越强，

人类组织的几样东西越贵

谈 AI 组织时，人们最爱问 " 什么会消失 "。岗位会不会减少？管理层会不会变薄？

这些问题当然都现实，但只盯着替代，会看漏另一边：有些能力变便宜，就会有别的能力涨价。

AI 能生成方案，也能给出建议，却不会替公司承担失败后果。它更不知道一次决策碰到了组织里的哪段旧伤，也无法独立建立客户对一家公司的信任。

Ivan 提到 " 上下文 " 和 " 品味 "，我认为还要加上责任与意义。

责任解决的是一件很朴素的事：谁来拍板，谁在信息不完整时作选择，结果不好时又该找谁。

意义回答团队为什么愿意长期投入。

公司不只靠任务列表运转，还靠共同叙事和一些固定的仪式感。

Ivan 把公司类比成宗教，把全员会比作礼拜。这个说法可能让人不舒服，但员工确实需要知道，自己手上这些零散工作的意义是什么，这也是创始人很难把全员沟通彻底委托出去的原因。

Ivan 曾尝试让联合创始人和高管承担更多全员沟通，后来又决定亲自主持。他性格内向，英语也并非母语，于是会提前对着语音转文字工具讲出想法，再整理成提词器内容。

这个细节很能说明问题，AI 帮他降低了表达门槛，但站到员工面前的仍然得是 Ivan 本人。

员工当然需要一份说得清楚的战略，但他们也想知道谁相信这件事，谁愿意负责。AI 可以润色语言，但不能代替承诺。Notion 在企业销售上吃过的亏，也说明了这条边界。

Notion 曾试图用第一性原理重做销售，希望在产品驱动增长的基础上建立一种更自动化的模式。后来他们承认，经典企业销售方法能存在多年，自有它的道理。昂贵、复杂的采购，至今仍建立在人与人的信任上。

客户购买产品和服务时，比较的不只是功能，他们还会判断，供应商是否理解自己的处境，出了问题有没有人负责，这段合作能不能经受人员和业务变化？

AI 可以准备材料、分析账户、跟进线索，却没法独自作出一场高风险承诺。

Ivan 最后得出一个结论：每家公司只要在一两个地方做出关键创新。组织设计没必要处处新颖，公司得挑出最值得改的部分，也得承认有些人类习惯没有那么容易被技术改写。

AI 可以改造信息流，也能参与决策，但信任还得慢慢积累，责任也得落到具体的人身上。AI 扩大了个人能力，却不能替公司决定方向，至少在可以预见的时间里，公司仍然要靠这些东西运转。

结语

不要让 AI 只负责加速旧公司

最后，我们来总结一下：

AI 不会消灭管理，但会淘汰 " 人肉路由器 "。

AI 先冲击的不是 " 中层管理者 "，而是那些不做判断、只做转发的岗位。管理者要重新回答一个问题：当所有人都能看到同样的信息，你还能提供什么？答案只剩一个：更好的取舍，以及对结果负责的勇气。

能力变便宜，人才被重新定价。

AI 拉低了写作、编程、分析的入门门槛，经验不再自动等于优势。真正值钱的是三样东西相乘：能力 × 品味 × 主动性。任何一项为零，结果就是零。

分清业务边界，做好模型选择。

AI 产品像酿酒，底层能力会持续变化，团队必须缩短反馈周期，允许现场即兴。但财务、合规、安全仍然需要严格节奏。同时，模型选择也是经营决策，不是每个任务都需要最贵的模型。

成熟公司转型，先让自己重新变软。

最难改的不是技术，是过去验证过的成功经验。创始人必须亲自上手用模型、做产品，不能只听汇报。

AI 越强，信任和责任越贵。

AI 能生成方案，但不能替公司承担失败后果，也无法建立客户信任。站到员工和客户面前的，仍然必须是人。我们的能力可以外包给 AI，承诺不行。

Notion 的答案未必适合每家中国公司，它最值得借鉴的，是把 AI 当成一种组织材料来使用，而不只把它发给员工。

AI native 组织，未必人比原来更少，但只负责搬运信息的人会减少。留下来的人需要更接近问题，能作判断，也能对结果负责。执行会越来越便宜。做什么、为什么做、最后由谁负责，反而更难，也更值钱。

在 AI 席卷一切的今天，这件事更加急迫。所以我们筹备了整整半年，把过去一年跑通的所有 AI 原生落地的认知、案例、实战经验，浓缩成了 3 天的 AI 十倍增长营，6 月 24-26 日在北京开营。

三天里，我们一步一步落地：

第一天搭班子：搞懂什么是真正的 AI 增长团队，每个人亲手做出第一个能干活的业务 Agent；

第二天做诊断：对着真实的业务痛点，画出专属的 AI 行动地图；

第三天练闭环：把所有流程跑通，最后带走一套能直接开干的方案。

这篇文章讲的四件事，三天全覆盖。而且不是光听课，是动手干。

建议你一定要带着核心高管和技术负责人一起来。一个人来，最多是听了个热闹，回去根本推不动；一个班子来，才是真正带一支训练有素的增长战队回家。

同时还有猎豹移动董事长傅盛、知名 CEO 顾问王赛、影刀 RPA 创始人十布领衔，以及云飞、星若这些在森马、蒙牛真正在一线拿过结果的实战导师带队，不讲空的，只讲自己踩过的坑、验证过的方法。

首期我们只开放少量席位，欢迎立即扫码报名，把公司变成 AI 十倍增长组织。

好文阅读推荐：

哈萨比斯最新震撼预言：留给旧世界的时间，不到 2000 天

一年增收近亿、提效 10 倍，这家公司的 AI 落地，做对了什么？

分享、点赞、在看，3 连 3 连！