AI 时代的个体与组织
我的判断是：AI 把“做”的成本压到了接近零，但人的价值并没有消失，它只是在往上游迁移。
林万劲的AI思考 / 2026.06 / 约 3800 字
最近看了几样东西，方向很不一样。
一边是 Claude Code 团队在聊 AI 原生团队怎么协作，一边是关于 AI 人才培养的讨论，还有一本《重构个体》，再加上一条讲 AI 为什么会把内容越做越同质化的短视频。
刚开始我只是零散地看。
后来我突然意识到，这几样东西其实都在讲同一件事。
AI 把“做”的成本压到了接近零，但人的价值并没有消失，它只是在往上游迁移。
从编码，迁到验证。
从验证，迁到定义问题。
再从定义问题，迁到品味。
如果把这条线看清楚，很多现在关于 AI 的焦虑，都会变得更容易理解。
01
编码之后，验证成为瓶颈
先说第一层。
Claude Code 团队的工程总监 Fiona Fung 提过一句话，我印象很深。她说，瓶颈没有消失，只是转移了。
这句话很重要。
因为过去几十年的软件工程方法，本质上都是围绕一个前提建立的，就是写代码很贵。
工程师时间很贵，编码很贵，改错也很贵，所以才会有那么多流程、规范、评审、文档和协作机制。
很多人以为这些东西是在管理复杂度。
但更准确地说，它们首先是在管理一种高成本的人类执行力。
只是到了 AI 时代，这个前提在变。
尤其在 AI 原生团队里，写代码已经不再是最慢的那个环节了。
代码能很快生成，脚手架能很快搭，很多过去要花大量时间推进的事情，现在几分钟就能起一个雏形。
但这并不代表问题解决了。
只是瓶颈换了地方。
新的瓶颈变成了验证。
这些代码到底对不对，能不能跑，边界条件有没有考虑到，真实业务里会不会出问题，人还能不能跟得上 review 的速度。
也就是说，过去最稀缺的是生产能力。
现在越来越稀缺的是判断能力。
这不是一个小变化。
它几乎会把很多原来的工作方式整个改掉。
就像从马车切换到汽车，不是单纯换了个动力系统，而是连道路规则、驾驶逻辑和事故处理方式都要一起重写。
AI 对组织的影响也是一样。
如果一个团队还在用过去那套“代码最贵”的思维方式来组织协作，很多动作都会越来越别扭。
所以第一层迁移已经很明确了。
编码不再是瓶颈，验证才是。
02
更上游的，是定义问题
但如果继续往上看，你会发现验证也不是终点。
更上游的，其实是定义问题。
关于 AI 人才培养，我最近看到一个判断，我觉得很对。
What 比 How 更重要。
以前大家也会讲这句话，但那个时候它没有今天这么重要。
因为在过去，执行本身是稀缺资源。你知道做什么当然重要，但真正拉开差距的，往往还是谁更能做，谁做得更快，谁更能落地。
所以整个组织的训练重点，长期都放在 How 上。
怎么做，怎么优化，怎么拆解，怎么推进。
但现在情况变了。
当执行这件事越来越便宜，人的价值就会自然往前移。
移到“要做什么”上。
再进一步，移到“为什么做这个，而不是别的”上。
这时候你会发现，很多人并不是不会用 AI。
而是他给 AI 的问题，本身就不成立。
方向错了，执行越强，错得越快。
这也是为什么 Claude Code 团队会说，Taste is scarce, typing is not。
稀缺的是品味，不是打字。
我觉得这句话说得非常准确。
因为它其实点出了一个很根本的变化。
过去一个人的价值，很多时候体现在执行、熟练、勤奋、交付。
这些能力当然还是重要的，但它们正在被快速压缩。
不是不值钱了，而是不再像以前那么稀缺了。
当“做出来”越来越容易，真正拉开差距的，就变成你怎么判断什么值得做，什么是对的，什么虽然也能做，但做了没有意义。
这时候，价值的重心就又往前移了一步。
从定义问题，移到品味。
也就是你对“什么是好的”“什么是对的”“什么值得投入”的判断。
这一层，其实最难。
因为它不能靠熟练度堆出来，也不能靠模板复制出来。
它更像是一种长期积累出来的判断感。
03
从工具使用者，到系统设计者
《重构个体》里有一个框架我很喜欢，叫四级协作阶梯，旁观者、工具使用者、协作伙伴、架构师。
这个框架最有价值的地方，不是把人分层，而是它解释了为什么很多人明明已经在用 AI，却还是会卡住。
因为大多数人停留在“工具使用者”这一层。
他把 AI 当成一个增强效率的工具。
今天让它总结，明天让它润色，后天让它写一段代码。
当然有用。
但这种用法的问题是，它很难沉淀。
换个任务，换个场景，还是重新开始。
原因也不复杂。
因为你的身份定位没有变。
你还是把自己放在执行者的位置上，所以 AI 对你来说只是外挂，不是协作系统的一部分。
但如果你把自己理解成一个系统设计者，很多东西就会完全不一样。
你不再只是想“怎么把这个任务做完”，而是开始想“这个任务该怎么定义”“信息怎么组织”“流程怎么搭”“反馈怎么回来”“哪些工作该交给 AI，哪些必须保留给人”。
这时候，人和 AI 的关系才会从工具使用，慢慢变成真正的协作。
再往上，才谈得上架构。
也就是你不只是用 AI，而是在设计一整套人机共同工作的系统。
这个转变非常重要。
因为它决定了你到底是在做效率优化，还是在做能力迁移。
04
组织也在发生同样的迁移
看到这里，我觉得还可以再往前走一步。
如果这条价值迁移链只讨论个人，其实还不够。
更重要的是，组织也在发生同样的迁移。
而且很多公司真正应该关心的，不是“AI 会不会削弱组织”，而是“AI 会把组织里的哪些变量彻底改写”。
我的判断是，公司最核心的竞争力，依然是组织能力。
这件事没有变。
甚至在 AI 时代，它可能比以前更重要。
因为所有复杂问题，最后还是要靠人解决。
AI 是一个放大器，但它不是经营判断的主体。
它可以放大效率，放大产能，放大信息处理能力，甚至放大一部分洞察。
但它没法替代组织去承担责任，也没法替代一个团队在复杂环境里做最终决策。
所以真正的问题不是，组织还重不重要。
而是组织能力被 AI 改写了哪些变量。
我现在看，至少有三类变量特别关键。
第一类，是工作流的可替代程度。
并不是所有岗位都会被同样程度地影响。有些工作天然更容易被 AI 替代，因为它们主要是标准化执行，是可拆解、可复制、可流程化的。
但也有些工作很难被替代。
比如复杂沟通、临场决策、跨团队协调、业务判断、责任承担，还有对调性和审美的把握。
所以组织接下来一定要重新识别一件事。
哪些岗位主要承担的是执行产出，哪些岗位真正承担的是判断和责任。
这件事看起来像岗位分析，但本质上是组织在重新理解自己的价值结构。
第二类变量，是人的 AI 接受度。
很多人会低估这个变量，以为工具一来，大家自然会用。
不是这样的。
真正会主动拥抱 AI 的人，其实很少。
很多人不是完全抗拒，而是不知道怎么用，不知道从哪里开始，也不知道用了之后会不会把自己原来的价值冲掉。
所以 AI 落地，从来都不是一个纯工具问题。
它首先是一个人的问题。
是认知问题，是心理安全感问题，也是组织氛围问题。
但反过来看，那些真正主动拥抱 AI、愿意拿自己的工作流去试、去改、去沉淀方法的人，大概率就是未来组织里的高价值人才。
因为他们不仅在使用工具，他们其实是在帮助组织提前适应一种新的生产方式。
这类人，组织一定要尽早识别出来。
不只是让他们自己跑得快，而是要让他们带别人跑。
如果内部没有，也得想办法从外部引进。
第三类变量，是中层管理者的探索和整合能力。
说实话，我现在越来越觉得，优秀中层会是 AI 时代最稀缺的组织资产之一。
因为他们刚好处在最复杂的位置上。
上面是目标和压力，下面是人和执行，中间还夹着工具变化、流程重构和认知迁移。
他们不只是带团队，他们还要带 AI，还要带那些暂时不愿意碰 AI 的人。
他们不是简单的执行层，而是把不确定性一步步变成业务结果的人。
很多公司会强调机制的重要性。
这当然没错。
机制、规范、奖惩、架构，这些都重要。
但我的感觉是，机制大概可以把组织托到 60 分或者 70 分。
真要往 90 分以上走，最后还是得靠强中层。
因为复杂问题不会按照制度设计的方式出现。
机制可以提高下限，但解决不了所有高复杂度场景里的判断问题。
最后还是要有人持续校准。
有人站出来拍板。
有人在信息不完整、意见不一致、节奏很混乱的时候，把事情稳住。
这才是真正稀缺的组织能力。
05
真正高级的能力，是可被校准
再往深一点看，我觉得组织能力还不只是内部协作能力。
它还包括一种经常被忽略的东西，就是外部视角和反脆弱反馈。
一个领导者如果身边永远只有正向声音，风险其实非常大。
因为 AI 会放大效率，也会放大偏差。
如果一个组织没有高质量的提醒，没有外部纠偏，没有真实的反对意见，它只会更快地把错误推向更远的地方。
所以我现在越来越觉得，能被高质量的人提醒、纠偏，本身也是一种组织能力。
甚至是一种更高级的组织能力。
因为这意味着你的系统不是封闭的，不是脆的，它是可以被修正、被更新、被重新校准的。
06
AI 不替你回答你是谁
写到这里，我越来越确定一件事。
AI 不是简单地替代人。
它是在重新分配价值。
把大量低判断密度、可标准化、可复制的执行工作释放出去。
同时逼着个人和组织一起往更高判断密度的地方迁移。
对个人来说，这个迁移是从执行，走向验证，走向定义问题，走向品味。
对组织来说，这个迁移是从拼执行效率，走向拼判断质量，走向拼谁更能识别人、整合人、培养人、校准系统。
谁先完成这次迁移，谁就更有机会在 AI 时代建立真正的优势。
谁还停留在旧的位置上，只会越来越累。
所以如果今天还要问，AI 把执行压到零之后，人的价值往哪走。
我的答案会更明确一点。
对个人来说，是往判断、定义和品味走。
对组织来说，是往识别、整合、培养和校准走。
说到底，AI 不会替你回答你是谁。
但它会逼你更早回答这个问题。
你真正不可替代的，到底是什么。
如果这个问题落在个人身上，答案可能是你的判断、审美、调性、复杂沟通能力，以及你在关键时刻承担责任的能力。
如果这个问题落在组织身上，答案可能是你有没有能力把对的人放到对的位置上，再让他们和 AI 一起，把不确定性稳定地变成结果。
这件事，我觉得才刚刚开始。
如果你也在思考，AI 会怎样重写个人能力和组织能力，欢迎关注。
林万劲的AI思考
