Seeing AGI（八）：人的角色，正在重生
最近我在旧金山参加了 Delight Spark，会后有一段对话一直萦绕在我脑海里。我们聊的是 AI 组织。
在过去七篇 Seeing AGI 文章里，我写过 AGI 的到来、vibe working、多智能体系统。但有个问题我反复在想，其实更朴素：公司里人的角色，会发生什么变化？AI 改写组织架构图之前，先改写的是人。
太多公司还把 AI 当成一次软件升级——同样的人，做同样的工作，只不过更快一点。这个框架是错的。AI 不只是在加速工作，它在改变谁做什么、谁掌握上下文、判断力在哪里流动。
每一次技术浪潮都会重写人的角色
人遇到一项突破性技术，第一反应往往是：我的工作还会一模一样，只是变快了。历史告诉我们，这是幻觉。
最先变的，几乎从来不是组织架构图本身，而是人每天究竟在做什么、依赖谁、向谁汇报，以及这个系统真正奖励的是哪种判断力。
所以，要看清 AI，不能只问模型能做什么。我们应该问：过去的技术浪潮，到底对"工作"本身做了什么。
电气化不只是工厂的现代化，它改变了工厂里的人
电气化最著名的教训不是"电力很厉害"，而是：第一波采用其实并没有兑现产能，因为工厂还沿用旧的布局。老板把蒸汽机换成了发电机，但保留了同样的中央动力逻辑、同样的传动主轴、同样的皮带、同样的生产几何。
真正的飞跃是后来才发生的——工厂开始采用单元驱动，每台机器配独立电机。到那一刻，建筑本身才能变。单层厂房变得容易铺开，机器不必再围着一根机械主轴排布，工作流可以围绕速度、安全和专业化重新设计。
工厂一变，人的角色就跟着变。中央动力室、轴驱动布局、围绕单一动力源的维护体系，这些旧逻辑开始退场。取而代之的是对电工、电气工程师、工厂规划师以及一种全新运营管理方式的需求。Paul David 写过，大规模电气化需要建立起"一支训练有素的工厂建筑师与电气工程师队伍"。这就是要点。新的动力源不是把老工人变快了，它创造了新的专业岗位、新的汇报关系、新的运营逻辑。
计算机不只是把办公自动化了，它创造了一整批新的信息岗位
计算机时代做了类似的事。在计算机化之前，大型组织靠一层层文员、打字员、归档人员、记账员、机器操作员，用手把信息搬来搬去。后来出现了数据处理部门、键盘穿孔操作员、程序员、系统分析师，再后来有了数据库管理员和 IT 经理。
一些岗位萎缩了，另一些岗位凭空出现。键盘穿孔操作员在打孔卡时代成为一种被认可的职业，又随着直接计算的普及慢慢消失。与此同时，系统分析师作为一种新的桥梁角色冒了出来——这个人要懂业务、设计系统、为程序员准备图纸、把管理层的需求翻译成技术结构。这种角色只有在软件成为公司思考方式的世界里，才说得通。
汇报线也变了。一旦信息系统成为运营的核心，公司就建立起 MIS 和 IT 组织、项目管理层、系统团队，再往后是企业软件部门。权力越来越多地流过信息架构，而不只是物理运营。
软件造就了现代的产品组织
软件时代又叠加了一层。随着软件复杂度爆炸，组织再次分裂。PM 出现了，填补业务、用户与工程之间的空隙。在软件领域，把产品营销出去远远不够。必须有人来决定做什么、把用户场景翻译出来，并在整个周期里贴着工程走。
UX 和交互设计成熟了，因为个人电脑、再后来是 Web，让易用性成为绕不开的经济问题。QA 也独立了出来，因为测试不可能再装在程序员脑子里。再后来，Agile 和 DevOps 又开始模糊这些界线，把测试人员往周期前段拉，把质量变成共同的责任。
所以 PM、设计师、工程师、测试这套结构，并不是天注定的。它属于上一个软件工程时代。它是在人的沟通能力、知识割裂、手工编码、缓慢反馈这些约束下，做出的合理回应。
老的流水线，是为另一个世界搭的
把这段历史看清楚之后，今天的软件组织架构图就显得没那么"理所当然"了。它只不过是技术重组长链条里的最新一层。
在旧的软件世界里，一个项目要往前挪一寸，得先堆出一整摞专业岗位。汇报逻辑通常就是工作流本身的镜像：产品产出需求，设计翻译需求，工程实现需求，QA 验证需求，管理层在这些孤岛之间协调交接。
想想 PM 过去到底在做什么：花上几周时间写一份动辄 20 页的需求文档，然后扔过墙去。设计师再花几周手动推像素，把文档翻译成设计稿。工程师拿着设计稿，花几个月敲样板代码。最后测试再花几周把对不齐的地方和 bug 一个个揪出来。
这种结构有它的道理——只要每一步必须由不同的专家拿着不同的工具来做，且步骤之间的切换成本很高。交接不只是官僚主义，它是这个系统在用层级保护自己不被复杂度压垮。
但当一个 AI 智能体可以帮你生成代码、起草界面、写测试用例、把迭代压到几分钟，这套结构就开始反噬自己。交接从安全机制变成了纯粹的拖累。
今天大多数所谓的"AI 转型"还困在这里。公司给 PM 一个 AI 写作工具，给设计师一个 AI 设计工具，给工程师一个 AI 编码工具，但保留了同样的汇报线、同样的分工。这就像把新动力源接到一台旧机器上。
所以我才觉得前面这段历史背景特别重要。AI 不是第一项重排工作的技术。但它可能是第一项以这种速度做这件事的技术，同时还把这么多知识型岗位压进同一个执行瞬间。
我在 Genspark 内部看到的
在 Genspark 内部，我已经能实时看到这段历史的下一层正在被书写。我们现在大约 70 人。结构狠扁平。
我们不靠庞大的多职能部门来做项目。绝大多数项目由 1 到 3 人的敏捷小组完成。因为工作流被压缩了，每个人都贴着完整的价值创造链条工作。
入职第一天就是这样。新人不会被塞进狭窄的角色里，也不需要花一个月读文档。他们立刻被推到一线。我们经常看到有人入职第一周就上线了真实的、复杂的功能。哪怕是入职前从没写过一行代码的同事，也在发布功能。
放在上一个时代，这听起来要么鲁莽，要么不可能。在这个时代，这是基线。有野心的人在这里如鱼得水，因为他们不再被关在某个单一的小盒子里。
这些角色究竟在怎么变
当工作流被这样狠狠压缩，专业角色不会消失。它们会突变。它们会被抬高。
PM：从写需求文档的人，变成系统导演
PM 不再花几周写一份给别人去解读的静态文档。他们用 AI 直接生成可交互的原型，实时驾驭系统，实时验证逻辑，最终对结果负责，而不只是对需求负责。
设计师：从前端翻译者，变成最终评审者
我们最近发布的 Genspark Design 就是最好的例子。在旧流程里，设计师是前置的翻译者，必须先一笔一画把屏幕画出来，别人才能动工。今天，从一个抽象想法到一份完整设计、再到上线产品，整条路是连续的。
因为 AI 可以在几秒内生成几十个高保真、可交互的原型，设计师的角色就移到了流水线的后段。他们成了评审者。他们设定品质标准，守住审美这条线，为体验把关，决定 AI 给出的众多版本里，哪一个真正具备品牌该有的灵魂。
工程师：从敲代码的人，变成系统架构师
工程师入职第一周不再是配本地环境、读老代码库，而是直接发版。他们花更少时间敲样板代码，把更多时间用在搭逻辑、指挥智能体、解决 AI 暂时还看不见的深层结构性问题上。
测试：从手工把关者，变成智能体基建工程师
在 AI 原生工作流里，每个人都成了自己功能的测试者。做这个功能的人，同时也在生成用例、检查边界、验证体验、决定它能不能上线。测试不再是链条末端那道独立的闸门，它变成了创作本身的一部分。
这并不意味着传统测试岗就消失了。这个角色被向上抬了一层，变成了基建岗。它不再是事后逐屏点检，而是确保整个团队发布的功能在生产环境里依然稳定、可观测、值得信赖。
从这个意义上说，新的测试更像是"质量的基建工程师"。他们搭建框架、护栏、监控、评估闭环和发布逻辑，让整个组织更可靠。他们也帮忙把基建做得更"智能体友好"，让 AI 更高效地参与测试、调试和持续改进。
跨工种来看，趋势是一致的：判断力的重要性远超过交接。掌握上下文比狭窄的专业分工更值钱。
CEO：从 Chief Executive Officer 到 Chief Context Officer
一旦你看清 AI 在多深的层次上重新组合角色，你就没法只盯着 PM、设计师、工程师、测试。CEO 也在被改写。
在旧的公司模型里，规模把 CEO 推得离工作越来越远。组织变得太专、层级太多、节奏太慢。CEO 的工作变成了——通过别人来管理复杂度。
这种距离不是性格，而是结构性的。在很多公司里，CEO 已经没法直接碰产品了，因为工作被切碎在太多职能、太多会议、太多交接里。
AI 把这个模型打破了。一个愿意学习的 CEO 可以重新走回工作里。他可以探索产品想法、看原型、跑流程、挑战假设，甚至借助 AI 一起推进执行。不是说 CEO 要回到事无巨细管事的状态，而是领导和创造之间的那堵墙，正在变薄。
所以这份工作变了。AI 时代的 CEO 看起来越来越不像 Chief Executive Officer，而更像 Chief Context Officer。他的工作是定方向、把判断标准说清楚、把决策权移到离一线更近的位置、设计让小组能真正掌握所有权的接口。
旧模式里，权力来自距离和控制。新模式里，权力来自上下文、品味、清晰度，以及让组织作为一个系统去思考、去行动的能力。CEO 一变，组织就不可能不变。角色重写自然会带来组织重写。
新的组织不只是更扁，它在结构上不一样
我不觉得用"扁平"这一个词能准确描述这种新公司。扁平只是层级更少。我们看到的，是更深一层的变化。组织的基本单元，不再是职能部门，而是 pod（小组）。
在旧结构里，公司是围绕部门搭起来的。产品在一个地方，设计在另一个地方，工程在另一个地方，QA 在末端。组织架构图就是交接链条的镜像。
在新结构里，公司开始更像一个由小型高上下文 pod 组成的网络。一个 1 到 3 人的小组贴着问题、贴着用户、贴着 AI 工作。它拥有从想法到发布更长的一段链条。它承载更多上下文，做更多决策，等待更少。
在一家几千人的公司里，这不可能是一个 CEO 直接面对几百个 pod。那不可扩展。可扩展的版本是"网络的网络"：pod 被组织成一个个使命集群，靠共享的上下文、共享的品味、共享的清晰度和共享的系统设计联结在一起。领导层依然存在，但他们的工作变了。他们不再是审批的瓶颈，而是上下文的路由器、接口的设计者、力量的放大器。在这种模式里，CEO 不是去管每一个 pod，而是去设计那套能让许多 pod 协调一致前进、又不必重建旧官僚体系的架构。这就是 AI 原生规模的样子：不是更扁的金字塔，而是另一种系统。
到了那一步，层级就不再是主要的协调机制，上下文才是。最重要的问题不再是"谁向谁汇报"，而是"谁真正掌握了上下文，谁有判断力可以据此行动"。
这也改变了管理层存在的意义。在旧世界里，相当一部分中层管理的存在，是为了在职能边界之间翻译、汇总、协调、搬运信息。在新世界里，这些角色只有进化成系统建设者、质量评审者、人才教练、跨 pod 整合者，才会继续有价值。那种纯粹做"传送带"的管理者，会稳步失去重要性。
一句话总结，AI 原生组织就是这样：一个由高上下文所有权的小 pod 组成的网络，由 AI 智能体支持，由共享判断力对齐，靠轻量的接口而不是厚重的层级连接起来。
重写公司的这扇窗
如果角色重写带来 CEO 重写，CEO 重写带来组织重写，那这就不是一次工具升级了，是一次公司重写。所以别只盯着你的 AI 技术栈，看看你的人，看看你的结构。
问一些更难的问题。你的人是不是还被困在狭窄的翻译型岗位里？你最聪明的脑袋是不是还在准备交接，而不是在做判断？你的组织架构图是不是还按老的 PM-设计师-工程师-测试链条搭的？决策权是不是还离真正掌握上下文的人太远？
买 AI 接入很容易。真正的转型要难得多。它意味着重新设计角色、把所有权推到小 pod 里、围绕智能体重建基建、重新定义领导力本身。
这个时代的赢家，不只是用更好的模型。他们会重建得更快。他们会用 pod 网络替换交接链条。他们会把上下文推到边缘。他们会把判断力的标准提高。
AI 不只是在重写任务。它在重写公司。这扇窗现在开着，但不会一直开着。