最近和不同公司的朋友聊天，一个观察越来越明确：AI 时代，焦虑最深的不是写代码的人，不是做设计的人，而是管理者。从总监到 VP 到 C-level，焦虑程度反而随层级递增。
这件事很反直觉。管理者不直接写代码、不直接交付，按理说应该是最不容易被 AI 替代的那批人。但 BCG 2025 年的全球调研给出了一个令人意外的数字：43% 的管理者和领导者担心失业，比基层员工的 36% 高出 7 个百分点。
"怕失业"只是表象。我觉得真正的问题藏在更深的结构里。想了几天之后，理出了一条线：问题不是"AI 会不会替代管理者"，而是组织里"定方向"这件事的游戏规则变了——变得对所有需要"既判断方向又负责执行"的人很不利。我把这群人叫做执行层：不只是传统意义上的中层管理者，而是所有被要求同时承担方向判断和落地执行的人——总监、Team Lead、资深 IC，甚至被要求"下场"的高管。
旧协议为什么能用两千年
先说过去的模式为什么能 work。
现代组织的底层逻辑，从罗马军团到今天的互联网大厂，本质上都是同一套东西：高层定方向，中层翻译和拆解，基层执行。这套模式有一个隐含假设：定方向的人不需要亲自做执行，做执行的人不需要操心方向。
这个假设之所以成立了两千年，不只是因为"环境变化慢"。更关键的原因是，高层在"定方向"这件事上，有一整套完善的支撑体系。商业分析团队做数据，咨询公司出框架，广泛的行业人脉提供信息面，战略部门做竞对分析。这些辅助设施把方向判断的风险降到了可控范围内。
而且，过去高层定方向时，最核心的考量不是外部趋势，而是与公司内部的适配性——自己的资源储备、人力结构、组织能力能不能撑住这个方向。这种"适配性判断"才是高层定方向的核心价值。它让方向判断变成了一个收益大、风险相对可控的事：因为你是在充分了解自己底牌的基础上做决策。
还有一个隐性但重要的因素：容错机制。高层判断失败了，除非是方向性的大败仗，否则很少因此被开掉。高层的人才库本身就小，培养周期长，替换成本极高。再加上方向判断本身就有高不确定性，大部分组织默认接受这个风险。败了一次两次，高层依然在位。这其实是合理的：探索方向本身就有损耗，组织需要承担这个成本，而不是让决策者个人背负。
总结一下：旧协议能 work，是因为高层定方向时有三层保障——辅助设施降低判断风险，适配性思维锚定决策质量，容错机制消化探索成本。三层叠加，方向判断成了一个"高收益、可控风险"的游戏。
AI 打破了什么
AI 时代，这套均衡被两件事同时打破了。
第一，方向判断开始依赖执行中的体感。AI 领域的变化速度按月甚至按周计。从模型阶段到 Agent 阶段到 Harness 阶段，每个阶段爆发出大量新概念。这些概念靠看报告、听汇报判断不了好坏，你要亲手试。体感、感觉、甚至直觉，成了方向判断的核心输入。
管理学里有个概念叫 OODA Loop（观察-判断-决策-行动），Boyd 当年的核心洞察不是"速度要快"，而是谁的 Orientation（判断）更贴合现实，谁就赢。当技术变化的速度超过信息在组织层级间传递的速度时，高层拿到的信息已经过时了。定方向不能再和做执行分开——这是物理限制，不是管理偏好。
UC Berkeley 的 California Management Review 说得很直接：在 AI 时代，战略不是一个静态计划，而是一种动态能力。Mintzberg 在 1985 年就提出过"涌现战略"：真正有效的战略不是纯粹自上而下设计的，很多是从执行层涌现出来的。AI 时代让这个判断变成了现实。
第二，AI 造成了一种"执行成本幻觉"，扭曲了方向判断的逻辑。由于 AI 大幅降低了执行端的成本（或者更准确地说，在大多数高层的认知中大幅降低了执行端的成本），方向判断开始从"内部适配"滑向"外部跟随"。"别人在搞 Agent，我们也得搞"，"Shopify 的 CEO 都说了 AI-first，我们也不能落后"——这类决策的逻辑是外部跟随，而不是内部适配。
过去高层定方向时最值钱的能力——判断"我们能不能做"，而不只是"该不该做"——正在被这种"AI 反正便宜，先试了再说"的心态侵蚀。
方向判断权下移了，但三层保障没有跟
当方向判断越来越需要执行体感时，高层自然会把方向判断的权力（或者说责任）往下推。IBM 调查了 2,000 名全球 CEO，68% 说 AI 正在改变他们认为"核心"的业务。但到底怎么动，他们希望下面的人给判断。
问题是，前面说的三层保障——辅助设施、适配性思维、容错机制——一个都没有跟着下移。而承接这些方向判断责任的人——我前面定义的"执行层"——面临的是三重结构性不对称。
辅助设施没有跟。高层定方向时有商分团队、咨询公司、人脉网络做底座。执行层定方向呢？大多数时候只能靠自己。没有商分团队帮你做数据支撑，没有咨询公司帮你出框架，行业人脉也远不如高层广。让执行层用和高层同等的质量去判断方向，但不给同等的支撑体系，这本身就不公平。
风险结构变形了。方向判断一旦被下推，执行层面临的赌注是三合一的：要看准方向，要自己落地，还要为执行端到底有没有 AI 承诺的那种效率负责。看远、落地、效率，三个赌注压在同一个人身上。而且，由于高层的方向判断已经从"适配性判断"退化成了"外部趋势跟随"，传递下来的方向本身就缺乏与组织能力的匹配——但这个匹配问题，最终也是执行层来扛。
容错机制没有跟。这一点很少有人讲，但在大厂里非常真实。高层判断失败有"人才稀缺"这个隐性保护伞，小仗输了不影响位子。但在组织的认知形态里，执行层的可替代性更高。一个执行层判断错了方向，导致团队半年的投入打了水漂，结果大概率是这个人背锅，而不是"组织承受方向探索的成本"。赢了是组织的功劳，输了是自己的责任。这种不对称的容错机制，使得执行层在被要求做方向判断时，本能地瞻前顾后。不是不想定方向，是游戏规则让你不敢定。
三个不对称叠加在一起，才是执行层不愿意也不敢承接方向判断的完整解释。这不是态度问题，不是能力问题，是结构性的。
死循环和它的可见症状
三重不对称造成了一个死循环：高层等执行层给方案（因为自己缺乏执行体感），执行层等高层定方向（因为自己缺乏判断的配套和容错）。两边都在等对方先动，方向在这个互等中持续空转。
一位资深 CEO 顾问 Sengupta 的描述很精准："CEOs Believe AI Is Transforming Their Business. Their Organizations Are Living a Different Reality."——CEO 觉得组织在转型，组织活在完全不同的现实里。
这个死循环有几个可见的症状。
第一，高层开始越过执行层，直接找一线做事的人聊。因为高层需要的是执行体感，而执行层如果自己不动手试，提供不了这个信息。能给的还是老三样——进度汇报、风险预警、资源方案——对"判断方向本身对不对"没什么用。
第二，传统的中层管理岗在被系统性地压缩。Fortune 在 2026 年 4 月报道，美国管理者的平均直接下属从 2013 年至今几乎翻倍，达到了 12.1 人。Meta 的新 AI 工程部门推到了 50:1。Gartner 预测到 2026 年，20% 的组织将用 AI 消除超过 50% 的中层管理岗位。Korn Ferry 调查显示 41% 的员工已经表示公司削减了管理层级。
第三，执行层被迫"假装 AI 成功"。一项对 50 名中层管理者的访谈发现，弱就业市场下，他们 "responsible for keeping up the illusion of an ultra-successful AI roll out"——要维护 AI 转型成功的幻象，即使实际效果并不好。这正是容错不对称的直接后果：你不敢说"这条路走不通"，因为说了之后你是那个被归咎的人。
砍人不是答案，但也不是给执行层找借口
写到这里，有必要说清楚一件事：分析三重不对称，不是在说执行层没有责任。分析结构性问题的目的，是把解法指向个人如何在结构中找到位置，而不是停留在"执行层要加油"或者"该淘汰一批人"的简单归因上。
Klarna 的教训很说明问题。这家瑞典支付公司 2024 年高调宣布 AI 替代了 700 名客服，声称节省 6000 万美元。一年后，CEO 公开认错："We focused too much on efficiency and cost."客户满意度下降 22%，公司被迫重新招人。Careerminds 的调查显示，66% 实施 AI 裁员的公司已在重新招聘被裁员工。
砍人之所以诱人，是因为它回避了真正的难题。传统执行层身上确实有两种功能：信息路由（汇总报告、传达指令、追踪进度）和判断（情境化决策、冲突仲裁、在模糊地带做选择）。前者确实正在被 AI 替代，也应该被替代。但如果连后者一起砍掉，你失去的不只是效率，而是组织的判断能力。
MIT 的 Neil Thompson 提出了一个"专业度悖论"：如果 AI 自动化的是非核心部分（行政杂务），管理者有更多精力做专业判断，这是好事。但如果管理幅度膨胀到连专业核心工作都做不了，那就不是提效而是灾难。放射科医生是正面例子——2016 年 Hinton 预测 AI 五年内取代他们，结果采用 AI 后人数和薪资双双增长。技术没有消灭这个职业，而是重新定义了它。
未来需要什么样的执行层
分析到这里，结构性的不对称已经很清楚了。但我不想把文章停在"组织应该怎么改"上——因为规则的调整永远慢于个人的适应。更实际的问题是：在这个方向和执行粘合的新时代，什么样的执行层能活下来，甚至活得好？
第一，能自己建支撑体系的人。
组织的辅助设施不会为你准备好，等它准备好黄花菜都凉了。过去高层有商分团队帮他看信息、做分析，未来的执行层需要自己搭建这个能力。AI 本身就是最好的工具：行业扫描、竞对分析、方案对比，一个人加 AI 能做到过去一个商分团队的信息覆盖度。但关键不是"学会用 AI"——这话太泛了。关键是把 AI 定位为你做方向判断的基础设施，而不只是提高执行效率的工具。能用 AI 看远的人，和只会用 AI 干活的人，差距会越来越大。
第二，能在执行中迭代方向的人。
三合一压力（看方向 + 抓落地 + 扛效率）不会消失，但可以换一种方式应对。未来的执行层需要学会一种新的工作节奏：不是先定方向再执行，而是在执行中不断校准方向。用两周到一个月的周期做小范围的方向试探，快速验证，快速调整。方向不是一个"决定"，而是一个"持续迭代的过程"。能接受这种节奏的人——不追求一步到位，而是追求每一步都在逼近正确——会比等待完美方案的人走得更远。这也是 Mintzberg 的"涌现战略"在个体层面的实践：让方向从你自己的执行中长出来，而不是等它从上面传下来。
第三，能主动争取容错空间的人。
容错机制不会从天上掉下来。未来的执行层需要主动做一件事：把方向探索的成本显性化。不是默默尝试然后祈祷成功，而是在尝试之前就和组织达成共识——这是一次方向试探，有失败的可能，失败的成本是 X，我们接受这个成本。能把"赌"变成"实验"的人，才有空间做真正的方向判断。那些不敢暴露不确定性、只会报喜不报忧的人，反而会在信息不对称中越陷越深。
焦虑背后的真正问题
想清楚这一圈后，回头看"管理层焦虑"这件事，可以描述得更精确了。
焦虑的本质不是"怕被 AI 替代"，甚至不是"怕跟不上"。它是一种角色模糊感：旧的分工协议失效了，新的还没有建立起来。你被要求同时做方向判断和执行落地，但既没有得到做方向判断的配套支撑，也没有得到判断失败后的容错保障。
这种感觉不分层级。高层焦虑是因为知道要动但定不了方向（缺乏执行体感，又不愿意承认自己需要下场）。执行层焦虑是因为方向判断的责任压下来了，但保障没有（赢了是组织的功劳，输了是自己的锅）。基层焦虑是因为听到的都是"AI 会替代你的工作"，但没人解释替代之后自己的角色是什么。
Fortune 那篇文章问了一个终极问题：
"Whether that is a transition cost or the new permanent condition of leadership in America is the defining workplace question of this decade."
我觉得答案取决于你怎么看自己的角色。如果你还在等组织给你一个清晰的方向和完善的保障体系，那焦虑只会越来越深——因为旧规则已经失效了，新规则也不会从天上掉下来。但如果你接受"方向和执行粘在一起"这个新现实，开始自己建支撑、自己跑迭代、自己争取容错空间，那你就不是在等规则被重写，而是在用自己的方式定义新规则。
未来需要的执行层，不是更能吃苦的人，不是更听话的人，也不是更擅长向上汇报的人。而是那些能在模糊中找到方向、在执行中校准判断、在不确定性中为自己争取试错空间的人。说到底，方向和执行的耦合不是一个需要被"解决"的问题，它是新时代的基本条件。能把这个条件变成自己优势的人，焦虑会自然消解——不是因为规则变公平了，而是因为你不再需要等别人来定规则。
我也不确定我已经变成了这样的人。但至少我在做三件事：自己下场，带着体感去定方向；用"小仗"的节奏做方向试探，让方向从执行中涌现；把不确定性摆在台面上，而不是藏起来。这不是标准答案，但至少是诚实的尝试。