從僱傭到組裝:AI 正在重寫勞資關係的底層邏輯
公司不再「養人」,而是「組裝能力」。這不是漸進的改變,而是一次結構性的顛倒。
兩千年前,羅馬軍隊解決了一個至今仍困擾所有大型組織的問題:如何在資訊傳遞受限的情況下,協調數千人的行動?他們的答案是階層式管理 - - 八人一組、百人一隊、五千人一軍團,每一層都有一個人負責接收資訊、傳遞決策。
這套邏輯後來被普魯士軍隊繼承,再由美國鐵路公司引入商業世界,最終成為今天所有企業組織的骨架。我們叫它「管理層」。
問題在於,管理層的本質從來不是「管人」,而是「傳遞資訊」。而現在,AI 可以做這件事了 - - 而且做得更快、更準、更即時。
一、公司與個體的撮合方式正在改變
傳統僱傭關係的核心交換是:你把時間賣給公司,公司給你穩定的薪水和職位。這個結構之所以成立,是因為個人獨立運作的成本太高 - - 你需要公司的資源、網絡、工具,才能把事情做成。
AI 正在拆解這個前提。
一個人搭配 AI,可以覆蓋過去需要一整個小團隊才能完成的工作。文案、程式、數據分析、客服、行銷自動化 - - 這些曾經需要分工的事,現在一個有能力的人加上對的工具就能獨立完成。個體的「最低可行成本」大幅下降,創業門檻跟著崩塌。
浮動技術人的崛起
更值得關注的,是一種新型人才的出現。我把他們叫做「浮動技術人(Floating Expert)」。
類比醫療器材的 special sales:他們不是醫院的正式員工,但他們進駐、導入設備、完成客製化安裝、訓練現場操作人員,然後離開,去服務下一家醫院。
AI 時代的高階技術人將越來越像這個角色。他們掌握的不是某家公司的內部流程,而是跨組織通用的 AI 建置能力。他們的工作模式是:進來、搭建、移交、出場。
留在公司內部的,將是兩類人:一是執行 AI 工具的 IC(Individual Contributor,核心執行者),二是負責方向判斷的領導層。外部流動的,是少數掌握高階 AI 建置能力的人 - - 他們不依附任何公司,但被很多公司需要。
撮合方式因此從「長期雇傭」轉向「能力租用」。這不是 gig economy 的升級,而是一種新的身份結構:個體持有能力資產,公司按需組裝。
二、公司的組織結構正在顛倒
紅杉資本在 2026 年 3 月發布了一篇重磅文章《From Hierarchy to Intelligence》,由 Jack Dorsey 與 Roelof Botha 共同撰寫,以 Block(Square 的母公司)為案例,描述了一種全新的組織形態。
他們的核心論點是:管理層的存在,從來不是為了「管人」,而是為了「路由資訊」。每一層主管,本質上都是一個資訊中繼站 - - 向上彙報、向下傳達、橫向協調。
這個設計有一個物理限制:一個人只能有效管理 3 到 8 個人。組織一旦擴大,你就必須不斷加層。加層的代價,是資訊流速變慢,決策延遲,執行失真。
AI 打破的,正是這個限制
Block 的做法是建立「公司世界模型(company world model)」:讓 AI 即時掌握全公司在做什麼、哪裡卡住、資源如何分配。原本需要中階管理層傳遞的資訊,現在由系統持續承載。
結果是:中間管理層的存在理由,消失了。
組織收斂成三種角色:
- IC (Individual Contributor)
深度執行者。建構與操作系統各層,由世界模型提供 context,不需等待上級指示。 - DRI (Directly Responsible Individual)
跨部門問題負責人。擁有特定問題的完整授權,可動用各團隊資源,任務結束後流動至下一個問題。 - Player-coach
做事同時帶人。不再花時間在對齊會議與進度報告 - - 世界模型處理對齊,DRI 處理優先順序。
沒有永久存在的中階管理層。
關鍵的顛倒
傳統組織
- 智慧在管理層,邊緣執行
- 人負責協調與資訊傳遞
- 爬到管理層才能看到全局
- 產品由 PM 假設 roadmap
AI 組織
- 智慧在系統,邊緣判斷
- AI 負責協調,人負責創造
- 每個 IC 都能取得全局 context
- AI 失敗的地方就是 roadmap
這兩件事合起來,指向同一個結論:公司正在從「僱傭人」變成「組裝能力」。
對大多數人來說,這是一個嚴峻的訊號。最危險的,不是基層執行者,也不是頂層決策者,而是夾在中間 - - 靠「資訊彙整與傳遞」維生的中階白領。他們的工作,正是 AI 最擅長的事。
但這也是一個真實的機會。AI 時代第一次讓「個體」有能力以極低成本進入市場,不依附組織也能運作。門檻不再是「有沒有資本」,而是「有沒有能力把 AI 組成有效的系統」。
掌握 AI 建置能力的個體,本質上擁有了一個可以出租的能力資產。他不是員工,也不是傳統的自由工作者 - - 他更像一個流動的技術服務提供者,帶著工具進場,完成任務,然後繼續前進。
這個身份,在過去是不可能的。需要的資本太高、工具太複雜、單打獨鬥的風險太大。AI 把這三個門檻同時降低了。
最後一個問題值得思考:
你現在的工作,有多少比例是在「傳遞資訊」?有多少是在「做真正的判斷與創造」?
前者,是 AI 正在取代的部分。後者,是你在這個時代最值錢的地方。