AI替掉中层后，谁在替AI兜底？

三家AI原生组织访谈揭示：中层消失后，管理从管流程转向管判断，兜底责任集中到最高层且无法KPI化。文章给出营销负责人预留兜底时间、建立信任储备等落地路径。

“AI 可以提供分析，但它不做决定。”

这句话出现在 OpenMax 联合创始人 Charlie Hu 解释他每天早晨为什么要花半小时审完 20 条客户触达建议时。AI 把执行层压薄、把传话层切掉之后，管理并没有变得更简单。三家 AI 原生组织的访谈，指向同一个被低估的成本：组织可以变小、流程可以变快、工具可以变强，但最后总要有人站出来，对剩下的不确定性负责。中层退场之后，管理者的工作清单没有变短，只是条目从“管流程”变成了“管判断”。而判断这件事，做不到批量处理。

中层退场后，管理半径为什么反而扩大了？

OpenMax 的团队从 80 人砍到 15 人，全年营收不受影响。Charlie Hu 做了一件在外人看来很激进的事：砍掉整个 BD 团队。理由很直接——客户是企业一把手，BD 只拉群不谈单还传错话；部分 BD 为了证明价值，甚至拉来假客户群。客户开发交给 AI 之后，Agent 分析他 LinkedIn 上 8000 个联系人，每天早晨推送 20 条定制化触达建议，包含客户画像、业务分析、结合点。Charlie 花半小时审一遍再发。效率翻了几倍。

但效率的另一面是责任集中。原来散落在 20 个人身上的判断责任——今天适不适合联系、这段话合不合适、时机对不对——全部集中到他一个人身上。AI 可以做分析，但它不做决定。那半小时的“看一看”，就是在替 AI 做它做不了的判断。

同样的变化发生在天津一家软件公司。李雪涛把 60 人研发团队从四个传统部门拆成 3 到 5 人的 FDE 特种小队，需求、研发、测试边界被打通，小队直接面对客户。需求传递从过三道关变成一步到位，沟通成本大幅下降。但另一项成本上升了：他每周固定越过项目经理，直接找一线同事单独聊“AI 用得怎么样？最近有什么问题？”这样一来，信息传导路径从“客户到需求到研发到测试”，变成“管理者到每一个个体”，管理半径实际扩大。

Moox AI 从一开始就没有中层。十来个人分两大块，虚拟小组跑项目，产品和技术决策由产品副总裁 Elric Liu 和 CTO 拍板。好处是决策极快：复杂的东西才讨论，简单的花一两天先做出 MVP 看效果。坏处是，他和 CTO 成了所有关键判断的最终出口，技术路线、产品方向、商业化逻辑每一条都绕不开。

把三家案例放在一起看，结论很清晰：中层退场并没有让管理变简单，而是把原本被层级消化的矛盾，直接暴露到了最高层。管理者的工作清单没有变短，只是条目从“管流程”变成了“管判断”。判断这件事，做不到批量处理。对营销负责人而言，这意味着 AI 可以帮你生成 100 条文案、筛选 1000 个线索、产出 10 版投放脚本，但哪一条符合品牌调性、哪一个触达时机不会引起客户反感、哪一版脚本可能带来舆情风险，仍然需要有人拍板。这个人，往往就是最高层。

同一个 AI，两种人：认知差距正在变成管理成本

三家公司在 AI 落地时遇到同一个现象：AI 没有获得一致的欢迎。李雪涛的团队出现两种极端情绪。一类人过度相信 AI，产出看都不看就提交，需求遗漏和细节不一致在测试阶段集中浮现。李雪涛不得不反复划定 AI 能力边界，厘清哪些可以直接产出、哪些必须人工检查。另一类人不信任 AI，口头禅是“还没我写得快呢”。对这类人，他选择帮他们找到真正能解决问题的场景，先看见效果再说。

Moox AI 的情况不同。团队里没有极端情绪，但有普遍惰性：前两个月配的 Coding Plan 还有 80% 没用。Elric Liu 没有用行政命令推动，而是设计了一套机制。每月设专门奖金，奖励在内部业务中用 AI 跑通小闭环的人；每周例会分享“最近拿 AI 做了哪些对业务有帮助的事”。看到真金白银和参照，人才愿意用。

Charlie Hu 的解法更激进：直接筛掉不具备自主性的人。他用一句话概括：“AI 再厉害，你不会主动问它问题，那就是不行的。”在 OpenMax 留下的人，必须能主动向 AI 提问、主动采集外部信息、主动把市场波动转化为下一轮决策输入。

三种路径背后，有一个共同判断：人和 AI 之间的距离，不是由 AI 的能力决定的，是由人对 AI 的认知决定的。这个认知差距，正在成为 AI 原生组织管理成本的新增项。放到营销团队里，这个现象更普遍。内容团队里，有人把 AI 生成的文章直接发布，不看事实、不看调性；也有人觉得 AI 写的还不如自己，拒绝使用。这两种人都会拖慢整个团队的 AI 化进程。管理者必须一对一处理，无法靠一张通知解决。

这个现象在内容团队和增长团队里非常具体。内容运营用 AI 生成公众号文章、短视频脚本，如果不做事实核查和品牌调性审核，发布后可能引发舆情或合规风险。增长团队用 Agent 做个性化触达，如果话术过于机械或时机不对，客户体验反而变差。管理者必须像李雪涛那样，对过度信任者划边界，对不信任者找场景。每次一对一沟通，都是一次认知校准。这种工作无法写在岗位说明书里，却是 AI 采纳率的分水岭。

活变轻了，责任更重了：决策量向少数人集中

AI 原生组织里，“干活”越来越轻。AI Coding 占比超过 90%，销售文案一键生成，客户画像自动打标，周报 Agent 自动整理。但“判断”越来越重。李雪涛的时间表很有代表性：转型前，精力大半花在盯进度、查代码、走审批；转型后，AI 把这些接过去了，腾出的时间被新事务填满——跟过度相信 AI 的人聊边界，跟不信任 AI 的人聊方法，跟抵触的人聊心态。人少了，反而更关注每个人。

Moox AI 的 Elric Liu 讲了另一个细节。以前新需求要经过销售、产品、技术三层传递，每一次都有信息损失。现在销售直接用 Vibe Coding 搭 Demo 给客户看，翻译链被打通了。但最终拍板压力回来了：客户到底要什么、需求值不值得做，这些判断重新集中到他和他 CTO 身上。

Charlie Hu 推得更远。他提出“人是 AI 的外围”。人通过线下活动、客户接触触达外部世界，获得信息和反馈再交给 AI。留在公司的 15 人核心任务不是执行，是采集和判断。每一场会面、每一次竞品观察、每一次市场波动，都要变成语料、变成输入、变成下一轮决策的依据。这意味着，一个人可能同时要对需求的理解、对技术的判断、对客户的共情、对 AI 产出的审核全部负责。

这也是为什么那句话在访谈中反复出现：“AI 是能力的放大器，如果没有什么能力的人，他放大了也还是没有什么能力。”活轻了，但“轻”的背后是一个人扛了三四个人的决策量。对营销负责人来说，这个变化最直接：AI 可以自动生成周报、自动产出投放素材、自动回复潜在客户，但品牌风险、转化逻辑、内容策略这些判断，不会因为工具变强而消失，反而会更快地压到少数人身上。

谁来兜底：无法 KPI 化的隐性成本

三场采访中，“兜底”一词没有出现在任何人口中，但它缠绕在每段对话底层。BD 被砍之后，Charlie 每天早上花半小时审 20 条客户消息，他在兜底。四个部门拆掉之后，李雪涛每周越过项目经理找每个人单独聊 AI 使用情况，他在兜底。配了 Token 没人用，Elric 设计奖励机制、立标杆、开分享会、一个一个推动，他在兜底。

兜底找不到标准 KPI 来框。它不是流程，不是技术，也不是岗位说明书写得清楚的东西。它是把 AI 放不下的那部分责任，由管理者一个一个接过来扛住。内核一致：AI 做到 99%，剩下那 1% 的判断，得有人来做。

这里还藏着一个更深的变量：信任储备。李雪涛在公司十几年，团队大部分是他带出来的，威望在，仍然遇到各种抵触。他的原话是：“如果这个团队你不是一把手，或者你刚来没多久、关系比较复杂，转型的阻力会大得多。” AI 原生组织对管理者的信任储备要求极高。以前信任分散在不同层级，现在得集中在少数人手里。没有信任储备，管理者连“兜底”的资格都没有。

Elric Liu 被问到“如果重来一次会怎么设计组织”时，他的回答是：先让大家用起来，感受到好处，再推下去。Charlie 则更锋利。他提出看 AI 是二等公民还是一等公民。有人把 AI 当牛马，觉得我给你钱你就得干活；AI 原生组织是反过来的，人为 AI 服务。这个判断背后，是管理者把自己放在什么位置的选择——你是管 AI 的那个人，还是为 AI 兜底的那个人。两个位置的日常工作量天差地别。

组织可以变小、流程可以变快、工具可以变强，但最后总要有人站出来，对剩下的不确定性负责。AI 能替你写代码、写方案、分析客户、生成一切文字数字，但它永远不会替你说一句“出了问题我负责”。留在留下来的管理者，干的活比任何时候都更接近管理的原始定义：在模糊中拍板，在不确定中兜底，在没人能替你判断的灰色地带自己往前走。这可能是 AI 原生组织到目前为止最被低估的成本。

还有一点需要企业决策者警惕：兜底责任无法外包。AI 工具厂商、SaaS 服务商可以提供能力、流程和数据，但不会替你承担品牌风险、客户关系损失或判断失误。合同里写的是功能边界，不是责任边界。企业在采购 AI 工具时，往往只算功能账和效率账，却没有算管理成本账。结果工具买得越多，判断出口越分散，最高层的兜底压力越大。

给营销负责人的三个落地动作

把这三家公司的经验翻译到营销和增长场景，有三件事可以立刻开始做。

第一，把“判断清单”写进日课。不要只盯着 AI 产出量，要看哪些地方必须人工审核。OpenMax 每天早晨半小时的触达建议审核，就是一种判断清单。CMO 可以列出内容发布、投放上线、客户触达、舆情响应四类动作中的必审项。例如，AI 生成的品牌文案，哪些事实需要核验，哪些调性词需要人工确认；AI 筛选的销售线索，哪些触达时机需要人工判断。每个必审项背后，安排固定的兜底时间块。否则，AI 提效省下的时间，会被突发判断和返工全部吃掉。

第二，用机制而不是命令推动 AI 采纳。Moox AI 的奖金机制和每周分享会，比发一封“请大家多用 AI”的邮件有效得多。营销团队可以把“用 AI 跑通一个小闭环”设成月度专项奖励。比如，用 AI 完成一次从选题、生成、审核到发布的内容闭环；用 Agent 完成一轮从线索清洗、个性化触达到反馈回收的增长实验。在每周例会上，让做出结果的人分享具体做法，而不是让管理者讲 AI 多重要。看到真金白银和同事参照，抵触会自然松动。

第三，重新盘点信任储备。AI 原生组织的转型阻力，很大程度取决于管理者在团队中的信任积累。如果你是空降的 CMO，或者刚接手一个关系复杂的市场团队，不要一上来就动架构、砍岗位。李雪涛的教训是：即使有十几年威望，推动 AI 仍会遇到各种抵触。更稳妥的路径是 Elric 说的，先让一部分人用起来、感受到好处，再扩大范围。信任储备不足时，先把 AI 用在内部提效和辅助判断上，而不是直接替换关键岗位。

此外，营销负责人需要重新定义自己的时间分配。AI 可以替你写方案、写文案、分析数据，但品牌风险、内容策略、客户关系的最终责任不会消失。你必须预留出“兜底时间”：每天审核关键 AI 产出，每周与一线同事一对一沟通 AI 使用情况，每月复盘哪些判断差点出问题。这个时间不会产生直接业绩，但它决定了团队能走多远。

对一些正在压缩市场部、减少中间层的企业来说，这套逻辑同样适用。市场部从品牌、内容、媒介三条线合并为小型作战单元，看上去更敏捷。但如果负责人没有预留判断时间，没有建立认知校准机制，没有足够信任储备，效率提升很可能被决策风险和返工抵消。AI 原生组织不是把人管少，而是把判断管好。

崔牛会《AI 原生组织白皮书（2026）》将于 8 月发布，其中会收录更深层的问题：人在 AI 原生组织中如何重新定义价值、AI 输出如何被工程化约束、中层会不会消失。但三家访谈已经给出一个先行判断：中层退场不是管理成本的消失，而是管理成本的结构性转移。过去用层级消化的矛盾，现在需要最高层用判断、信任和兜底来承接。对老板、CMO、增长负责人来说，最重要的不是先买什么工具，而是先想清楚——你是管 AI 的那个人，还是为 AI 兜底的那个人。