你的 leader，其实是个传话筒
上个月和一个朋友吃饭。他在某大厂带一个二十人的团队，最近公司推 AI-first 转型，他有点慌。
"我现在每天干啥你知道吗？早上看飞书，把上面的决策翻译成下面能听懂的话。下午看周报，把下面的进展翻译成上面想看的格式。中间穿插几个会，协调一下 A 团队和 B 团队谁先做谁后做。"
他停了一下，说了一句让我印象很深的话：
"我最近突然意识到，这些事，一个 agent 好像都能干。"
他说对了。协调排期？Agent 可以对齐双方的 spec 和依赖关系，自动给出冲突方案。汇总周报？Agent 从执行数据里直接拉状态，比人写得还快还准。向上汇报？如果高管可以直接查数据、看 dashboard、甚至自己问 agent，那中间这一层翻译的价值在哪里？
这不是我朋友的问题。他是一个很负责的人。问题在于，很多 leader 这个岗位，本身就是围绕信息不对称搭建起来的。 信息在过去是稀缺资源——上面不知道下面在干什么，下面不知道上面在想什么，跨团队不知道对方在忙什么。于是需要一层人，专门负责搬运信息、翻译信息、汇总信息。
现在 AI 把这个不对称打掉了。信息变得唾手可得。那个靠搬运信息存在的 leader 岗位，地基没了。
少掉的 leader，从来就不该存在
这听起来像是在说 AI 要消灭 leader。其实不是。AI 消灭的是一类特定的 leader：那些价值建立在信息差上的 leader。
传话筒型——不做任何增值，向上汇报、向下传达。他们的核心产出是"消息已传达"。
周报汇总型——主要工作是收集和汇总下属的周报，把十个人的工作写成三页 PPT。他们的核心产出是"信息已汇总"。
瞎指挥型——没有实质判断力，靠职位权力做决策，因为"我是老板所以听我的"。他们的核心产出是"决策已做出"。
这三种 leader 有一个共同点：如果去掉他们，信息流动反而更快。
在过去，你很难区分一个 leader 是真的有价值，还是只是在搬运信息。因为信息流动本身就是需要成本的——你得开会、得写邮件、得做汇报——有人专门干这个，看起来是合理的分工。
AI 改变的不是 leader 的价值，而是暴露了哪些 leader 从来就没有价值。 当每个人都能直接获取信息、直接调用能力时，中间层的"信息中转"价值归零。那些靠信息差存在的 leader，遮羞布被扯掉了。
但你注意，这跟"AI 取代 leader"不是一回事。那些本来就不是 leader。他们只是恰好坐在 leader 的位置上。
真正活下来的 leader，变了一种物种
那去掉这些人之后，还需要 leader 吗？
需要。但 leader 的定义要重写。
我最近一直在想这个问题，后来找到了一个词：orchestrator。编排者。
为什么需要 orchestrator？因为局部最优解之和，很少等于全局最优解。
Agent 可以让每个模块、每个任务都做到局部最优——但这个"最优"是在它看到的边界内定义的。A 模块的最优方案可能让 B 模块的维护成本翻倍。这周的最优排期可能让下个月的架构演进走进死胡同。三个团队各自的最优交付节奏，拼在一起可能是一个无法集成的灾难。
这些事情，agent 看不出来。不是因为它不够聪明，而是因为 agent 的视野天然是局部的——它被 prompt 的边界、spec 的范围、任务的上下文所限定。它不会主动抬头看隔壁团队在做什么，也不会想三个月后的需求变化会不会让今天的方案报废。
这件事需要一个人来做。一个不陷入任何单一模块执行、能够站在系统层面看全局的人。
这就是 orchestrator。
Leader 的工作没变少，只是变重了
读到这儿你可能会问：所以 leader 以后只管编排就行了？那些管人的事呢？不管了？
正好相反。管人的事不但要继续管，而且应该管得比以前更多。只是以前被协调工作吃掉的时间，现在可以还给真正重要的事了。
让我把这件事拆清楚。AI 时代 leader 的工作，分三层。
第一层，被 AI 收走的负担。
就是前面说的：周报汇总、排期协调、信息传递、审批路由。这些事 AI 可以干得更快更准，leader 不需要在上面花时间了。这不是削权，是减负。
第二层，一直都在的核心。
对员工的观察和辅导——他最近状态不太对，是不是遇到了什么卡点。团队氛围的塑造——大家是不是愿意说真话，出了事是甩锅还是一起扛。冲突调解——两个人对方案有分歧，不是 AI 判一个对错就完了，你要找到分歧背后的假设差异。招聘判断——一个候选人技术够不够、跟团队搭不搭，AI 可以筛简历但不能做最终判断。绩效反馈——告诉一个人他哪里做得好、哪里需要改进，这件事的难度跟写代码不是一个量级。
这些事情，AI 做不了。它们不是"软技能"——它们是 leader 这个角色存在的理由。而且在 AI 时代，它们的重要性只增不减。为什么？因为当执行被加速、团队构成变复杂（人加 agent）、变化频率拉高之后，人的状态反而更容易被忽视。以前你还能在周会、排期讨论、日常协作里自然观察到团队氛围，现在这些触点被 AI 压缩了。如果不刻意留出空间，你可能会在出事之后才发现有人已经 burn out 了三个月。
所以 leader 在 AI 时代不是不管人了，而是要更刻意地管人。 以前你可以在协调工作的缝隙里顺便观察团队状态；现在协调被 AI 做了，观察和辅导需要你专门安排时间、专门创造触点。
第三层，新增的一层：orchestration。
这一层是以前 leader 不太需要做的——或者说只有少数高层才需要做的。但现在，它正在变成每个 leader 工作的一部分。
设定约束而不是下达指令。 不说"你要这样做"，而是说"这个问题必须解决，这些边界不能碰，其他的你自己判断"。Agent 和工程师都需要足够的自主空间，约束给得越少、越清晰，执行效率越高。
发现全局优化机会而不是盯着局部效率。 当你不再被某个模块的执行细节占满注意力，你才能看到 A 和 B 之间的重复工作、C 和 D 之间可以共享的基础设施、E 模块一直在解决的其实不是技术问题而是需求定义问题。这些东西，埋头执行的人看不到，你如果也看不到，就没有人看到了。
调度资源而不是占有资源。 以前的 leader 有一种本能：把人攥在手里。"这个人归我管"比"这个人应该做什么"更重要。Orchestrator 反过来了——人不归你管，但你要能判断什么任务应该交给谁、什么任务应该交给 agent、什么任务应该先 hold 住不做。
把上下文对齐而不是把信息翻译一遍。 翻译是 A 语言转 B 语言，信息量不变。对齐是确保所有人对同一件事的理解是一致的——目标是什么、边界在哪里、成功长什么样。这不是搬运信息，是压缩和聚焦信息。
这三层加起来，leader 的工作其实是变重了，不是变轻了。协调负担被收走了，但对人的关注要更刻意，还要多出一层全局编排的职责。只做编排不关心人的，最后会发现自己调度的是空转的系统；只关心人不做编排的，最后会发现自己把团队照顾得很好但方向跑偏了。
最难的不是第二层，是第三层
三层里面，第二层（对人的观察和辅导）多数 leader 本来就在做，只是现在需要更刻意。真正难的是第三层——orchestration 需要的全局视角。
问题是，全局视角从哪里来？
过去的 leader 是怎么获得全局视角的？大部分是靠熬。在一个组织里待得够久，见过足够多的项目失败，跟足够多的团队吵过架，慢慢就对"什么会出问题"有了直觉。这个过程很慢，但它至少是闭环的：执行 → 碰撞 → 吃亏 → 形成判断。
AI 时代，这条路也在被打断。
如果 leader 不再亲手参与执行，不再跟人吵具体的架，不再为一个错误的决策付出代价——那他靠什么形成全局判断？如果他只是在仪表盘上看到"A 团队交付延迟了 3 天"，但不知道延迟背后的真实原因是什么（是人不够？是需求变了三次？是 agent 在某个边界条件上反复出错？），他的调度就会变成另一种形式的瞎指挥。
从执行中抽身是为了获得全局视角，但完全脱离执行会让全局视角变成空中楼阁。
这不是一个可以轻易绕过去的问题。我能想到的方向是：orchestrator 不能完全不执行，而是要有选择地执行——不是去写代码，而是去追关键决策的因果链。这个需求为什么改了三次？那个跨团队冲突为什么拖了三周才发现？每次出现系统性意外，orchestrator 要亲自下场拆解根因，而不是只看一份事故报告。
这跟上一篇文章讲的其实是同一个命题。新人通过 review agent 产出 + senior 复盘来训练判断力；leader 通过追踪关键决策的因果链来维持全局判断的触感。两种角色，同一种困境：执行被 AI 外包之后，判断力从哪里来。
组织要怎么调
如果上面的分析成立，组织有几个动作是绕不开的：
第一，把 leader 的 relay 工作拆掉，但空出来的时间要结构化地还给团队。 如果你的周报 agent 能写，你的排期 agent 能协调，你的信息同步 agent 能做——那就让 agent 做。但如果空出来的时间只是被更多会议填满，那拆掉 relay 毫无意义。这些时间应该被明确地分配到 coaching、1:1、团队复盘、跨团队对齐上去。以前你可以在协调工作的缝隙里观察团队状态，现在协调被收走了，观察和辅导需要你专门创造触点。如果组织只拆负担不建结构，leader 就会变成"不用管 relay 但也顾不上团队"的真空状态。
第二，管理幅度可以变大，但管理深度不能变浅。 AI 降低协调成本之后，一个 leader 能覆盖的人数确实可以增加。但覆盖不等于了解。你要了解的不是每个人每天在干什么，而是每个方向的决策逻辑是什么、关键风险在哪里、团队之间有哪些未解决的张力。管理幅度变大是效率收益，管理深度不变是质量底线。
第三，决策权要显性化。 扁平化最大的坑，就是砍掉了层级但没有重新分配决策权。表面上大家都平等了，实际上谁声音大、谁资历深、谁跟老板关系近，谁说了算。这种"影子 hierarchy"比正式层级更糟糕，因为它没法被质疑、没法被优化、没法被问责。好的 orchestrator 不是自己包揽所有决策，而是把每类决策的归属说得清清楚楚：什么决策 agent 自己做，什么决策 engineer 拍板，什么决策必须上升到 orchestrator。
第四，leader 的评估标准要从"团队产出"转向"系统改进"。 以前评 leader，看你带的团队交付了多少功能。以后 agent 也在交付功能，团队产出里有多少是 agent 的贡献、多少是 leader 的贡献，越来越难拆。更可靠的评估标准是：这个 leader 留下了什么系统性的改进？他有没有让团队的下一次交付更可靠？有没有发现并消除跨团队的重复工作？有没有把一次事故的根因沉淀成组织的长期约束？
还没想清楚的事
一个不太舒服的问题是：如果 leader 的核心价值是全局视角，而 AI 未来的全局数据分析能力越来越强——那 leader 的全局视角，独特价值到底在哪里？
我能给自己的答案是：数据告诉你什么在发生，但不能告诉你什么应该发生。AI 可以说"A 团队和 B 团队的排期有冲突"，但它不能说"这个冲突值不值得解决，还是应该让它撞一下，撞完双方都会更清楚自己的边界"。后者是判断，是价值观，是承担后果的意愿。这些东西 AI 没有，也不应该有。
但这是不是终局，我不确定。
另一个问题是，orchestrator 这个角色会不会也变成一个过渡形态？如果有一天 agent 不仅能执行，还能做全局调度和优化——那 orchestrator 还剩下什么？也许到那一天，orchestrator 会进一步退到"目标设定者"的位置：不调度具体资源，不设计具体系统，只定义什么是好的、什么是不被允许的。但那是什么角色，叫什么名字，我现在也说不清楚。
还有一个更实际的问题：现在的组织里，有多少 leader 愿意做第三层？"管人"是有权力感的——有人向你汇报，你能批他们的请假，你能决定他们的绩效。但第三层是孤独的——你不再拥有任何人，你只是在设计一个让所有人更好地工作的系统。这件事没有权力感，只有责任感。不是每个 leader 都愿意做这种转变。
一句话：AI 没有让 leader 消失，只是把那些靠信息差吃饭的 leader 归零了；活下来的 leader，协调负担轻了，但对人的关注要更刻意，还多了一层全局编排的新职责——leader 这个角色，没有变轻，变重了。
参考文献
- Fortune (2025/08/07), "AI is already changing the corporate org chart" — The Great Flattening 趋势的系统梳理
- AI-Native Transformation Framework, "The Flatter Hierarchy" — 中层管理五项职能分解：协调、汇总、升级、战略拆分被 AI 吸收，人员发展保留
- BCG, Nick South 访谈 — 首次使用 "orchestration layer" 描述 AI 时代的管理层
- McKinsey, "Building leaders in the age of AI" — AI 时代领导力核心能力：战略、判断、创造性思维、价值观驱动
- HBR (2025/07), "How AI Is Redefining Managerial Roles" — Leader 从 decision maker 转型为 sense maker
- Deloitte Insights (2025), "What's the future of management?" — 无正式头衔时 shadow leaders 和模糊决策权的问题
- HBS/INSEAD Working Paper 26-090 — YC 创业公司定量数据：AI-native 公司少 25% 人员，~15% 更少 manager
- LinkedIn/Lize de Kock, "Balancing The Great Flattening with the Need for Leadership in the AI Era" — 42% 中层管理岗位减少，80% 中层领导的变革成功 vs 20% 高层
- 清华大学经济管理学院, "共生领导力：人与 AI 深度融合的领导力新范式"