這幾年最常被問的那個問題，方向從一開始就偏了。「AI 會不會取代我的工作」「哪些職位會消失」，這種問法把答案框成一張點名單，好像變化會逐格發生：這一格保留、那一格劃掉，剩下的照舊。
真正在動的東西比這個大。變的不是格子裡的名字，是那張圖本身怎麼畫出來的。
一家公司的組織圖，其實是一份切分表。它記錄的是上一代的答案：一件事該拆成幾段、每段誰做、誰對誰報告、卡住的時候誰說了算。這些答案不是天上掉下來的，是從當年的工具條件裡長出來的：資訊傳遞要多久、一份資料要幾個人經手、一個判斷要多少年經驗才敢下。工具條件換了一輪，答案理應重算。多數公司的那張圖還停在原地。
所以該問的不是「誰會被取代」，是「這件事現在該怎麼切」。
七月那批文章在談診斷：為什麼你的 AI 沒動起來。八月在談施工：決定動了之後怎麼真的蓋起來。九月一整季在談營運：蓋完之後怎麼跑、怎麼證明有效、怎麼不變成負債。三季走到底，最後要面對的就是這張圖。
01「取代」這個問法，本身就過期了
先把數據攤開，因為焦慮通常來自沒看數字。
Indeed Hiring Lab 的研究給了一個相當節制的結論：被 AI 完全取代的技能只有約 1%。但同一份研究也指出，初階職位的門檻被拉高了，進場的機會反而縮小。這兩件事放在一起才是完整的圖像。先被端走的是職位裡那些「本來讓新人練手」的部分。抽掉之後，那個職位還在，但它不再是同一個職位。
裁員數字看起來像另一回事。2026 年第一季科技業裁掉 78,557 人，甲骨文與亞馬遜就占了一半。但同一批公司在裁掉個別貢獻者的同時，大量招募 AI 工程師與產品職，業界稱之為「邊裁邊招」。有意思的是，這波裡明確把原因歸給 AI 的公司很少。RationalFX 的 AI 長 Babak Hodjat 直接指出，多數裁員是「預期驅動」，而不是 AI 產能已經兌現；生產力真的提升起來，還要六到十二個月才看得出來。
連那些看起來最像「AI 取代人」的案例，實際發生的也是重切：舊的切法被拆掉，新的切法還在畫，中間那段空檔被記成了裁員數字。
對一家二十人、五十人的公司來說，這件事的形態不一樣，但性質一樣。你不會有一天發現「業務助理這個職位消失了」。你會先發現一件小事：那份每週要花一個下午整理的報表，現在四十分鐘就好了。然後是第二件、第三件。等到累積夠多，你會被逼著問一個更大的問題。這個職位原本三成的時間拿去做那些事，那剩下的七成該長成什麼樣子？
那一刻你不是在裁人。你是在重畫一格。
02組織圖上，有三條線正在被重畫
講到這裡都還是形狀。真要落地，重畫的是三條具體的線。
第一條：部門的邊界。
傳統的部門邊界是照「誰會做什麼」切的。行銷會寫文案、設計會做圖、業務會談單，所以事情在三個部門之間傳來傳去，每次交接都有一段損耗。當生產文案跟生產圖的成本雙雙掉到接近零，那道邊界存在的理由也跟著弱了。剩下的問題不再是「誰會做」，而是「誰對這件事的結果負責」。
這是前一陣子談「崗位不該再以人為單位」的延伸。那篇談的是一個職位內部該怎麼重切，這裡談的是職位之間那些牆該不該留。牆是有成本的：每一道邊界都對應一次交接、一次來回確認、一次「這件事到底歸誰」的爭論。工具便宜了以後，維持一道低價值的牆，變成整家公司最貴的支出之一。
第二條：匯報的路徑。
多數中階管理職做的是資訊中繼：把下面的狀況彙整往上、把上面的決定翻譯往下。這個角色之所以存在，是因為資訊本身有摩擦，收集要時間、整理要時間、翻譯要時間。當摩擦被壓掉一大半，中繼站的價值就從「傳遞」轉移到「判斷」。
矽谷已經有公司把這件事推到極端。有一家二十五人的 AI 原生公司，不到十個工程師，99% 的程式碼由 AI 寫，過去六週的開發週期壓縮到一天。早上十點寫一個功能、中午做 A/B 測試、下午三點依數據砍掉一部分、五點重寫更好的版本。他們做的最激進的一件事，是把產品經理這個角色整個拆掉，職責分散回每個工程師與工程管理者身上。理由講得很直白：大量來回確認的成本，本來就發生在那個角色上；把它拿掉，來回確認的成本反而更低。
這個案例當然不能照抄。那是一家從零長出來的新創，沒有二十年的舊系統、沒有既有的人情包袱，條件跟一家做了十五年的貿易公司或設計公司差得很遠。可以照抄的是那個提問方式：翻開你的組織圖，找出哪一層的存在理由是「資訊傳遞很慢」，然後想想那一層現在該做什麼。
第三條：誰決定什麼。
這條最少人談，卻最要命。一件事交給 AI 跑之後，決定權其實悄悄移動了：以前是某個資深員工憑經驗說了算，現在是某段沒人寫下來的規則說了算。多數公司在這件事上沒有做過任何一次明確的決定，它就這樣默默發生了。
有一份談企業 AI 落地卡關的整理，把五個根源攤開，其中一個叫「知識資產匱乏」：很多公司靠人和經驗運轉，缺完整文檔跟 SOP，AI 根本沒有原料可用。另一份說法更精準：企業缺的不是更多資料，是 Business Context。資料記錄的是結果，Business Context 記錄的是判斷，也就是規則的依據、業務的經驗、流程當下的狀態。
決定權沒有被寫進圖裡，它就會流到最沒有人看管的地方去。
03新的格子已經在別人的圖上了
如果重畫這件事聽起來太抽象，看看已經有人畫出什麼形狀。
Meta 的開發者工具部門啟動了一個千人規模的 AI Builder 計畫，內部長出三個新角色：
| 角色 | 在做什麼 |
|---|---|
| AI Builder | 用 AI 工具快速把功能做出原型的個人 |
| Pod Lead | 協調二到五人的小組加上 AI 工具，整合輸出 |
| Org Lead | 設計 AI 工作流、分配人機邊界、對組織結果負責 |
值得注意的不是這三個名字，大公司發明職稱沒什麼稀奇。是這張表的切分軸換了。它不照專業領域切（前端、後端、設計），改照「你負責多大範圍的人機組合」切。第一層對自己負責，第二層對一個小組加工具負責，第三層對「人跟機器之間那條線畫在哪」負責。
第三個角色特別值得停三秒。Org Lead 這個位置的工作內容，白話講就是「決定哪些事給人做、哪些事給機器做，然後為這個決定的後果扛責」。在多數中小企業裡，這個工作現在沒有人在做。它散落在每個主管的直覺裡，沒有名字，也沒有人被問責。
而這正是為什麼「導了 AI 卻沒效」會反覆發生。有一份研究整理過企業端的五大攔路虎：需求模糊、資料品質差、算力成本、系統整合、沒人推動，其中「真正難的是整合，不是介面」，而「真正的落地不是上線，是持續使用」。「沒人推動」翻成組織圖的語言，就是那張圖上沒有一格寫著這件事歸誰。
04這張圖該重畫多快
下面這一段對我們的生意沒有好處，但不講就不誠實。組織圖該重畫得多快，各方說法並不同調。
激進派 · AI-First 組織。 那條路線是直接拆掉角色、讓系統主導、人退到「復盤結果好壞」的位置。他們認為最難跨的一步不是技術，是讓所有員工信任 AI 主導決策。同一份訪談也指出，初級工程師比資深工程師更容易轉型——資深者十到二十年的專長正在快速貶值。
保守派 · 產能還沒兌現。 Babak Hodjat 反過來指出，多數以 AI 為名的組織調整是「預期驅動」，真正的生產力提升要六到十二個月後才看得出來。照沒兌現的預期重畫組織圖，是拿真實的人事成本去賭一張還沒到的帳單。
中間值 · 資料。 Indeed 的數字站在保守這邊——只有約 1% 的技能真正被完全取代。但初階職位門檻被拉高，說明重切確實在發生，只是發生在職位內部，不是職位之間。
三種說法看起來在吵架，其實在描述同一件事的不同速率。對一家中小企業來說，可以取的結論反而比想像中好處理：先重畫工作的切法，再重畫人的格子。
順序不能反。先動人事、再想流程是最貴的一種做法：你付了資遣成本，換來一套沒人想清楚的新流程，六個月後還要再改一次。反過來先把切法想清楚，人的位置往往會自己浮出來。哪些格子該合、哪些該拆、哪一格根本還沒被畫上去。
還有一個好消息，前面談過：這件事小公司比大公司容易。大企業合規多、舊系統多、人的因素多，轉型過程艱難；規模小的公司反而站在最早的一段紅利期。組織圖上格子少，重畫的時候才拖得動。
05極端值：一張桌子的公司
有一個思想實驗，可以把這件事推到看得最清楚的位置。
把公司縮到極小，小到只剩一張桌子。這時組織圖只剩一格，但事情沒有變少，只是全部堆在那一格裡。有一整個領域在研究這個狀態該怎麼運作，核心公式大致是：能力 × 工具 × 系統。定位、內容、獲客、交付、複盤，每一段都要有一套跑得起來的流程，而不是靠當事人記得。
這不是要你把公司縮編。極端值的用處在於它把變數逼出來：在那個狀態下，能承載多少營收，完全取決於有多少判斷已經被寫成系統、不必每次重想。組織圖上的每一格都是同樣的問題，只是被人數稀釋掉了、看不出來。
放回一家二十人的公司，題目就變得很具體：這二十格裡，有幾格的工作內容是「已經寫下來、換個人也接得住」的？答不出來的那幾格，問題不在那些人身上，在那張圖從來沒被要求交代這件事。
三季走到底，剩下的是這張圖
回到最前面。
過去 一張組織圖畫的是「有哪些人、誰管誰」
現在 它要多回答三個問題：這件事該怎麼切、哪些段給機器、誰為結果扛責
七月談診斷、八月談施工、九月談營運，一路走下來，其實每一篇都在替這張圖的某一角做準備。問「你現在在第幾階」，是在確認這張圖能重畫到哪裡；地基還沒打的公司，重畫也是白畫。談「崗位不該再以人為單位」，是把一格拆開來看。談「模型是租來的，那你到底擁有什麼」，講的是重畫之後留下來的那四樣東西：權限邊界、驗收標準、帶不走的記憶、誰先做什麼的編排。
那四樣東西，全部都是組織圖的一部分，只是沒有畫在紙上。
所以一場 AI 流程診斷，看到後來多半會變成一場組織圖的重讀：那張圖到底是幾年前畫的、當年那些切分的理由現在還成不成立、哪一格已經空了很久卻沒有人補上。工具清單反而排在後面。
有幸生在這個電腦、網際網路、AI 的年代。這一代人拿到的不是一份新的職位表，是一次重新切分的機會——上一次有這種機會，是網際網路把通路重畫的那幾年。
一支隊伍，從策略到上線。組織圖不會自己重畫，它得有人坐下來，一格一格重問一次。
讓 AI 加速，讓人定錨。
為品牌築根，為數位開路。