AI时代，中层还要替公司传多少次话？
设想一个项目出了问题。
一线把情况写进周报，组长整理，总监汇总，再送进高层会议。等决定沿原路传回来，客户已经换了要求。
每个人都在忙，事情却没有更快。
过去，我们把这叫管理成本。到了 AI 时代，有些成本值得重新追问：信息为什么必须经过这么多人，才有资格变成一个决定？
这也是“或许，我们不再需要中层来增加信息熵了”这句话，真正想刺中的地方。
它不是说中层都没用。而是说，靠占据信息通道维持的管理价值，正在受到挑战。
01｜公司需要管理，不等于需要这么多次转述
中层不是凭空出现的。
老板看不过来所有项目，部门之间需要协调，新人需要指导，资源冲突需要有人拍板。没有这些工作，组织可能不是更自由，而是更混乱。
但一个管理岗位里，往往混着两类截然不同的劳动。
一类是搬运信息：催周报、问进度、整理纪要、转发要求，再把不同部门的数据拼成一份汇报。
另一类是作出判断：目标冲突时先做什么，客户要求是否应该接受，一个年轻人为什么迟迟做不好，以及项目失败后谁来负责。
前者可以逐步交给系统，后者不能因为有了 AI 就无人承担。
假如 Agent 能在授权范围内读取项目记录、追踪依赖、汇总异常，那么，“只有问我才能知道进展”就不再是一个岗位的充分理由。
当然，“增加信息熵”只是比喻，并不是说每多一层经理，香农信息熵就必然上升。优秀管理者能够补充上下文、过滤噪声，让决策更准确。
真正该问的是：经过这一层，信息更清楚了，还是更好看了？问题更容易解决了，还是只多了一张报表？
02｜一些组织实验，正在把“职级”与“管人”拆开
素材收录的中国企业案例里，有一个值得注意的变化：管理职责，不再一定是永久身份。
据竞核 2026 年 7 月报道，腾讯游戏部分团队试点“负责人制”，弱化组长、总监等头衔，管理职责以动态管理标签体现。这是局部试点，不能代表腾讯全集团。
但它提出了一个有价值的可能：一个人可以专业职级很高，却不必长期管理一支团队；也可以因为项目需要承担管理职责，而不是先占住一个固定层级。
百度 2026 年的职级调整，则打通中管层以下的专业与管理通道，并提出减少汇报层级、加大授权。
这些调整并不等于“取消中层”，更不能全部归因于 AI。业务竞争、成本压力和原有组织问题，都可能推动改革。
但它们让一个旧观念开始松动：为什么一个人想获得更高回报，就必须先获得更多下属？
如果专业贡献也能带来成长，企业就不必为了留住人才，不断制造新的管理位置。
03｜别把预测读成判决书
谈到 AI 与中层，最容易传播的是一个惊人的数字。
Gartner 曾预测，到 2026 年，约 20% 的组织会利用 AI 扁平化结构，并削减超过半数的现有中层管理岗位。
注意，这是预测，不是已经实现的比例。
研究也没有给出“AI 越多，经理必然越少”的统一答案。素材援引的另一项研究发现，AI 采用程度较高的企业，管理人才需求反而更高，只是更看重协调、创造性判断和业务拓展。
两种方向并不难理解。
汇总进度不再需要那么多人，但业务扩张以后，跨团队取舍可能更多。AI 能生成方案，却不能自动解决部门之间的利益冲突。
薪酬数据同样不支持“中层已经普遍崩塌”的说法。素材所引人社部调查显示，中层管理岗年工资中位数从 2024 年的 9.60 万元，变为 2025 年的 9.83 万元。
这是调查口径下的变化，不代表同一批人都涨了薪，也不代表互联网大厂行情。
因此，与其急着预测哪个头衔消失，不如观察岗位里的工作怎样变化。
受到挑战的，是那些主要靠传话、催办和控制信息来证明必要性的工作。
04｜裁掉中层，可能只是让老板排队更长
设想一家公司取消了两级管理。
采购要老板批，请假要老板批，产品方案还是要老板批。员工更直接地面对高层，却没有获得更大的决定权。
组织图变扁了，等待时间反而变长。
这不是管理被替代，而是原本分散的工作被集中到了少数人身上。忙不过来以后，还可能出现没有头衔的协调者，和看不见的审批关卡。
所以，真正的扁平化至少要回答三个问题。
一线能直接看到哪些可信信息？在什么边界内可以自己决定？遇到例外，由谁承担责任？
例如，Agent 可以根据规则整理采购申请，但超预算事项仍需授权。它可以提醒项目依赖，却不能擅自决定哪个团队必须牺牲交付目标。
少一层汇报，应该同时少一次不必要的等待，而不是少一个可以求助的人。
人才培养也是一样。过去由经理完成的指导、反馈和冲突调解，不会因为取消岗位就自动消失。没有明确的承接者，这些成本最终会落在员工身上。
05｜别让 AI 成为永不下班的“电子中层”
还有一种更隐蔽的失败。
企业引入 AI 后，日报自动生成，周报实时刷新，每个人的动作都能被统计。看起来信息更丰富，实际上只是汇报更密集。
如果没人重新判断哪些信息值得收集，AI 就可能把无效管理做得更彻底。
以前每周开一次没有结论的会，现在每天都能收到一份没有帮助的摘要。以前管理者追问进度，现在系统全天候提醒。
员工省下了写报告的时间，却花更多时间解释系统为什么亮了红灯。
判断 AI 有没有改善组织，不能只看它生成了多少内容，要看它减少了多少无效交接。
管理者也不必把价值押在“我比 AI 更会做汇报”上。更值得投入的，是机器难以独立承担的责任：明确取舍、培养人才、处理冲突，并在不确定时作出可解释的决定。
06｜先拿一个项目试，不要先拿人开刀
如果企业真想改变，可以从一个 90 天试点开始。
前 30 天，记录一个典型项目的实际路径：事实转述几次，审批等了多久，哪些会议始终没有改变决定。
接下来 30 天，把例行汇总、状态同步交给 Agent，但保留责任人，并检查遗漏、错误和越权。
最后 30 天，在授权边界内跳过不必要的汇报节点，看看交付有没有加快，返工有没有减少，客户和员工的体验有没有改善。
不要只看节省了多少人。也要问，省下的时间去了哪里：更好的交付、更充分的培训，还是剩下的人承担了更多工作？
如果所谓提效，只是让员工下班更晚，就不能轻易把它称为组织进步。
AI Native 值得追求的，不是一张只剩老板和员工的组织图，而是信息可以直接到达有权判断的人，常规工作无需反复催动，关键决定始终有人负责。
或许，我们不再需要那么多必须经过的中间节点。
但我们仍然需要好的管理：让问题被看见，让人获得支持，让决定经得起追问。
在你的公司，哪一层管理真正改善了决策？又有哪一道汇报，只是让同一件事多说了一遍？
