第九章 企業文化的死結
AI 可以在一小時內生成十個架構方案、五十頁商業計劃書、三種不同的產品原型。技術層面的瓶頸確實在消失。但你把這些東西交給一間公司——不用多，五個人、十個人——光是爭「該用哪個方案」「為什麼不用我的方案」「這個方向到底對不對」，就可以花上一兩年的時間。
AI 把建造時間壓縮到了幾天，但人類的共識時間沒有被壓縮過一秒。
於是一個極其諷刺的局面出現了：AI 讓建造變得幾乎免費，但組織讓決策變得極其昂貴。在 AI 之前，建造成本高，所以決策的緩慢被掩蓋了——反正建造也要半年，多花兩個月討論看起來不算什麼。現在建造只需要幾天，那兩個月的討論就赤裸裸地暴露出來了。它不是「謹慎」，它就是浪費。
企業最昂貴的成本，從來不是技術。是共識。
這不是感覺，是可以量度的。McKinsey 一份調查發現，61% 的高管表示他們花在決策上的時間至少有一半是無效的；只有 37% 的受訪者認為自己組織的決策既及時又高質量。高管平均每週花 23 小時開會，71% 認為會議沒有效率。而 Asana 的年度調查更直接：知識工作者每天 58% 的時間花在會議和行政事務上，不是在做他們被聘請來做的工作。這些數字是 AI 普及之前就存在的。AI 做的只是讓它們無法繼續被忽視。
話語權的戰場
為什麼共識這麼貴？因為它表面上是溝通，底層是權力。
當 AI 可以同時生成多個可行方案的時候，「應該做什麼」這個問題就不再有唯一的正確答案。每一個方案都有它的道理，每一個方向都有它的論據。在這種情況下，決策不再是一個認知問題——「哪個方案最好」——而是一個政治問題——「誰的定義被採納」。
一個團隊裡，技術主管認為系統應該用 A 架構，產品經理認為應該用 B 架構，行銷主管認為兩個都不重要、應該先做 C 功能。三個人都有合理的理由。AI 可以在一天之內把 A、B、C 三個方案全部建出來——技術瓶頸是零。但三個人可以花三個月吵這件事，因為每個人捍衛的不只是方案本身，還有自己在組織裡的話語權：如果我的方案被否定了，是不是代表我的判斷不被信任？是不是代表下次重要的事情不會問我的意見？
所以你在很多企業裡看到的「技術討論」，本質上不是在討論技術，而是一場偽裝成專業對話的權力遊戲。每個人都用專業術語、數據、框架來包裝自己的立場，但真正驅動行為的不是「哪個方案對公司最好」，而是「誰的版本被確認」。
AI 不但沒有解決這個問題，反而加劇了它。因為 AI 降低了提出方案的成本，方案的數量暴增，而每一個方案都有看起來合理的論據支持。選擇越多，共識越難；共識越難，政治成本越高。
最終的結果往往不是「選出最好的方案」，而是「政治能量最強的人的方案被採納」，或者「大家妥協出一個誰都不滿意但誰都不反對的折衷方案」。AI 生成的那些方案，大部分會被扔掉——不是因為它們不好，是因為組織的決策機制消化不了這麼多選項。
看見問題的人
如果話語權的爭奪已經夠令人疲憊，那麼還有一個更隱蔽、更殘酷的陷阱。
在任何組織裡，都有一種人：他們因為經驗和認知的深度，能夠在一個專案啟動之前就看見未來會遇到的結構性問題。他們不是悲觀主義者，也不是在唱反調——他們是在說：根據我過去的經歷，這條路走到某個點之後，會撞到一面牆，而那面牆不是靠技術就能繞過去的。
第六章拆過的那顆地雷就是例子。一個經歷過三代平台轉換的人，可以在第四代平台搶灘之前就指出：模擬層翻譯不了核心層的驅動、反作弊系統和企業資安軟體會卡在那裡、這不是新晶片能解決的問題。他說的不是預言，是約束條件——兩年前就在說，只是在等歷史押韻。
但在大部分組織裡，這種人的處境極其尷尬。
專案啟動階段，組織需要的不是完整的風險模型，是能推動專案向前的敘事——願景、機會、市場潛力。這些才是能拿到預算、拿到人力、拿到高層支持的語言。而約束條件分析有一個非常尷尬的特性：講得太早，大家覺得你太悲觀；講得太準，大家覺得你在阻礙進度。
舉一個你大概見過的場景。某間公司決定用 AI 重建內部工作流程。有人在啟動會議上指出：現有的數據架構不支援這件事，不是接個 API 就能解決的，底層要先拆掉重來，而拆底層會牽動三個部門的現有系統。他講完之後，會議室安靜了幾秒。然後項目負責人說：「這些我們後面再處理，先把 MVP 推出來。」三個月後，MVP 推出來了。六個月後，底層的問題浮上來了。重建的成本是原來估算的四倍。然後開始追究：「當初那個提出風險的人，為什麼不更強力地推動解決方案？」
沒有人問另一個問題：當初為什麼沒有聽？
這就是事後歸因的機制。結果不好，組 織往回追溯，找到那個「早就知道」的人，然後問：既然你看見了問題，為什麼不解決？既然你提出過風險，為什麼沒有說服大家？既然你有這個判斷能力，為什麼不去爭取資源來阻止它？
每一個問題都聽起來合理。但每一個問題都隱含了同一個錯誤的假設：看見問題的人，擁有解決問題的權力。
地震學家預測地震風險，不代表他有能力加固全國的建築。財務分析師指出泡沫，不代表他有能力改變市場。架構師指出技術債，不代表他有資源重寫系統。「看見」和「解決」之間隔著的不是能力，是權力。
但事後歸因不會追究這個差距。它的邏輯是倒推的：結果不好 → 有人早就知道 → 那個人為什麼沒有阻止。這套邏輯將結構性的權力失配，翻譯成個人的能力不足或溝通失敗。
而它還有一個更隱蔽的功能：保護真正擁有決策權的人。如果責任被歸到「那個早就知道但沒有成功說服大家的人」身上，那麼當初拍板做決定的人、分配資源的人、選擇忽視風險的人，就全部被赦免了。
所以你會看到一個荒謬的模式：最有判斷力的人，反而承受最多的事後追責。而真正負責拍板的人，永遠安全。因為前者是「早就知道」的人，後者是「做了大家都同意的決定」的人。知道太多，在企業裡有時候不是資產，是負債。
話術的三重功能
共識的昂貴、話語權的爭奪、事後歸因的陷阱——在已經金融資本化的企業裡，這些問題不會被公開討論。因為這類企業有一套極其精密的語言系統，專門用來將這些問題翻譯成聽起來合理、甚至正面的 說法。
裁員叫「組織優化」。壓榨叫「提升營運效率」。削減福利叫「靈活薪酬方案」。逼你做兩個人的工作叫「賦能」。淘汰制叫「打造高績效文化」。每一個詞都經過設計，將一個對員工有害的行為，包裝成一個對所有人都好的故事。
這套話術有三重功能。
對外，它是公關——維護企業形象。對內，它是麻醉劑——讓執行決策的中層管理者可以心安理得地做那些他們知道不對的事情。一個中層經理要裁掉自己團隊一半的人，如果他心裡的敘事是「我在幫 CEO 省錢好讓他的期權兌現」，他做不下去。但如果敘事變成「我們正在進行戰略轉型，打造更敏捷的團隊」，他就可以說服自己繼續做。對法庭，它是防彈衣——每一句官方聲明都是法律團隊審過的，目的是最大程度減少訴訟風險。
而這套話術裡最高明、也最殘忍的一招，是將結構性問題個人化。如果你被淘汰了，不是制度的問題，是你自己不夠努力。如果你跟不上 AI 的節奏，不是轉型策略的問題，是你自己沒有提升技能。如果你在組織裡被邊緣化，不是權力結構的問題，是你的溝通能力有待加強。
每一次，責任都從系統轉移到個人。而個人——尤其是那些沒有話語權的個人——沒有語言、沒有平台、沒有資源去反駁。
AI 改變不了這套話術。事實上，AI 可能會讓它變得更精緻。以前的「組織優化」還需要人類寫。現在 AI 可以幫你生成一整套內外一致、邏輯自洽、情感適度的裁員溝通方案——從全員郵件到 FAQ，從媒體聲明到 LinkedIn 聲明，全部一次搞定。工具升級了，但它服務的邏輯沒有變。
制度的自我篩選
所有這些——共識的昂貴、定義權的爭奪、事後歸因、話術系統——不是某一間公司的偶然現象，而是金融資本化的企業管理的結構性特徵。
在這套結構裡，管理層的考核不是「你對團隊好不好」，而是「你管的部門成本降了多少、產出升了多少」。一個中層經理如果很會帶人、團隊有歸屬感，但成本沒降，他的績效評語是「缺乏決斷力」。反過來，一個人見人厭的主管，但夠狠手逼走高薪的老員工、用便宜的新人頂上、讓部門預算數字好看——他的評語是「高效執行力」，升職加薪。
這套制度會自我篩選。有良心的人做不下去這些事，會自己走。留下來的、升上去的，往往是做得下去的人。時間一久，管理層的組成就會越來越偏向某一種人格特質——不是說全部都是壞人，但系統確實有利於果斷到近乎冷血的人向上流動。
AI 改變不了這個篩選機制。它可以讓建造更快、讓分析更準、讓文書更完善。但它改變不了誰擁有決策權、誰承擔後果、誰的版本被確認。它改變不了一間公司的激勵結構：S&P 500 的 CEO 中位數任期只有 4.8 年（Equilar，2022），而且還在縮短——2025 年離任 CEO 的平均任期已降到 7.1 年（Russell Reynolds）。但期權看的是季度業績。一個任期不到五年的 CEO，他的決策後果——無論是好是壞——大部分要等到下一任才會浮現。它改變不了企業的權力分配邏輯：有時候最知道問題的人，反而最沒有資源。
所以 AI 在企業裡遇到的天花板，從來不是技術的天花板。是文化的天花板。是「誰說了算」「出了事怪誰」「怎麼包裝」這三件事構成的鐵三角。這個鐵三角，沒有任何模型能訓練出來，也沒有任何 Agent 能自動化掉。
但你可能會想：如果 AI 真的夠強，強到可以取代大量中高層——那些開會佔時間、搶話語權、做事後歸因的人——官僚層被壓扁了，問題不就解決了嗎？
理論上是。但實際操作裡，裁員從來不是一把精準的手術刀。它是一把鍘刀。
當企業用 AI 作為理由精簡架構的時候，砍掉的不只是官僚，也包括那些看起來「不夠高效」但其實擁有最深判斷力的人。因為裁員的標準是數字——成本、產出、職級——不是判斷力。判斷力沒有 KPI，沒有儀表板，沒有辦法在一張試算表裡被看見。一個在公司待了十五年、見過三次平台轉型失敗、知道哪些路不能走的人，在裁員名單上只是一行高薪資的數字。
於是一個比原來更難解的問題出現了：官僚確實減少了，但和官僚一起消失的，還有那些唯一知道牆在哪裡的人。架構簡化了，但組織的判斷力也跟著稀釋了。真正的效率從來不是來自更少的人頭，是來自留下來的人有沒有足夠的判斷力和實力去做對的決定。裁員機制無法鑑別這件事。它只認數字。
洗牌式降價
鍘刀落下之後，空出來的位置不會懸空。它會被填補——而填補的方式，製造了一種比裁員本身更隱蔽的變形。
一個年資十五年、年薪一百五十萬的資深經理被退休方案清走了。他下面一個做了五年的主任被「升職」接手，薪水從八十萬調到一百萬——漲了百分之二十五。對這個主任來說，這是升遷，是加薪，是職涯的一大步。
但看看他接手的是什麼。原來那個資深經理管的專案範圍、決策權限、跨部門協調的複雜度，全部壓到他身上。他做的工作量不只是原來的工作加上舊主管的工作，而是整個崗位在舊主管離開之後被重新定義——管理幅度擴大了兩到三倍，薪水只多了百分之二十五。
從企業的角度算：一個一百五十萬的人被換成一個一百萬的人，工作範圍沒有縮小，總人力成本下降了三分之一。財報上，人均產出提升，營運費用下降。數字是亮的。
從勞動力定價的角度算：這個崗位的單位價格從一百五十萬跌到一百萬，跌幅超過三成。但當事人不會這樣算。他的參照系是自己上一份工作的八十萬，不是這個崗位上一個人拿的一百五十萬。那個參照系已經隨著上一個人被清走而消失了——沒有人會告訴他：你現在做的事，兩年前值一倍半的價錢。
這就是洗牌式降價。它不是減薪，是重新定義崗位的含金量，然後用新價格賣給新人，而新人還以為自己撿了便宜。
而這套洗牌還有一層沒有被說出口的東西。
被退休方案清走的、被成本標準裁掉的、年資加年齡等於七十的——他們有一個共同特徵，不只是「貴」，還有「老」。四十五歲以上，在公司待了十五年以上。這不是巧合，是同一回事：年資長所以薪水高，薪水高所以成本高，成本高所以被清走。但在整個過程裡，「年齡」這個詞從來不會出現在任何一份官方文件裡。退休方案的標準是「年齡加年資」，裁員的標準是「成本」和「職級」——每一個詞都精準地避開了年齡歧視的法律紅線，但每一個詞指向的都是同一群人。
數據偶爾會洩漏真相。2026 年 3 月，Meta 前資深總監 Nicolas Franchet（54 歲）起訴公司，引用了 Meta 提供給被裁員工的內部數據：在 2025 年 2 月那批以「最低績效者」為名義的裁員中，四十歲以上的員工被裁機率是四十歲以下的 1.5 倍，五十歲以上的員工被裁機率是四十歲以下的 2.5 倍 。Meta 聲稱砍的是績效，數據顯示砍的是年齡。X（前 Twitter）的裁員訴訟裡也有類似的數字：五十歲以上員工被裁比率 60%，六十歲以上近 75%，五十歲以下是 54%。HP 和 Hewlett Packard Enterprise 在 2023 年為類似指控支付了一千八百萬美元和解金，Google 在 2019 年支付了一千一百萬。而 EEOC（美國平等就業機會委員會）收到的年齡歧視投訴從 2022 年的 11,500 件升到 2023 年的 14,144 件，再到 2024 年的 16,223 件——連續三年加速。AARP 在 2026 年初發佈的調查（1,656 名五十歲以上員工）顯示，90% 報告經歷過年齡歧視，83% 感到偶爾不被尊重。這些數字說的是同一件事：「績效優化」「成本管理」「組織精簡」，不同的名目，同一批收件人。
而填補他們位置的人，有一個同樣不會被說出口的共同特徵：年輕。三十出頭，做了五到七年，精力充沛，薪資期望還在上升軌道的前半段。EEOC 的數據畫出了這個替換的輪廓：科技業中四十歲以上員工的佔比從 2014 年的 55.9% 降到 2022 年的 52.1%，而 25 至 39 歲的佔比膨脹到 40.8%——遠超全國平均的 33.1%。企業不會說「我們在清走老人」。企業說的是「打造年輕化、敏捷、有活力的團隊」。同一件事，換一套話術，性質就從年齡歧視變成了組織轉型。
這套話術之所以有效，是因為它和接手者的自我敘事完美咬合。一個三十二歲的人被「升職」到原來四十七歲的人的位置上，他看到的敘事是「公司終於願意給年輕人機會了」，不是「公司用我的低價取代了一個高價的人」。他覺得自己是被看見的那一個，是這場變革的受益者。而那個四十七歲的人——他不在任何一個他還能被看到的地方了。他不在辦公室裡，不在行業群組裡，不在 LinkedIn 的動態裡。他消失了。消失本身不會產生任何數據。
所以這場 洗牌的完整面貌是：清走最貴的人（他們恰好也是最老的），用最便宜的人填上（他們恰好也是最年輕的），然後把整件事包裝成「團隊年輕化」和「效率提升」。成本下降了，平均年齡下降了，數字全面改善。華爾街看到的是一間「煥然一新」的公司。沒有人看到的是：煥然一新的代價，是把二十年的判斷力連同二十年的薪資一起清零。
把這個模式乘以一萬個崗位，你就得到了一幅很弔詭的圖景：就業市場看起來仍然在運作，人在流動，薪水在漲，LinkedIn 上的「升職」貼文照發不誤。但整個中間層的勞動力定價被系統性地壓低了，而所有人都在看錯的參照系。
第四章寫過 Gartner 的預測——今天被裁走的人，幾年後會以新的職稱被請回來，「AI 協調員」、「模型營運」，只是薪資等級回不去了。洗牌式降價就是這件事的微觀現場：不需要等三年，它現在每天都在發生，只是沒有人把它叫做降價。
數字遮蓋了什麼
如果故事到這裡就結束，那只是一個薪資壓縮的問題——痛苦，但至少可以量度。真正危險的是它和前面那把鍘刀疊在一起之後產生的化學反應。
鍘刀砍掉的不只是官僚，還有判斷力。洗牌式降價把空出來的位置用更便宜的人填上。兩者合在一起，企業得到的是一套全新的人力結構：成本更低，執行力依然在，但組織的判斷力被稀釋了——那些知道哪些路不能走的人已經不在了，接手的人有效率但沒有那種深度。
而這套新結構的財報數字，是好看的。人均產出上升，營運費用下降，毛利率改善。華爾街看到的是效率 提升。品牌敘事是「AI 驅動的組織精簡」。沒有任何一個指標在追蹤「判斷力」這個維度，因為判斷力沒有 KPI。
這就是劣幣驅逐良幣的隱藏版本。
傳統的劣幣驅逐良幣很容易辨認——爛人留下來，好人走了，公司變差了，所有人都看得出來。但這個版本裡，公司在數字上變好了。問題被藏在一個沒有任何報表能追蹤的維度裡。狗屁工作確實被去掉了一部分，但和狗屁工作一起被去掉的，還有組織的方向感。
短期內看不出來。因為接手的人有執行力，能把現有的事做好。但「做好現有的事」和「知道下一步該做什麼」是兩種完全不同的能力。方向性的錯誤——選錯了產品路線、低估了技術債、誤判了市場轉折——不會在第一個季度浮現。它會在第三個、第四個季度，以一連串看似獨立的「執行問題」的面貌出現。而到那時候，沒有人能追溯到原因是十八個月前那批人被清走了。
更吊詭的是，這個過程自帶正反饋循環。數字變好，市場獎勵這種做法。其他企業看到了，跟進。更多判斷力被清洗，短期數字繼續變好，更多市場獎勵。直到累積的方向性錯誤大到無法忽視——但那時候做出清洗決策的高管，大概已經帶著期權走了。Klarna 用兩年走完了這個循環。更多公司正在走。
文化的骨架被掏空的時候，不會發出聲音。財報不會告訴你。股價不會告訴你。唯一能告訴你的，是十八個月後那些本來不應該犯的錯。但沒有人會把那些錯歸因到今天的洗牌上，因為因果鏈太長，中間的噪音太多。
這才是鍘刀最深的傷口——不是砍在被裁的人身上的，是砍在組織的判斷力上的，而這道傷口被一份漂亮的財報完美地縫合了。
AI 照不到的角落
把第三部串在一起看。
第七章講的是衡量系統的扭曲——教育和認證如何用錯誤的指標衡量能力，導致真正有判斷力的人被忽視。第八章講的是 AI 暴露了什麼——當製作成本歸零，意識、架構思維、設計判斷這些一直被遮蓋的東西成為唯一重要的差異。這一章講的是金融資本化的企業文化為什麼解不了——即使 AI 把技術瓶頸全部打通，共識成本、話語權爭奪、事後歸因、制度性的責任錯配，這些問題會原封不動地留在那裡。
教育認不出真正的能力。AI 暴露了真正的能力在哪裡。而在那些已經金融資本化的企業裡，文化不讓有能力的人發揮。
三層扭曲疊在一起，構成了一個閉環。
需要講清楚一件事：這一章拆的主要案例是科技業裡金融資本化的企業——不理本業、集中在估值、一切服務數字的那種。但企業文化的死結千變萬化，不只有這一種面貌。
傳統產業有傳統產業的變體。全產業鏈依賴政府維新的行業——補貼、政策、牌照、關係——它的決策瓶頸不是話語權爭奪，是審批層級和政治風向。話術的包裝對象不同，但「結構性問題被翻譯成個人責任」的邏輯是一樣的。看見問題的人不敢講，不是因為怕被搶話語權，是因為怕得罪上面。事後歸因不是追究「誰沒有說服團隊」，是追究「誰沒有揣摩好意思」。形態不同，死結相似。
這一章不可能窮盡所有變體。萬變不離其宗的是這條線：組織的決策機制會系統性地壓制判斷力，而 AI 加速了建造卻加速不了共識，結果是暴露了組織裡一直存在的結構性浪費。這條線在金融資本化的科技公司裡最赤裸，但它不是科技業的專利。
那麼，當教育認不出能力、AI 暴露了能力、企業文化困住了有能力的人——三層扭曲疊成閉環之後，還有一個問題沒有回答：當生產能力本身接近免費，人究竟還需要什麼？
教育認不出能力。AI 暴露了能力在哪裡。企業文化困住了有能力的人。三層扭曲疊在一起，構成了一個閉環。但還有一個問題沒有回答：當生產能力本身接近免費，人究竟還需要什麼？