AI時代的套娃法則 – META的組織轉型失敗案例

 

如果你的公司正在推行AI工具——要求你用AI寫代碼、做方案、生成內容，同時在裁人——你可能會想：AI到底能不能替代我的工作？或者更焦慮一點：我什麼時候會被替代？

Meta替你試過了。答案可能跟你想的不一樣。

2026年3月，扎克伯格做了一個大膽的決定。

Meta組建了一個名叫「應用AI工程部門」（Applied AI，簡稱AAI）的新部門，規模約7000人。這個部門的管理幅度被設計到一個驚人的比例——1:50。一個經理管50個工程師。矽谷的傳統比例是1:8到1:12。換句話說，Meta把中層管理者的數量壓縮到了常規的五分之一到六分之一。

這不是心血來潮。2023年，扎克伯格就把Meta定調為「效率之年」（Year of Efficiency），核心理念是「扁平化更快」（Flatter is faster）。此後兩年，他不斷拉大管理幅度，一步一步壓縮中間層。到2026年，他決定把這個邏輯推到極致。

這場被稱為「Project OT」的組織革命，核心設計有五條：

為了倒逼轉型，Meta同時推行了硬性AI使用指標：中心產品部門80%的中高級工程師被要求採用通用AI工具，55%的代碼修改必須有AI代理輔助；創作部門65%的工程師被規定要用AI編寫超過75%的已提交代碼。

扎克伯格賭的是一個判斷：當AI工具足夠智能、工程師自主能力足夠強，中間協調層就是多餘成本。

這個賭局有其財務邏輯。據報導，Meta 2026年全年資本支出預計1250億至1450億美元，較2025年的722億美元增幅接近一倍——主要用於數據中心和AI基礎設施。省下的每一分人力成本，都要餵給算力。中層管理者——那些「不直接寫代碼、不直接出產品的人」——自然成為第一刀。

AAI部門最初面向內部招募志願者。但到2026年春天，負責人Maher Saba通知被選中的員工：調崗不再是可選項。理由是「AAI是公司最高優先級事項，要把最強的人調過來」。約7000名員工被強制劃轉，其中不少人原本是管理人員，轉崗時被剝離管理職能，降為單純的業務專家。

當時全行業為之震動，市場普遍跟風：人力無用、AI接管、極簡團隊是未來。

期望與現實的斷裂

但期望和現實之間的斷裂，比任何人預期的都要慘烈。

扎克伯格的邏輯是：AI Agent接管構建、測試、上線產品的大部分工作，工程師退居「監督」角色。AI的力量使公司能重新部署人力，壓縮管理層級，以小型團隊模式提高決策效率。聽起來天衣無縫。

但AAI部門6500到7000名工程師的實際工作，跟「AI原生創新」相去甚遠。據《連線》雜誌（Wired）報道，他們的核心任務是：出編程題，設計評測任務，用來訓練AI——教模型怎麼像人一樣完成電腦上的操作；判斷AI模型給出的答案哪個更好。本質上，他們從工程師變成了數據標註員。

被調入的工程師形容工作「簡單枯燥到要死」，有人把AAI部門比作「古拉格」——被強制調進去後，馬上就泯滅了人生目標。扎克伯格解釋為何用自己的工程師而非外包：Meta員工的智商平均比第三方外包「高出一大截」，所以是更划算的選擇。翻譯成人話就是：把你們當工具人了。

接著發生了一件更荒誕的事。

2026年4月初，一名Meta員工自建了一個名為「Claudeonomics」的內部排行榜，追蹤8.5萬名員工的AI Token消耗量，列出前250名「超級用戶」，還設有「Token Legend」（Token傳奇）等榮譽稱號。數據驚人：30天內全公司消耗超過60萬億Token，按Claude公開API定價粗算，約合數十億美元。榜首單人30天燒掉2810億Token，約值140萬美元。有員工寫外掛作弊衝榜，有人掛著Agent睡覺也在跑。

更諷刺的是，扎克伯格本人和CTO Bosworth都未進入前250名——因為他們「不直接寫代碼」。

新聞爆出48小時後，Claudeonomics被內部下線，理由是「數據外洩」。但Meta隨後證實公司確實有官方的AI使用追蹤儀表板。這一事件暴露了一個深層矛盾：公司鼓勵員工用AI，但無法管理使用方式。員工為了刷榜而瘋狂消耗Token，設計更長的提示詞、並行運行多個AI代理、甚至指示AI生成大量無意義的代碼變更——這些變更對功能改善毫無意義，卻能拉高Token消耗統計。

如果說Claudeonomics暴露的是「AI使用失控」，那麼緊接而來的鍵鼠監控風波，暴露的是「管理方式失控」。

2026年4月，Meta正式鋪開名為「Model Capability Initiative」（MCI，模型能力計劃）的項目，監控員工的鼠標軌跡、鍵盤輸入、點擊、菜單操作，還有定期截屏，覆蓋數百個應用和網站。公司配發的設備沒有退出選項——這一點經CTO Bosworth確認。

員工在美國多個辦公室分發傳單抗議，傳單上寫著：「不想在『員工數據提取工廠』工作嗎？」超過1600名員工簽名聯署反對。

然後是內部直播爆粗口事件。

2026年6月初，在一場數千名員工參加的Meta內部視頻會議上，一名員工情緒失控，劫了麥克風，爆著粗口喊話，讓在場所有人去轉告某位Meta AI高管——「他就是個piece of sh*t」。演示者當場用手捂住了臉，請大家趕緊靜音。

首席產品官Chris Cox在給Instagram部門員工開會時也承認，過去幾個月「搞AI的瘋勁」讓工作環境變得「艱難且殘酷」。據報導，他形容員工的處境像是發現隊友被替換了，而領隊在記錄你的每一個動作去教機器人。

CTO Andrew Bosworth在內部會議「Tuesdays with Boz」上親口承認，公司士氣快跌到歷史谷底。他用了一個相當嚴重的詞來形容這場重組——atrocious，糟糕透頂。他承認重組動搖了員工對公司的三重信任：相信自己的專長會被看見、相信自己能在這裡成長、相信自己的工作真的有影響力。

值得注意的是，據報導，2025年初面對員工對裁員和不滿時，Boz的態度還相當強硬，一度表示不滿意的人可以離開。一年後畫風突變為主動認錯，可見動亂規模之大。

最後，扎克伯格本人也罕見地發了一份內部備忘錄，承認公司在這輪重組裡確實犯了錯誤：「考慮到最近公司舉措的複雜背景和結果，公司決策層的確犯了很多錯誤，未來可能還會有。」他承諾2026年不再進行大規模裁員，並表示將為團隊活動增加預算。

從3月到6月，短短三個月，這場被寄予厚望的AI原生組織實驗，已經從「扁平化更快」的理想，滑落成一場內部信任的全面危機。

致命數據與三大失敗原因

但真正值得追問的是：這場實驗的失敗，到底是因為「AI技術本身不適合大型開發專案」，還是因為「員工從心底抗拒，最終從內部瓦解了實驗」？

答案恐怕是：兩者互為因果。

先看數據。據報導，短短數月內，AAI部門的落地數據徹底擊碎了所有美好預期——AI生成代碼量暴漲220%，但有效產品功能僅提升36%；技術安全事故同比暴漲40%；員工「救火時間」暴增70%；員工滿意度從74%跌至55%。

翻譯成人話就是：AI瘋狂生產，人類疲於兜底。代碼量翻了兩倍多，真正有用的功能只多了三分之一。剩下的呢？全是需要人來收拾的爛攤子。

這組數據指向第一個失敗原因：Meta把「任務提效」等同於「崗位替代」。AI極度擅長執行層任務——寫代碼、做設計、整理文檔、生成內容。但AI完全缺失「決策、校驗、統籌、風控、優先級判斷、系統兼容」的核心能力。AI可以無限生成代碼，但無法判斷代碼是否適配整體系統；可以批量產出內容，但無法規避業務風險和安全漏洞。扎克伯格看到的是「AI能寫代碼」，但他忽略了：寫出來的代碼能不能上線、上了線會不會出事、出事了誰來負責——這些判斷靠的是人的經驗，不是靠模型。

第二個失敗原因跟在第一個後面，像多米諾骨牌一樣：AI生產越快，人類治理成本越高。AI大幅降低了生產門檻，卻指數級抬高了審核門檻、風控門檻、糾錯門檻。AI Agent擁有自主執行權限後，一旦判斷失誤，會批量輸出錯誤、觸發系統性風險。自動化率越高，治理壓力越大；AI產出越多，兜底成本越高。這不是AI不夠強，而是AI越強，對人類判斷力的需求反而越大——而不是越小。

但這兩個原因，都還是在技術層面找答案。第三個原因，跟技術無關。

Meta強制員工記錄工作行為、訓練AI Agent，同時推進大規模裁員。員工陷入一個極致矛盾：我越努力訓練AI，AI越成熟，我失業越快。這不是「不適應新工具」的技術抗拒，這是「你根本不尊重我」的情緒爆發。

而且這種情緒，不是以消極抵抗的形式出現的——它是以「報復性配合」的形式出現的。

你要AI使用量？好，我刷給你看。Claudeonomics排行榜上，有人寫外掛作弊衝榜，有人掛著Agent睡覺也在跑，有人指示AI生成大量無意義的代碼變更——對功能改善毫無意義，卻能拉高Token消耗統計。你說80%的工程師必須用AI、55%的代碼修改要有AI輔助？好，我照做。但做出來的東西有多少是有效的，你自己看那36%。

你要我訓練替代我自己的工具？好，我用最低限度的配合讓你的工具永遠學不會。你要監控我的鼠標軌跡、鍵盤輸入、定期截屏？好，1600人聯署抗議，傳單上寫「不想在員工數據提取工廠工作嗎」。你在內部直播上讓高管講願景？好，有人直接劫了麥克風爆粗口——「他就是個piece of sh*t」。

這些行為的底層邏輯是同一個東西：你不尊重我，那我就用你能看到的方式回敬你。刷Token是「你要使用量？我刷給你看」，爆粗口是「你把我當工具人？我就讓你看看工具人的脾氣」，聯署抗議是「你監控我？那我就用你聽得懂的語言告訴你」。

這不是消極對抗。這是主動的、帶著憤怒的報復性配合。表面上在配合你的KPI，實際上在用你的KPI反噬你。

報復性配合的後果，不止於眼前的數據難看。它還在製造一種更深層的傷害。

麻省理工學院媒體實驗室（MIT Media Lab）的一項研究提出了「認知債務」（Cognitive Debt）這個概念。研究人員通過腦電圖監測發現，長期依賴AI輔助的人，大腦中與主動檢索、邏輯推理相關的皮層，神經連接活躍度顯著降低。管理者的判斷力退化，與組織對AI的依賴加深，形成正反饋循環——越依賴AI，判斷力越退化；判斷力越退化，越離不開AI。

而Meta的實驗，恰恰在這個循環上又加了一層：當員工以報復性配合的方式使用AI時，AI學到的是什麼？是帶著情緒的、最低限度的、甚至故意製造噪音的數據。用這種數據訓練出來的模型，能好到哪裡去？

所以回到那個問題——失敗的原因到底是技術的還是人性的？答案是：你用不尊重人的方式導入技術，人就會用行動讓技術失敗。兩者不是非此即彼，而是互為因果。技術導入的方式不尊重人，人就會讓你看到：沒有人的判斷力和意願，再強的AI也只是一台瘋狂生產垃圾的機器。

全球對比與學術佐證

Meta不是唯一在動的公司。2026年春夏，從矽谷到中國，頭部科技公司幾乎都在重新審視中層的價值。但路徑各不相同。

亞馬遜做的是減法。2026年1月，亞馬遜啟動大規模裁員，計劃削減約3萬個企業崗位，佔其35萬企業職員總數的近10%。CEO安迪·賈西明確表示，核心目標是削減疫情期間過度擴張的官僚層級。據Business Insider獲取的內部數據，已披露的裁撤崗位中，超過78%集中在L5至L7級別——中層管理層。換句話說，亞馬遜砍的十個崗位裡，將近八個是中層。

谷歌做的是轉換。2025年，谷歌將管理三人以下小團隊的管理者數量削減35%。但被調整的管理者大多轉崗為個人貢獻者，而不是被裁掉。只是大量管理者轉為單兵骨幹後，團隊統籌和新人帶教環節出現了明顯缺口。

字節跳動做的是換尺子。2026年春夏，CEO梁汝波時隔四年發布全員信，全面更新10條領導力原則。據報導，7月8日績效規則調整落地——半年激勵從100%現金變為25%現金加75%績效期權。有觀察認為，字節似乎更傾向用具備數據驅動能力的管理者，而非傳統的產品搭建型管理者。

Salesforce做的是裁中層。CEO Marc Benioff在內部信中表示，AI Agent已經可以完成過去需要一個團隊才能做的協調工作。據報導，公司在推進AI Agent戰略的同時，裁撤了部分中層管理崗位。

四家公司路徑不同——亞馬遜在壓縮，字節在重構，谷歌在轉換，Salesforce在替代。但指向同一個判斷：只做上傳下達的中層，價值正在被重新評估。AI Agent消解了傳統中層賴以生存的信息差優勢，全球科技行業正在集體告別「傳聲筒式中層」。

但Meta是唯一一家走了完整「去—回」閉環的巨頭。其他公司都還在路上——亞馬遜砍了沒回來，谷歌轉了沒回頭，字節換了尺子還在量。只有Meta，從3月砍掉管理層，到9月11日正式宣佈邀請被撤去管理職銜的員工自願重返管理崗，走完了全過程。

這個「回」的細節值得注意。第一，邀請是自願的——沒有強行從外部招聘管理者，而是讓有管理經驗的人在最需要協調的地方發揮作用。第二，只涉及AAI部門——其他組織的管理幅度沒有恢復，反映出Meta認識到AI業務的不同階段需要不同組織形態。第三，AAI成立於3月，到9月做出回調，中間隔了整整半年——這半年是「扁平化實驗」的數據收集期。數據告訴他們：扁平化有邊界。

什麼樣的邊界？第一，團隊規模有上限。當團隊從幾十人膨脹到數千人時，即使AI工具能替代信息傳遞，也無法替代價值判斷和優先級決策。一個AI模型可以幫你匯總100個工程師的進度，但沒辦法告訴你「這個功能應不應當下個月上線」。第二，業務複雜度有下限。如果團隊做的是成熟的、可預測的工作，扁平化完全可行。但如果任務是「用一項尚不成熟的技術去改造整個產品矩陣」——高不確定性要求高頻溝通，高頻溝通需要管理層的結構化協調。

學術界也印證了這個判斷。有學術研究指出，AI對組織層級的影響是雙重的：一方面，AI確實能削弱傳統層級的協調功能——AI能更高效地解決合作與協調問題，減少對傳統層級的依賴；但另一方面，在涉及倫理合規、法律監管、戰略資源分配等關鍵場景，管理者需憑藉情境知識和經驗，結合AI產出的洞見做出判斷，此時層級的作用反而更突出。

換句話說，中層管理的角色是被重構，而非完全消失。

有研究機構提出「大扁平化」（The Great Flattening）的概念，預測AI將推動相當比例的公司扁平化組織結構、裁減大量管理職位。據報導，已有超過四成的員工表示其公司已削減管理層級。但Meta的回退提醒我們：預測是一回事，實踐是另一回事。

據報導，哈佛商業評論的一項研究對兩家大型諮詢公司進行了訪談，發現中層管理者正被壓得喘不過氣——他們既要驗證AI輸出、識別錯誤、指導團隊，又要應對不變的交付壓力。這些新職責只是疊加，而非替代。另有調查數據顯示，中層管理者的敬業度近年持續下降，降幅居所有員工群體之首。有觀點認為，AI雖然不是中層倦怠的唯一根源，但很可能起了加速作用。

奧格威的套娃法則

說到這裡，有一個老故事值得重新拿出來看。

廣告之父大衛·奧格威（David Ogilvy）在擔任奧美公司（Ogilvy & Mather）總裁時，有一次召開董事會。在會議桌上，每位董事面前都放了一個同樣的俄羅斯套娃。董事們互相看著，不知何故。奧格威說：「讓我們打開它，那就是你自己。」

他們一個接一個地打開娃娃。大娃娃裡有一個中等娃娃，中等娃娃裡有一個小娃娃，越打開越小。最後，當他們打開最裡面的玩具娃娃時，看到了一張奧格威的小紙條：

這就是後來管理學界常引用的奧格威套娃故事。至今，奧美官方網站的招聘頁面仍然引用這段話：「As our founder David Ogilvy put it, we seek people who are bigger and smarter than ourselves. That’s how we create a company of giants.」

這個故事在AI時代有了新的維度。

2026年那份AI人才市場報告裡有一個比喻：每個人的能力結構像一個氣球，大部分是「通用能力」——寫作、分析、編碼、設計——這些能力可以被AI放大；但氣球裡還有一小塊「獨有能力」，是你獨有的經驗直覺、行業判斷、人際感知、危機處理。AI把所有人的通用能力都吹大了，但每個人真正獨有的那一小塊，反而成了決勝點。

翻譯成人話就是：當所有人都會用AI寫代碼、做方案、生成內容的時候，「會做」已經不值錢了。值錢的是「判斷做出來的東西能不能用」。

而這恰恰是Meta那場千億實驗用血淚教訓證明的東西。AI代碼量暴漲220%，有效功能只提升36%——那消失的184%去哪了？全是需要人來判斷、審核、兜底的無效產出。AI能生產，但判斷「這東西好不好、能不能用、有沒有風險」靠的是人的經驗。

這時候再回頭看奧格威的套娃法則，意思就不一樣了。

在AI還不存在的年代，奧格威說「雇用比你強的人」，指的是不要怕下屬的能力威脅到自己。但在AI時代，這句話多了一層含義：當判斷力成了組織裡最稀缺的資源，主管如果還是「怕下屬比自己強」，等於主動放棄了組織裡最值錢的東西。

你不用比你強的人，你的組織就只剩下一群聽話的、好控制的、但判斷力不足的人。然後你給他們配上AI。結果是什麼？

是一群不會判斷的人，用著最強的AI，瘋狂生產需要別人來兜底的東西。

這不是假設。Meta的AAI部門已經用60萬億Token和40%的安全事故增長率，把這個結果演示了一遍。

兩種「用失敗者」的邏輯

Meta的實驗證明了判斷力不可替代。但判斷力從哪裡來？從敢用比自己強的人來。問題是，現實裡很多組織做的恰恰相反——不是不敢用強人，而是專門挑「沒有退路的人」。

那份AI人才市場報告裡還提到一個現象：有些企業招高端人才，如果這個人曾經創過業，而且失敗過，這段經驗反而可能是加分的。因為他經歷過真正的困難和挫折，心智更成熟，碰到問題不容易慌。

這話聽起來很合理。但現實裡，同樣是「用創業失敗過的人」，背後的邏輯可以天差地別。

我見過兩位老闆，都很愛用這類人——創業失敗過的，或者當過副總以上職位後跌下來的。但他們的理由，跟報告裡說的完全不同。他們不是看中了這些人的韌性和心智成熟度。他們看中的是：這些人沒有退路。

我見過的這兩位老闆是這樣想的——不代表所有老闆都這樣想。報告裡說的那種「欣賞韌性」的邏輯，我相信也存在。但我想說的是，同一種人才選擇，背後的邏輯可以天差地別。

沒有退路，才罵得動。沒有退路，才管得住。沒有退路，才好用。

這不是在找比自己強的人。恰恰相反——這是在找不會威脅自己的人。一個創業失敗過的人，履歷上帶著「失敗」的標籤，市場對他的定價已經打了折。他進來的時候就知道自己沒有太多選擇，所以會比任何人都聽話、比任何人都賣力。老闆要的不是他的判斷力，要的是他的服從性。

這恰恰是套娃法則的反面。

奧格威說「雇用比你強的人」，是因為他相信：一個組織裡如果每個人都比上一層更強，這個組織就會越來越大。但「用沒有退路的人」這套邏輯，走的是反方向——每個人都比上一層更弱、更可控、更不敢說不。打開套娃，一個比一個小。

而且這套邏輯在AI時代會變得更加危險。因為AI已經把「執行」這件事的門檻拉到了地板——寫代碼、做方案、生成內容，AI都能做。這時候，一個組織裡真正值錢的是什麼？是判斷力。是有人能看出「這個方案不能上線」「這個功能有合規風險」「這個產品方向走錯了」。

但如果你用的都是「沒有退路、罵得動、管得住」的人，他們敢做這種判斷嗎？不敢。他們會配合。就像Meta的工程師配合AI使用量KPI一樣——你要什麼數字，我給你什麼數字。至於那36%的有效率，沒有人會在會議上主動提出來。

一個組織裡，如果用的是不敢判斷的人，配上能瘋狂生產的AI，結果就是：沒有人踩剎車，也沒有人敢踩剎車。Meta的工程師至少還敢劫麥克風爆粗口。但如果你用的是「沒有退路、罵得動、管得住」的人，他們連爆粗口都不會——他們會安靜地配合，安靜地讓災難發生。

結果就是：組織裡沒有人在做判斷。AI瘋狂生產，人瘋狂配合，沒有人踩剎車。直到安全事故暴增40%、救火時間暴增70%、員工滿意度跌到55%——這時候才有人發現：原來判斷力不是「有了AI就不需要」的東西，而是「沒有它，AI越強，災難越大」的東西。

Meta花了一年時間、千億算力成本，證明了判斷力不可替代。但這個教訓不只適用於Meta。任何一個組織，如果在AI時代還在做「套娃」——找比自己弱的人、找好控制的人、找不會挑戰自己的人——那它正在重複Meta的實驗，只是規模小一些、速度慢一些。

差別在於，Meta至少還有走回頭路的財力和底氣。大多數組織沒有。

所以問題最後還是回到奧格威那張紙條上。AI時代，你敢不敢用比你強的人？一個簡單的自檢方法：看看你身邊最近招進來的人，是比你強的，還是比你聽話的。如果是後者，你的套娃正在變小。

 

 

---

歡迎訂閱我的文章，第一時間可以收到喔!

常見問題

Meta為什麼要大規模裁減中層管理者？

扎克伯格認為AI工具已足夠成熟，工程師能自主完成大部分工作，中間協調層變成多餘成本。同時公司資本支出大幅增加用於AI基礎設施，裁減人力成本可挪用於算力投資。

Meta的AI組織轉型實驗最終結果如何？

雖然AI生成代碼量大增，但有效功能提升有限，安全事故與救火時間反而暴增，員工滿意度大跌。最終Meta在半年後邀請部分被裁的管理者回歸崗位，等於承認扁平化實驗失敗。

什麼是報復性配合，為什麼會出現在Meta的案例中？

報復性配合是指員工表面配合公司要求的AI使用指標，實際上用敷衍或誇大方式應付，例如刻意刷高AI使用量卻不追求品質。這種現象反映員工對被迫訓練取代自己的AI工具感到不滿與不被尊重。

奧格威的套娃法則在AI時代有什麼新意義？

傳統上這句話是鼓勵主管敢用比自己強的人才，避免組織一代比一代弱。在AI時代，由於執行工作門檻被AI大幅拉低，判斷力成為稀缺資源，若主管仍只敢用聽話但判斷力不足的人，組織將更難應對AI帶來的風險。