智能居中，人类在边缘
📋 核心观点
当AI能以接近零成本完成信息处理和规则执行时，组织的决策权力正在从人类的"中间层"转移到算法的"核心层"。这不是工具的升级，而是组织权力结构的根本性重构。谁承担风险，谁就掌握权力——AI不背锅，所以最终决策权永远需要人坚守。但问题在于：当人连"判断"的资格都被算法稀释时，那个签字的人，还真的有选择吗？
01 一个正在发生的场景
凌晨两点，某科技公司的数据监控中心。
大屏幕上，AI系统正在自动调配全球服务器资源、审批员工报销单、预测下季度市场走势。三十七岁的部门经理老张站在屏幕前，手里攥着一份刚收到的通知——他的岗位将在三个月后被算法取代。他在这个公司干了十二年，带过六个项目组，签过无数张审批单，如今却要眼睁睁看着自己最擅长的那些"上传下达"的本事，被一行行代码按在地上摩擦。
这不是科幻电影。这是2025年，任何一个知识工作者都可能面临的现实。
我在珠三角见过太多这样的场景。有个做OEM的老板跟我抱怨，说他工厂里那些干了十几年的车间主任，突然不会干活了。以前产品出了问题，主任一个电话打给供应商，半小时搞定。现在AI系统自动检测、自动溯源、自动下单补货，主任站在旁边反而碍手碍脚。"他们最值钱的那套经验，"老板嘬着牙花子说，"好像突然不值钱了。"
这就是当下正在发生的事：组织里那些被我们称为"管理"的工作，正在被重新定义。核心不是"AI能干"，而是"AI居中，人类被挤到了边缘"。
02 理念的源头：Jack Dorsey的"智能居中"
Twitter（现X）创始人Jack Dorsey在他的著作和多次公开分享中，反复提及一个核心观点："我把组织视为一个智能体——智能居中，人类在边缘。"
他在2023年的一篇博文中写道："传统组织的架构是把聪明的人放在中间，由他们来过滤信息、做出决策。但AI的出现改变了这一点——算法可以在零点三秒内读完你十年的邮件、看完你所有的报表、分析完全球同类产品的价格波动。真正智能的决策核心不再是某个'最聪明的人'，而是一套持续学习的数据系统。人类的角色，正从'决策者'转向'意义的赋予者'。"
这句话听起来残酷，但它揭示了正在发生的本质：组织的决策中心正在从人脑迁移到算法。
📊 关键数据
根据Gartner 2025年的调查，全球有47%的大型企业已经在核心业务流程中嵌入了AI驱动的自动化决策系统，比2023年增长了近一倍。其中，有32%的企业表示，AI系统在供应链管理、客户服务、人员调度等领域已经承担了"主导决策"角色，人类管理者变成了"例外处理者"——只有当系统标记"无法处理"时，人才被叫进来。
麦肯锡2025年全球AI状态报告同时指出：在已大规模部署AI的企业中，中层管理者的信息处理工作量下降了平均58%，但他们的决策判断工作量反而上升了——因为他们面对的不再是常规事务，而是那些AI无法处理的"复杂例外"。
03 决策权威的隐性稀释
大多数组织还没意识到一个更隐蔽的变化：决策权威不是被夺走的，而是一点点稀释的。
第一阶段，AI是工具。管理者用它做报表、做预测、做辅助参考。人类还是最终拍板的人。
第二阶段，AI是专家。在某些领域（比如信用风险评估、排班优化），AI的准确率已经超过最优秀的人类专家。管理者开始"习惯性"采纳AI的建议，因为"AI从没错过"。
第三阶段，AI是系统。决策流程被内置到AI系统里，人类甚至不再被"问"到。你的报销单自动获批或拒绝，你的排班表由算法自动生成，你的绩效报告由模型自动打分——你唯一的"反抗"机会，是申请人工复核。而复核的结果，往往只是让另一个人告诉你"系统是对的"。
这让我想起一个真实的案例。
🔍 案例：某银行信贷审批权的变迁
2023年，我参与过一家商业银行的组织诊断。他们的信贷审批流程经历了一个完整的三阶段演变：
- 2021年：AI提供风险评估报告，信贷经理做最终决策。AI只是工具。
- 2023年：AI准确率达到92%，银行规定"只有超过50万元的贷款才需要人工复审"。6000元以下的自动审批通过率超过95%。信贷经理的工作变成了"看例外"。
- 2025年：AI系统开始执行"动态授信"——根据客户的实时行为数据自动调整额度。信贷经理的角色变成了"客户关系维护"，他们不再决定"贷不贷"，而是决定"怎么跟客户解释为什么贷不了"。
本质判断：信贷经理的决策权威不是被一纸文件收走的，是对着AI建议说了三年"是"之后，发现自己已经不会说"不"了。
这不是孤例。美国对冲基金Two Sigma曾披露，其基金经理的收入目前主要依赖与AI模型的"博弈得分"——你可以在AI的建议基础上做不同判断，但长期来看，偏离AI建议越多的经理，累计业绩越差。于是经理们学会了"跟AI保持一致"，而不是"跟市场保持一致"。这是决策主权的让渡——看起来你在决策，其实你只是在为算法的结论盖章。
04 人类为什么会被挤到边缘？三个本质原因
很多人把"智能居中"简单理解为"AI更强所以能替代人"。这是表层理解。我问过自己很多次：为什么一定会在组织层面发生这件事？
三个本质原因：
第一，信息处理能力的不对称。 一个人面对200份客户反馈时，他最多看20份，凭借经验推测剩下的180份。AI看全部200份，还能标注出人类完全忽略的交叉模式。组织本能地倾向于让"看得更全"的实体居中，这是效率系统的必然选择。
第二，决策稳定性。 人类的判断受情绪、疲劳、偏见的影响。同一个管理者，周一和周五对同一份报告可能做出不同的判断。AI没有这个问题——它的判断标准是稳定的。组织为了可预测性，会把稳定性的那一方放在决策链的核心。
第三，扩展性。 一个优秀的中层管理者最多带15-20人的团队。但一个AI决策系统可以同时支撑数千人的排班、审批、绩效评估。从组织设计的角度，把资源集中投入到扩展性更高的系统上，是理性的。
这三个原因叠加在一起，结论很清晰：不是AI要取代人，是组织运行的基本逻辑决定了——谁的信息更全、判断更稳、覆盖面更广，谁就自然成为"中心"。
05 当"人"被边缘化之后，三个新的矛盾浮出水面
如果组织问题这么简单，AI一装，效率全解决，我们就没什么好写的了。但现实不是这样的。智能居中带来了三个尖锐的矛盾：
矛盾一：算法不背锅
这是最核心的问题。AI可以做出99%准确的判断，但那1%的错误发生时，谁负责？在一次自动驾驶事故中，AI系统"建议"了某个操作，但法律上承担责任的永远是车企、是人。同样，在组织里，AI可以建议"这个员工应该被优化"，但当被优化的员工提起劳动仲裁时，坐在被告席上的不是算法，是签字的那个人。
这意味着什么？意味着决策权虽然转移到了AI，但责任从来没有跟着转移。人类在失去"拍板权"的同时，却仍然承担"背锅责"。这是智能居中时代的最大悖论。
矛盾二：决策的黑箱化
当人类的决策权威被稀释后，一个更严重的问题出现了：组织的决策越来越"黑箱"。员工不知道自己的排班为什么这样排，不知道自己为什么被标注为"高离职风险"，不知道自己的绩效评分基于什么具体标准。管理者面对员工的质疑，也只能说"系统就是这么判断的"。
这种黑箱化正在摧毁组织的信任基础。
矛盾三：创新从哪里来
AI擅长的是在已知模式中做优化，而不是创造新事物。当组织把所有决策权交给AI，组织的创新就变成了"已被发现的道路上跑得更快"，而不是"走一条没人走过的路"。
字节跳动的张一鸣曾说过一句值得深思的话："算法的本质是归纳过去，而创新的本质是探索未来。如果把组织完全交给算法，你可能会得到一个效率很高、但永远不会有突破的机器。"
💡 老邓的深度思考
很多人问我：智能居中之后，人类的出路是什么？
我的回答是三个字：当边缘。
但这"边缘"不是被抛弃的边角料。边缘是系统中最不稳定的地方，也正是最有创造力的地方。AI把确定性的事情全部接管之后，人类在组织中真正有效的角色，恰恰是那些算法无法定义的事：
- 在数据不足但必须决策的时刻，用直觉补位
- 在系统判断和人性判断冲突的时候，用价值观做取舍
- 在算法的"最优解"和组织的"长期健康"之间，用伦理做平衡
这些能力不是"对抗AI"，而是"补充AI"。你不需要比AI算得更快，但你需要比AI想得更深、看得更远、对人更理解。这才是人类在智能居中时代不可替代的价值锚点。
06 深圳那家设计公司给我的启发
我见过一个很有意思的案例。深圳有家设计公司，设计师全被AI替代了，公司反而活得更好。但他们保留了两个人：一个，负责跟客户喝茶聊天，维护关系；另一个，专门在公司内部制造"文化氛围"，让员工有归属感。这两个人的工作，AI干不了。
还有一个更激进的案例。
🔍 案例：某电商平台的"人机悖论"
2024年，一家年交易额超过200亿的跨境电商平台，做了一个极端的实验：把商品推荐的决策权完全交给AI系统，人类运营团队只负责两件事——（1）监控有没有明显的技术故障；（2）在AI推荐的商品集中，手动"藏"掉那些虽然算法评分高、但"让消费者不舒服"的商品（比如过度营销的低质品，或者虽然点击率高但会伤害品牌调性的产品）。
结果很有意思：AI推荐的转化率没变，但用户投诉率下降了40%，复购率提升了12%。
本质判断：AI知道"什么会卖"，但不知道"什么不该卖"。人在AI时代的真正价值，不是跑得更快，而是知道哪些路不该跑。
07 组织的真正挑战：如何在智能居中时代重新定义"人"的位置
读完以上内容，你可能已经意识到：智能居中这件事，根本的挑战不是技术，而是组织治理。
我给出三点落地建议：
第一，建立"AI决策边界"清单。 每个组织都该有一份明确的文档，列出哪些决策可以完全交给AI，哪些必须保留人类最终决定权。不是靠直觉划界，而是根据"错误代价"和"可解释性"两个维度来判断。错误代价高、需要向人解释的决策（如裁员、晋升、大额投资），必须保留人类最终权。
第二，培养"AI翻译官"。 每个部署了AI决策系统的团队，都需要一个能够"把算法的逻辑翻译成人能听懂的话"的人。这不是技术岗位，这是沟通岗位。年薪现在已经开到六十万了，而且还在涨。这是人类在智能居中时代的最佳"新位置"之一。
第三，建立"人机冲突复盘"机制。 当人类判断和AI建议出现分歧时，不是简单地"谁对就听谁"，而是把每次分歧都作为学习机会。记录下来：人类这次为什么反对AI？反对的依据是什么？结果如何？积累足够多的"不服从样本"，才能让组织真正理解——哪些时刻，人必须站出来。
08 写在最后
回到Jack Dorsey那句话。他说"智能居中，人类在边缘"的时候，他不是在宣布一个幸福的未来。
他是在描述一个正在发生的、不可逆的趋势。
智能会居中，这是确定的。AI掌握更全的信息、更稳定的判断、更快的处理速度——它自然应该成为组织运行的核心引擎。
但人类不会永远在边缘。因为真正的创新、真正的信任、真正的情感连接、真正的价值取舍——这些事，永远来自那些有血有肉的人。当算法说"这样做效率最高"的时候，只有人会问出那个问题：
"但这样做，对吗？"
这个问题，AI回答不了。
而你，准备好问出那一声了吗？
老邓 × 艾游，一个人 + 一支AI团队。
专注一件事：用AI + 游戏化机制，让组织真正动起来
这里持续输出：方法论｜课程｜AI智能体实践
（收藏/互动可获得「金币」，用于兑换内部工具和课程）