AI转型，先干掉了中层管理者

AI转型这件事，吼得最响的往往是高管，跑得最快的往往是基层。但真正扛得最重的，却是那些夹在中间的中层管理者。研究揭示了一个残酷的现实：中层既要验证AI输出的质量，又要手把手带新人，同时还要扛住原有的交付压力——所有这些新职责，都只是叠加、而不是替代掉他们本来就不轻的工作量。当学习时间被吞噬、激励机制还停在老一套、上下之间的认知越来越远，中层就悄悄成了AI转型中“最沉默的牺牲品”。说到底，问题根本不在技术，而在组织有没有真正保护那些把AI装进现实的人。

大多数公司都以为AI导入就是个技术问题——交给IT部门去干，老板们剪个彩就行了。有人甚至把它当成了精简队伍的好机会。 为了摸清AI落地到底碰上了什么实打实的坎，我们对两家大型咨询公司的合伙人、经理和初级顾问做了一轮半结构化访谈。不去问那些泛泛的态度，而是扎扎实实地问每一层的人：你到底怎么用AI？公司和团队给了什么支持？路上堵了什么？ 结论很清晰：这事儿，根本就不是技术问题，而是组织问题。而两家公司共同的痛点，指向了同一个方向—— 我们不妨勾画一下如今咨询公司一个典型的经理，一天是怎样度过的—— 她推开电脑前，先得刷一遍新的提示词技巧，才敢开始处理正式任务。然后跟客户开会，回答各种“AI怎么用”“团队怎么用AI交活儿”的问题。中午，她一边检查AI生出的客户交付件有没有逻辑漏洞，一边指点着一位连基本演示文稿都还不熟练的新人，有时候还得硬猜合伙人那份“AI增强版”备忘录到底要的是什么——几乎没有任何清楚的说明。一天快结束的时候，她赶紧记下今天试出来的有效做法，好让团队下次能复用这些新发现。 访谈里，这样的故事来回出现。这位经理不是孤例——她可能是如今这个时代的普遍画像。我们调查的是咨询业，但那些夹在高管雄心与运营现实之间、几乎得不到正式支持的中层管理者，相信很多知识密集型行业的领导者看了也不会觉得陌生。

能力与现实的鸿沟

数据不会骗人：大约88%的组织已经在某个业务环节用上了AI，可真正能走出试点、交出实在价值的，只有差不多四分之一。 麦肯锡的研究提到，。我们的访谈正好说清楚了这一点。高层眼里是战略蓝图：扩大业务、给团队减人增绩效、重新设计服务线。基层倒也没闲着：原来几天才能做出来的案头研究，30分钟就搞定；几周的分析压缩成了几个小时。解放出来的新人，甚至在职业生涯头几年就开始参与战略推演、做调研访谈——这在上一代人听来几乎是天方夜谭。 我们在访谈里看得清清楚楚，中层正被压得喘不过气。他们要负责识别那些“看起来很专业、一推敲全是空气”的AI产出。他们要校验结果、揪出错误、教团队掌握AI技能和基本功，守住质量下限——而所有这些，都是叠在原本就大的交付压力之上，没有任何正式的支持。 这其实是在给一个AI之前就存在的危机火上浇油。中层管的事本来就比以往都多——裁员和重组合并，把一层层的支持砍掉了，剩下的人要看着更多的员工。高德纳预测，到2026年将有20%的公司借助AI扁平化组织，砍掉一半以上的现有中层管理岗。盖洛普的数据则显示，中层管理的敬业度从2023年的30%猛跌到2025年的22%，是所有群体里掉得最狠的。AI不是中层倦怠的根，但绝对是翻跟斗。 让中层长期超载运转，组织会冒上结构性的风险。领导者真正该想的，不是要不要精简这个层次，而是怎么把它加固起来。因为一旦中层转不动，基层的效率提升和高层的战略雄心，最终都变不成客户价值。

AI转型需要加大投入

尤其是在中层管理者身上

“AI能把人解放出来，去做更高价值的工作”——这句话大家早听到了。但我们观察到一些更具体的东西：一种叫做的模式。在转型顺畅的团队里，AI被拿来把活儿往上推，而不是直接砍掉某个岗位。新人开始做更高阶的事——解读数据、参与过去只有老员工才碰的战略讨论。合伙人也不再卖方法论，而是卖“AI增强过的判断力”。 但中层管理者，没搭上这班“角色提升”的车。AI带来的新活儿——监督、指导、质量把关——直接压在他们现有的工作堆上。得不到组织支持的管理者，不会自动“提升”，而是被压垮。 我们的访谈显示， 在那两家公司里，很多团队里AI省下的时间，转手就被客户交付任务吃掉了。管理者需要去试、去学、去教别人——但他们角色的正式职责一点没少。结果就是，同样的坑，团队反复跳进去。好用的提示词、工作流、治理规则，全散落在个人手里，从来没人把它变成团队的制度。 而那些处理得更好的团队，都做对了两个运营层面的调整：第一，留出学习时间；第二，想办法让别的团队能够复用自己已经摸出来的东西。领导层在转型期暂时调低了利用率指标，正式地安排了分享时间（比如每周开一次会，让新人讲讲自己摸索出了什么），还把绩效评估跟员工记录和分享AI用例挂钩。一旦学习被郑重其事地放进日程，AI落地才慢慢有了积累效应。 这背后，恰恰不是谁有没有用上了好工具，而是团队有没有一个集中的内部中心，把工具、用例、治理指南整合到一起，配上强力的搜索功能，让大家都知道该去哪找答案。最有效的AI实践常常出自某个在一线解决项目问题的团队，但只有公司搭好了基础设施去捕获和重新分配这些经验，好的做法才能跑起来、规模化。如此，团队之间重复实验少了，跨项目复用多了。 AI已经开始重新定义什么叫“干得漂亮”，但多数考核系统还停在上个时代。在我们调研的公司里，传统指标仍然奖励计费工时和个人产出。而那些真正让AI落地的好行为——在团队间分享好用的提示词、带新人、给内部工具添砖加瓦——统统拿不到任何认可。有的员工甚至不敢说出自己在工作中用了AI，这暴露出一个深层问题：现有的激励机制仍然把“个人埋头苦干”和“专业价值”划了等号。 要解决这个问题，得各个层面一起转，但中层管理者尤其关键。高级领导者必须认清现实：中层现在扛着三座大山——管AI实验、保客户交付、带人育人。所以，奖金不应当只是发给交付量，而是发给指导、团队建设和知识分享。在激励结构真正反映这个现实之前，管理者也只能去做被考核的那一套，也就是利用率指标。而那些能让AI采用产生复利效应的指导和知识沉淀，就只能靠边站了。 波士顿咨询的数据很有说明性：高管觉得员工对AI的热情，比员工自己感受到的足足高了一倍。 我们的研究证实了这种感知差距，而且发现这个差距的冲击，在中层管理者身上最明显。 合伙人普遍不太了解AI到底是怎么改变每天的日常工作的。这种“战略愿景”和“日常现实”之间的脱节，中层在独自努力填补。他们要自己判断：AI出来的东西什么时候算合格？哪些事新人还得学手动干？给客户的材料到底用什么标准？客户要是觉得活儿都是AI干的，怎么应付？这些决定，在没有公司统一的方向和标准时，只能由各个团队各自尝试。 要缩小这个差距，领导层必须真正参与进来，并且把中层的需求放在中心位置。当中层管理者反映，领导开始参加工作会议之后，一直以来他们独自承受的“翻译”负担终于松了不少——公司层面的统一方向取代了各做各的猜测。领导者也因此能更清楚地看到中层每天面对的实际取舍，从而把期望调得更合理。 同时，公司应该直接为中层管理者提供有针对性地培训：幻觉检测、提示词评估、AI生成分析的事实核查，这些都应该系统化。设立中层之间的学习平台，让那些审核技巧能在团队间传开，而不是各自瞎撞。最关键的是，在公司范围内明确对AI使用的期望，让每个管理者不用再去单独解读规则。

保护人才培养通道

在中层被压垮的背后，其实还有一个更深层的问题： 在传统的咨询业里，新人通过近距离观察中层管理者来学习——他们怎么做工作计划、怎么压力测试分析、怎么处理棘手的客户对话。混合办公已经让这种师徒传承弱了一波。AI可能会进一步削弱这个过程，因为技术任务被压缩在了判断力还来不及培养起来之前。新人现在能快速做出漂亮的交付件。但需要花时间去学会判断一个分析“看起来对但真的对吗”、建议是否有道理、以及如何在不让客户失去信任的同时提出质疑。这些，不是AI能代劳的。 这不仅仅是流程问题，更是领导力人才培养通道的问题。如果公司能减掉中层反复检查AI输出的时间，管理者可以把这能力重新导向指导和带人。那些找到方法保护好这个能力的公司，五年后仍然会有完善的领导力人才梯队。那些做不到的，会发现AI加快了新人产出，却抽空了一个核心的东西——“从执行者到领导者”的成长阶梯。 对中层投入，能让整个公司的AI落地形成滚雪球效应。团队之间开始在彼此的基础上继续接力。中层管理者越来越熟练，质量也水涨船高。新人成长速度加快。合伙人跟客户聊AI时底气更足——他们亲眼见证了自己的AI是怎么在工作里跑起来的，而不是仅凭想象。 说到底，AI落地的差距根本不在技术，而在于领导层有没有去搭一个支持系统，来护住那些真正把AI带进现实的人。每个领导者都该问问自己三个问题： 朱莉娅·申毕业于哈佛商学院。她曾在普华永道思略特担任经理，为各行业组织提供运营模式转型和劳动力战略方面的咨询。她的研究聚焦于AI如何重塑管理、领导力发展以及未来的工作。桑德拉·J·苏彻是哈佛商学院管理实践教授。她是《信任的力量：企业如何建立、失去和重获信任》（PublicAffairs，2021年）一书的合著者。