A 说看不见，B 说交错了，C 说结构要一天天攒，D 说注意力被归还，E 说交接要清。这一篇接着问最后一个问题：既然一个人加几个智能体已经能把活干完，那我们还算不算"一个组织"？我们的答案是——算，但组织的主语换了：从"谁归谁管"换成"什么结果、由谁和谁一起交付"。
讨论组织之前，先把手上的证据摆清楚，否则很容易把"我觉得"当成"研究表明"。
据麦肯锡 2026 年 State of AI 调查（转引自中文解读）：80% 的受访者说 AI 提高了个人生产力，但只有 37% 的企业看到 AI 对 EBIT 的正向影响，被其定义为"AI 高绩效"的只有 6%；这 6% 里接近四分之三在"大幅重新设计工作流"。这三个数字放在一起，说的其实是同一件事：个人的效率红利，不会自动变成组织的产出。
原文给的解释很克制，也很锋利：
"Agentic AI changes three fundamental constraints that have shaped the modern organization: human capacity, expertise, and coordination." —— McKinsey, 2026-10-05（英文原话照录；中文转述见公众号「AI组织生态圈」2026-10-19）
以及它给出的另一个起点：
"AI enables a different logic: Start with the outcome, then assemble the humans and agents needed to deliver it." —— 同上。我们读到的是中文转述，未核英文全文，引用以原刊为准
这段话翻成我们自己的话就是：过去是"人→岗位→部门→流程→结果"，现在可以反过来，"结果→工作流→人与智能体的分工→谁负责"。下面四节，是我们按这个顺序重新检查自己之后，真正动过手的地方——不是设想，是已经发生的动作。
我们没有"招一个人来做日课"这个动作，也没有"成立一个内容组"。我们做的是先把结果钉死：让一个读者在早上七点半，读到一篇当天就能用上的东西，连续十二天不断。结果钉死之后，参与者是自己浮出来的：
| 要交付的东西 | 谁来做 | 为什么是它/他 |
|---|---|---|
| 选题与判断 | 人 | 知道哪些话能说、哪些还没到说的时候 |
| 成稿与核对 | 智能体 | 可复算：字数、引文、期号、封面一一对得上 |
| 排期与状态 | 一个文件 | 唯一数据源，改一处、三张表同时变 |
| 按下发表 | 只能人 | 不可逆；责任要能追溯到具体的人 |
这张表不是"分工表"，是责任表。它有一个副作用：一旦结果清楚了，很多原来以为必要的环节会自己消失——不需要中间层去"协调"，因为协调的成本已经被一个文件和一条校验规则吃掉了。
10 月 20 日 07:30，第一期定时发出。07:45 自动核对回报"草稿仍在箱内"，据此判断"疑似未发"；07:48 人从手机截图确认已经发出。
事后复核才发现：平常定时发表是会出箱的，这一篇是例外——它是当天早上重新推入的版本，发出后草稿残留在了箱里。我们最初的结论错在把一次异常当成了规律。真正的修正不是"草稿在箱＝没发"，而是"任何单一信号都不足以下结论"：后台的发表记录、手机截图、接口返回的草稿列表，三者可能彼此不一致；判据要有层级，也要能被反例推翻。
麦肯锡提到一个变化：过去几十年，岗位是组织的基本单位；智能体拿走的往往不是整个岗位，而是岗位里的若干任务。我们照这个办法，把最容易被误解的一个角色——助教——拆开看了一次。
| 任务 | 智能体能不能做 | 该不该全交 | 人留下什么 |
|---|---|---|---|
| 台账整理与周汇总 | 能 | 该 | 抽查口径，确认没有把"做了"写成"做成了" |
| 微课剪辑与字幕 | 能 | 该 | 定哪一句必须留在片子里 |
| 答疑与催办 | 部分能 | 不该 | 关系与信任；学生愿不愿意说真话取决于此 |
| 作业判分与反馈 | 能起草 | 不该 | 标准与例外；分数背后是一个人的判断 |
拆完之后冒出一个反直觉的结论：不是"AI 能做的就交出去"，而是"能复算的才交出去"。判分可以起草但不能定稿，因为定稿那一步不可复算；答疑看似简单却不能外包，因为它生产的是关系而不是信息。
这也解释了我们为什么一直坚持一条看起来很低效的规矩：对外承诺永远不外包。发表、授权、给读者的时间承诺——这些动作发出去就收不回，收不回的事不能交给一个不会承担后果的东西。
那篇文章里有一个问题，是我们读到后停顿最久的一句：AI 正在拿走那些过去用来培养专业能力的工作，新的学徒阶梯是什么？（原文："Where is AI removing the work through which people have built expertise, and what new apprenticeship ladder will replace it?"）
这个问题在我们这里是实打实的：文献初筛、格式排版、排错定位、初稿起草，这些原本是学生练手的地方，现在几秒钟就做完了。如果只是"效率提高"，五年后会出现一个更麻烦的问题——能拍板的人从哪里来。
所以我们把梯子重新焊了一遍，焊在"判断"而不是"工作量"上：
这四级梯子的共同点是：都不能由智能体代做。它们不产出内容，只产出判断力。换句话说，AI 越能干，这几件事越要刻意留出来——否则效率红利会在几年后以"没人能接班"的形式被收回去。
麦肯锡提出的组织形态叫 Agentic Mission Factory——围绕一个明确的业务结果临时组队，业务、技术、数据、风险、合规放在同一支队伍里，任务完成，能力沉淀，队伍进入下一个任务。我们没有照搬这个名字，但做了同一件事，并且加了一条自己的规矩：封顶。
为什么封顶比扩张更重要？因为"一人加智能体"最诱人的地方是边际成本看起来为零：再加一个工具、再加一条产品线、再加一个平台。但注意力不是零成本的，维护不是零成本的，口径漂移的代价也不是零成本的。那位文章作者引用的数字——80% 的人觉得自己更快了，却只有 6% 的组织真的变了——很大一部分就损耗在这里：加得太多，编不起来。
一个人加智能体，真正的产能不来自"能同时做多少件事"，而来自"能同时维持多少条口径不漂移"。 —— 行动笔记
现在有一种很流行的说法：一个人加上几个 AI，就等于一家公司，组织已经不重要了。我们不同意。
从这一年的现场看，组织没有消失，它做了两件事：一层被压平，一层被写进文件。压平的是层级——不需要有人专门负责传话；写进文件的是协调——排期、口径、边界、判据，全部变成可读、可校验、可交接的东西。所以"一个人"只是人数的描述，不是组织形态的描述。真正的问题是：这个人的判断，有没有被结构接住。
反过来也一样。我们也见过另一种失败：平台搭得很漂亮，两周后没人往里放真东西——因为没有值得放的东西，也没有必须遵守的判据。先有要沉淀的判断，工具才有用；先有结果，队伍才组得起来。这个顺序反了，剩下的都是装修。
A 到 E 讲的是一个人怎么跟上：先看得见，再分得清，再攒得住结构，再把注意力拿回来，最后把交接做干净。
这一篇讲的是跟上之后的事：当一个人真的能调动一支"人＋智能体"的队伍，他要回答的就不再是"我怎么做得更多"，而是"这支队伍围绕什么结果存在、哪些判断只能由我承担"。
组织没有变小，它只是变得诚实了：不再靠层级掩盖协调成本，也不再靠忙碌掩盖判断的缺失。