重磅|「环上管理者」(中篇):AI 时代中层该干什么？建议 CEO 写入JD

许多中层管理者的焦虑，并非源于人工智能过于强大，而是因为企业仅宣告了「哪些任务可被自动化」，却从未明确：环上工作由谁承担、考核指标为何、汇报对象是谁、晋升依据是什么。

管理者可选取一条真实业务流程进行演练——比如「大客户入驻」「投标报价闭环」「月度财务结账」「售后工单处理」——将其中每项任务拆解并标记为环外、环内或环上，同时记录：

任务颗粒

所在位置

当前执行者

未来执行者

验收标准

示例：客户资料初步筛选

环外→智能体

专员

智能体+环上抽检

错误率、响应速度

示例：首次客户拜访

环内

客户经理

客户经理+助手起草

转化率、满意度

示例：异常授信审批

环上

部门经理

成果负责人

风险事件数量

这张表格本身，就是组织提供给中层最实用的「消除焦虑指南」。

（关于「环上」「环内」「环外」的具体界定，请参阅本公众号前文）

麦肯锡报告中给出了一个值得写进会议室白板的数字：一个由两到五人组成的跨职能小组，可监管五十至一百个专用智能体，端到端完成客户入驻、产品上线、财务结账等完整业务链条。

这意味着，组织中最小的作战单元，正从「按职能划分的科室加人员编制」转变为「人对成果负责、底层由一组可编排智能体工作流构成的」智能体小队（Agentic Team）。这类小队通常横跨营销、产品、技术、数据、运营等多个专业领域，不再仅以「两个披萨团队」的人数上限为标准，而是以能否对端到端成果负全责来界定。

组织架构图也不再仅仅是一条自上而下的汇报脉络。

麦肯锡指出，未来更多公司将出现工作任务网络（work chart）——人员、智能体与外部合作伙伴依据任务与成果动态连接，而非仅按职级和部门隔离。这对中层影响深远：你的价值将不再取决于管理了多少人，而取决于能否对一条可衡量的成果链负责，并有效管理一支人机混合团队。

报告中还有一句对管理者至关重要的话：智能体部署的速度上限，往往不取决于模型有多强，而取决于组织能提供多少「监督与问责」能力。

这句话值得反复研读。许多企业误以为采购了更强模型、部署了更多智能体，便完成了人工智能转型；结果却是：要么无人敢授权，智能体仅能用于演示；要么盲目放权，一旦出问题便全面叫停。两种极端都会让组织陷入僵局。

换言之，问题往往不是「智能体过多挤占人力」，而是懂环上管理的人才稀缺，导致整个组织运转迟缓。麦肯锡甚至直言：治理本身可能成为生产力瓶颈——监督（oversight）能力，决定了智能体时代能走多远。

合规与风控是最直观的环上案例。麦肯锡描述，未来的合规负责人无需再逐行审核每份材料，而应：

制定政策：明确哪些事务可自动化、哪些需人工终审、哪些需双重确认；

监控异常：不再逐字检查，而是关注错误率、越权访问、置信度不足、模式漂移等信号；

动态调整人机比例：风险上升时增加人工介入，风险可控时扩大机器自治范围。

难点在于找到那个恰到好处的平衡点：既要足够安全，又不将智能体拖回「事事需人审批」的低效旧模式。审批过多，智能体便退化为「更快的打字员」；审批过少，品牌与合规则可能爆发危机。

报告还提出一种更进阶的治理方式：让智能体监督智能体——例如嵌入式的批评智能体、护栏智能体、合规智能体，类似当前软件行业的「安全左移」实践。环上管理者在此的角色，并非亲自审核每条输出，而是设计这套护栏体系是否可靠，并在护栏失效时承担责任。

另一个环上案例是财务领域。传统年度预算节奏在智能体时代显得过于迟缓。麦肯锡描述的早期实践是：由智能体生成预算草案，情景分析智能体运行多种预测，报告智能体持续提供实时洞察；财务负责人的工作从「收表汇总」转变为「解读信号、压力测试情景、在不确定性中做出取舍」——这正是典型的环上工作。

本公众号曾解读 Meta 2026 年 5 月的大规模重组：裁员、强制转岗、巨额资本开支押注人工智能。更值得警惕的是报道中提及的内部争议——员工对「采集行为数据以训练内部智能体」的强烈抵制。

从环上视角看，Meta 案例表明：若只推动自动化与效率，却未先定义环上角色、边界、信任机制与退出机制，组织变革极易从效率故事演变为政治事故。员工担忧的不仅是「我是否会被裁」，更是「我是否正被要求训练一个监控自身的系统，却无人站在环上对此负责」。

环上管理者至少需完成六项核心任务。以下逐项展开，并列举常见误区。

环上管理者的首要考核指标是端到端成果：流程周期是否缩短、质量是否更稳定、客户满意度是否提升、合规事件是否减少、利润表是否改善。

常见误区在于，人工智能转型后仍考核「团队加班时长」「撰写汇报数量」「召开会议频次」——这将迫使中层回归旧角色：催促进度、收集材料、进行汇总，而这些恰恰是智能体最擅长的领域。

ClickUp 首席执行官在「百倍组织」备忘录中指出，裁员并非财务压力下的被动收缩，而是在业务强劲时主动重构规则——将节省下来的人力预算，重新分配给能在智能体时代创造数量级差异的人才。环上管理者的任务，正是定义何为「数量级差异」，并据此配置编制与薪酬带宽。

环上管理者需为端到端场景选择合适的智能体组合，设计它们之间的交接机制、人工升级时机、数据访问权限及禁止动作。

麦肯锡警告：许多公司最终会陷入「试点项目比汉莎航空航班还多」的困境——每个部门都有自己的助手，却无法计入利润表。环上管理者的职责，便是终结这种分散狂欢，将资源聚焦于少数高价值、可度量的端到端主战场。

例如，客户服务不应仅有「一个聊天机器人」，而应是「工单分类智能体 + 知识库检索智能体 + 草稿回复智能体 + 环上经理处理升级工单 + 环内客服处理高情感案例」的完整编排。

即使智能体再强大，也会遭遇低置信度输出、训练数据未覆盖的新情况、目标冲突、上下游智能体口径不一致等问题。环上管理者是例外的「最终调度站」：决定是补充数据、调整规则、临时增加人工审核，还是暂停自动化。

常见误区有两点：一是凡事退回人工，使智能体名存实亡；二是凡事不升级，将风险默默吞下，直至演变为客户投诉或监管事件。

涉及隐私、品牌口径、合规边界、劳动权益时，人类仍需承担最终责任。环上管理者不能以「算法决定」作为免责借口。

这在中国语境下尤为关键：员工行为数据采集、客户个人信息用于模型训练、自动化决策影响信贷或用工——这些都需要环上角色明确谁批准、谁解释、谁担责，而非将伦理风险埋藏于技术团队或供应商合同中。

下篇我们将收尾，揭晓职责四和职责五，并提供三个人才画像供实践参考。敬请关注，切勿错过。

织梦 AI 将持续把此类全球一手信号与咨询框架，转化为管理者读完即可讨论的组织议题。