时隔四年，字节跳动CEO梁汝波再发全员信，上一次更新领导力原则是在2022年，今年我们重新审视了领导力原则内容。新版领导力原则共10条，这里分享下几项主要的更新：
1、补充“做有高度的事”和“敢于设定高目标”。邮件明确，管理者不能只盯着短期流水、月度数据，要跳出日常琐事锚定长期高价值赛道，摒弃依靠资源、惯性躺平的工作模式。对应到实际工作中，管理层不能单纯维持现有业务稳定，必须主动突破、产出具备行业竞争力的长期成果，无增量产出的管理动作会被重点评估。
2、将“有危机感，保持外部视角”和“深入一线”列为独立条目。今后所有中层、高层管理者不能长期坐在办公室看报表、听汇报，必须常态化下沉业务、产品、用户一线，直面真实业务问题。
3、强调“Context over Control”。邮件内容要求管理者减少多层级审批、重复会议、无效报表，把精力放在解决实际业务问题、拿到落地成果上，而非搭建复杂管控流程。过去不少团队存在“全员忙碌却无实质产出”的空转问题，本次更新直接将这类形式化工作纳入负面管理案例。
邮件内容明确，新版10条领导力原则将纳入所有管理者的晋升、年度考核核心标准，无法落地产出、脱离业务一线的管理层，会同步调整岗位权责。
亚马逊继续削减企业岗位，外媒把它放在降本、加大 AI 投入、去官僚化和提升效率的语境里讨论；Google 被报道压缩管理小团队的管理者；国内报道也把美团、字节的组织调整、管理原则和绩效变化放到同一条线索里讨论：什么样的管理者还值得被留下。
这类新闻很容易被写成一个熟悉结论：AI 开始裁中层了。
再进一步，就会变成更流行的说法：中层无用，组织应该打平；每个人配一个 Agent，未来公司就会自然变成更轻、更快、更少层级的系统；甚至一人公司会成为组织的终点。
这些判断都有传播性，但都太轻了。
AI 真正抽走的，不是组织对中层的需求，而是旧中层最容易被看见、也最容易被替代的那部分价值：传话、汇总、开会、同步、催流程、做报表。
如果一个中层的工作主要是把下面的信息整理给上面，把上面的要求翻译给下面，把跨部门进度塞进一张表里，那他的护城河确实正在坍塌。会议纪要、数据汇总、项目看板、材料初稿、流程提醒，这些原本被包装成管理劳动的环节，正在变成更便宜、更容易标准化的工具能力。
但这不等于中层没有价值。
恰恰相反，AI 让组织第一次看清：真正稀缺的不是“中间有人”，而是“中间有人能把业务经验变成系统”。
中层要回到项目
中层必须回归项目。
这句话的意思不是让管理者重新卷进所有细节，也不是让经理重新变成高级执行。
它指的是：中层不能再把自己的价值建立在流程和上下信息传递上，而要回到业务现场，重新理解一个项目怎么被定义、怎么被拆解、怎么被判断、怎么被复盘。
过去，一个业务中层可能靠三件事建立存在感：知道上面要什么，知道下面卡在哪里，知道怎么把几拨人拉到一张会议桌上。
AI 之后，这三件事都会变薄。
上面的要求可以直接被拆成任务。下面的进度可以自动汇总。会议可以自动纪要。数据可以自动生成图表。流程可以被系统提醒。一个只靠“信息路由”存在的中层，确实会越来越像冗余层。
但项目不会因为工具变多就自动跑起来。
真正难的部分仍然在：什么问题值得做；什么判断不能交给模型；什么异常必须人工复核；什么客户需求只是噪声；什么流程可以自动化，什么流程必须保留人类责任；一个新人拿到 AI 产出后，应该按什么标准判断它能不能交付。
这些都不是简单提示词问题，而是业务语义问题。
所以未来有价值的中层，不是传声筒，而是业务系统的建设者。他要做的不是“会用 AI”，而是把自己在一线打出来的业务逻辑、判断标准、复盘经验，沉淀成团队内部可复用的 Agent 和 Skill。
比如，一个营销中层不只是让 AI 写几条文案，而是把“如何判断一个活动机会是否值得追”“如何圈选目标人群”“如何复盘投放异常”“什么时候必须人工审核数据来源”做成可复用流程。增长黑盒写到营销 Agent 的一个关键变化，不是生成内容，而是把目标设定、人群圈选、活动编排、内容生成、效果复盘串成闭环，并把历史 SOP 和经验结构化。
这才是中层的新价值。
组织 AI 化不能自然生长
“给每个人配一个 Agent，让组织自然 AI 化”，这件事听上去很美，但在现实里很难成立。
原因很简单：工具下发不等于能力形成。
很多 AI 使用事故已经说明了这个问题。有人用 AI 做竞品分析，模型编造了不存在的品牌和数据；有人让 AI 辅助写代码，结果它擅自修改了不该碰的模块；有人让 AI 查法条，最后发现部分条文是虚构的。
这些问题不是“员工不会用 AI”这么简单。更大的问题是，组织没有把 AI 进入工作流后的责任、检查、边界、回退机制重新设计出来。
AI 越能给出完整答案，越容易让人放下戒备。它越像一个能干的同事，越需要有人定义：什么可以交给它，什么只能让它起草，什么必须人工复核，什么一旦出错要能追溯。
这就是为什么组织 AI 化不能靠自发使用自然长出来。
研究组织内部 GenAI 采用的材料也指向同一个问题：AI 是否被接受和有效使用，不只取决于工具可用性，还取决于角色、培训、信任校准、内容质量、工作场景和组织知识基础设施。换句话说，AI 基础设施不只是模型和账号，还包括组织如何描述自己的业务、如何沉淀知识、如何定义责任。
这件事最适合谁来做？
不是普通员工。普通员工当然可能成为 AI 高手，但他通常缺少跨项目视角和组织半径。也不是只坐在高层办公室里的人。高层可以定方向，但很难知道一线流程里哪些判断是隐性的，哪些异常是常见的，哪些“经验”其实是组织真正的资产。
最自然的承担者，是在一线打出来的中层。
他们知道业务怎么跑，也知道团队怎么协作；知道项目哪里容易失真，也知道新人会在哪些地方踩坑。如果他们愿意下场学习 AI，就最有机会把个人经验变成组织能力。
真正会被淘汰的是流程型中层
这不是一篇替所有中层辩护的文章。
有些中层确实应该消失。
只会传话的、只会开会的、只会催表的、只会过滤风险但不承担判断的、只会把团队挡在流程后面的中层，会继续被压缩。
因为 AI 让这些工作更透明，也更便宜。
但另一类中层会变得更重要：能定义问题的人，能把业务经验结构化的人，能设计检查规则和停止规则的人，能带团队把 AI 嵌进真实工作流的人。
他们不是更大的管理层，而是更强的项目层。
过去，很多公司把管理者从项目里抽出来，让他们变成协调者、评审者、汇报者。AI 之后，这条路会变窄。中层要重新证明自己，不能靠“管了多少人”，而要靠“沉淀了多少可复用业务能力”。
一个产品中层，如果能把需求评审、风险识别、灰度验证、上线复盘做成内部 Skill，他的价值会比过去更高。
一个销售中层，如果能把客户分层、商机判断、跟进节奏、报价边界做成可运行的 Agent，他不是被 AI 替代，而是在用 AI 扩大自己的管理半径。
一个运营中层，如果能把活动策划、内容审核、数据复盘、异常处理做成团队共同使用的工作流，他就不再只是“盯执行的人”，而是组织经验的产品经理。
中小公司不要把大厂新闻当远方故事
很多中小公司看到大厂组织调整，会本能地觉得那是另一套世界。
大厂有复杂层级，有海量员工，有内部系统，有专门 AI Transformation 部门。中小公司没有这些东西，所以似乎不需要关心。
这个判断危险。
大厂的制度未必能照抄，但信号不能忽略：当 AI 开始压低流程、汇总、协调这些工作的价格，中小公司里的中层价值也会被重新定价。
真正的问题不是“要不要裁中层”，而是公司有没有人能把业务经验做成系统。
如果没有，AI 转型就会停在工具试用层：员工各自找工具，各自写提示词，各自踩坑；老板看到一堆演示，却看不到经营改善；最后组织多了一批账号，多了一堆自动生成内容，但业务逻辑仍然锁在人脑里。
这才是中小公司最容易掉进去的坑。
AI 不会自动让组织变聪明。它只是把组织里原本模糊的能力差距放大。
谁能把经验结构化，谁就能放大自己。谁还停留在传话和流程里，谁就会被系统绕过去。
所以，中层最危险的不是被 AI 裁掉。
最危险的是，AI 已经抽走了他过去最值钱的部分，而他还以为自己是在管理。
Reference
Factual References
-
钛媒体，《字节、美团、亚马逊都在“收拾”中层，AI抽走了他们最值钱的东西》，2026-07-09。 -
增长黑盒，《从“人驱动”到“Agent驱动”，营销决策权正在悄悄转移》，2026-05-11。 -
钛媒体，《乱用AI，打工人被坑惨了》，2026-07-09。 -
亿邦动力，《李开复：如何把AI投入变成营收增长？》，2026-07-08。 -
AP News, Amazon layoffs / corporate restructuring context, 2026-01。 -
The Guardian, Amazon global job cuts and streamlining context, 2026-01。 -
Business Insider, Amazon layoffs and corporate job cuts reporting, 2026-01。 -
Economic Times, Google cut managers overseeing small teams, citing CNBC, 2025。 -
Business Insider, AI adoption strategies and why tool access alone is insufficient, 2026-07。 -
arXiv: AI Adoption Across a Multinational Workforce, 2026-06。 -
arXiv: Generative AI and Organizational Structure in the Knowledge Economy, 2025-06。 -
arXiv: Generative AI at Work, 2026-04。 -
arXiv: Generative AI Adoption and Higher Order Skills, 2025-03。 -
arXiv: Going Headless? On the Boundaries of Vertical AI Firms, 2026-05。
