一【破局】Block大裁员真相
就在2026年2月底，美国支付巨头BLOCK公司CEO杰克·多尔西（Jack Dorse）发布了一封致全体员工的信，内容极具震撼性：公司在效益提升、利润增长的情况下，决定裁员40%，大约有4000个工作岗位将被缩减。
杰克·帕特里克·多尔西Jack Patrick Dorsey
Twitter联合创始人，前任CEO；
Block联合创始人、CEO和董事长Bluesky创始人。
这种做法打破了我们对企业用人的看法。在过去，企业效益好，往往意味着扩张和增员，而在2026年的今天，企业效益好居然引发大规模裁员。更让人看不懂的是，裁员消息宣布后，Block公司股价不仅不跌，反而大涨25%。
可以预料的是，BLOCK公司的这种做法不会一个孤例，未来抄作业的企业一定不少，这是否标志着一个新的人力资源管理范式的开启呢？
要理解这种变化，我们就必须看清“岗位（Job）”的本质。岗位并不是天经地义的存在，岗位是一个不折不扣的、工业时代的产物。
一百多年前，美国工程师弗雷德里克·泰勒（Frederick Taylor）开创了科学管理（Scientific Management），他为了将松散的农民及手工业者转化为高效的工业劳动力，将复杂的生产流程拆解为标准化的机械动作。
为了管理这些动作及行为，企业发明了岗位：人都被定义在固定的岗位之中从事工作，譬如会计、质检员或司机。
岗位管理（Job-based Management）工作正是基于在工业时代，企业的外部环境稳定、分工职责稳定及绩效水平稳定等假设条件之上的。
而传统的人力资源管理正是通过“三定”——定编、定岗、定员对员工进行管理的。
■AI时代的冲击
然而，这种基于稳定性和标准化的管理逻辑，将在2026年的技术浪潮中，被彻底重构。
回顾过去三年，人工智能的高速发展，我们看到：
- 2023-2024年：正是“生成式AI”的元年。这时的AI还只是一个Copilot（副驾驶），它能写文章、画图、出主意，但最多也就是辅助驾驶水平，仍然需要我们人去指挥、去操作。
- 2025-2026年：是“智能体（Agentic AI）”爆发的时代。短短几个月，AI正在开始从说话转向办事，从辅助驾驶开始迈向自动驾驶。
当一个智能体能自主拆解目标、调用工具并交付结果时，它替代的将不再是某个动作，而是整个任务。这时，原本为了“协同”而设计的岗位结构，反而可能成为效率的阻碍。
麦肯锡（McKinsey）在其系列全球调研中指出：当AI具备了“任务闭环能力”，传统的“岗位”容器就显得太小了，甚至成了一种束缚。（画面，McKinsey系列报告封面，叠放效果）
（左右滑动查看更多图片）
当“岗位”这个容器碎了，里面的任务散落一地时，我们该如何重新管理工作呢？
二【透视】如何亲手拆解你的岗位
在上一集中，我们提到Block公司在效益、利润很好的情况下选择裁员，其本质是传统的“岗位容器”已经无法承载人工智能时代的效率。
既然岗位这个外壳碎了，我们就必须直面工作的本质——任务。
想要在2026年不被系统优化，我们必须掌握一套核心技术。这就是由拉文·杰萨塔森Ravin Jesuthasan和约翰·布德罗John Boudreau在《哈佛商业评论》中提出的：“工作去构化（Job Deconstruction）”四步法。
什么是“工作的去构化”（Job Deconstruction）？
岗位（Job）≠工作（Work）传统逻辑：人 → 岗位（静态容器）
2026逻辑：目标 → 任务（动态颗粒） → 技能匹配
该研究出自：Harvard Business Review (HBR), “How to Deconstruct Work into Tasks” (2022/2023).
作者：Ravin Jesuthasan 与 John Boudreau.
说明：这是目前管理学界公认的处理 AI 与劳动力关系的底层框架。
■第一步：拆解（Deconstruct）—— 从岗位到任务
首先，是拆解，在这一步中，管理者不再将“岗位”视为一个不可分割的整体，而是将岗位看成是一系列任务（Tasks）的集合。
这时，我们就可以把岗位拆开，不再说是“市场经理”，而是把市场经理这个岗位的工作任务及日常活动进行拆分。
当然，在2026年的数字化环境下，如果有必要，我们也可以利用一些最新的智能体工具，帮助我们实现协同追踪功能，自动回溯你过去一个月处理的所有工作细节：包括数据建模、跨部门沟通、策略审核等。总之，这一步的目标，是将模糊的“职责”转化为清晰的“任务清单”。
因为，只有将岗位拆解成任务，我们才能识别哪些环节可以被 AI 介入。
■第二步：评估（Assess）—— 任务性质分类
有了分解的任务清单，我们可以开展第二部评估工作，对这些任务清单进行逐一评估，以决定自动化或AI化的潜力。
- 重复性vs.变动性（Routine vs. Variable）： 任务是每天重复的，还是需要应对突发状况？
- 独立性 vs. 交互性（Independent vs. Interactive）： 任务是个人可以独立完成的，还是需要高度的人际协同和情感交流？
- 预测性（Predictability）： 任务所处的工作环境是否稳定可预测？
通过这些评估，我们可以快速得出结论：
高重复性、高度独立、高预测性的任务，是AI替代的首选目标（如数据录入、自动对账、资料翻译）。
出处：Work Without Jobs: How to Reboot Your Organization’s Work Operating System (2022), MIT Press.
作者：Ravin Jesuthasan.
说明：这一步用于区分哪些任务属于 AI 的，哪些属于人类。
■第三步：重组（Reconfigure）—— 确定人机协作模式
第三步重组，是关键的决策阶段，管理者需要确定人、AI与机器之间的关系，重新编排工作逻辑：
- 替代（Substitute）：首先是替代，AI可以完全接管的基础执行任务。例如，AI自动生成标准化的周报数据。
- 增强（Augment）：其次是增强，AI提高人类完成任务的速度或质量。例如，由AI提供初稿或多维的方案预测，由人进行修改润色或决策。
出处：World Economic Forum (WEF), “The Future of Jobs Report” 及 Gartner 2025/2026 战略技术趋势。
逻辑说明：定义了 AI 与人类协作的三种经典关系模型。
■第四步：转型（Transform）—— 建立“个人技能图谱”
最后一步是组织转型，当岗位的任务完成重构，原本那个死板的、“螺丝钉”逻辑的岗位说明书（JD）就彻底失效了。
此刻，我们不再是被卡在固定位置的零件，组织需要建立一套动态的技能标签。
人力资源管理也将从“定岗定编”转向“技能评估”。未来，公司不再雇佣一个静态的“会计”，而是调用一个“具备复杂财税统筹与AI审计能力”的专业主体。
组织演进：技能驱动型组织 (SBO)
出处：Deloitte Insights, “The skills-based organization: A new operating model for work and the workforce” (2024-2026).
逻辑说明：描述了从传统等级制向动态技能网络的组织进化趋势。
任务拆碎了，技能清晰了，接下来的问题是：谁来给这些支离破碎的技能发工资呢？这种“散装”的工作模式，企业该如何管理？
三【重构】技能驱动组织（SBO）
在上一集中，我们利用HBR上发表的“工作去构化”四部法，将岗位拆解成了任务。但随之而来的问题是：当工作被拆碎，传统的科层制和部门之间的墙还有必要保留么？会不会成为效率的阻碍呢？
既然“岗位容器”已经破碎，企业该如何运行呢？
有一个可选的答案，就是德勤（Deloitte）近年来持续推动的：技能驱动型组织（Skills-Based Organization，简称SBO）。
■核心定义：从“人岗匹配”到“技能匹配”
在传统管理中，我们的最小管理单元是“岗位”。但在技能驱动型组织SBO模式下，管理的最小单元变成了“技能（Skills）”（画面效果：金字塔组织结构下的岗位化为网络结构下的节点，每个节点都带有技能）。
这就意味着，企业将不再通过岗位头衔来锁定人才，而是将员工的能力进行标签化处理。根据德勤（Deloitte）的调研，领先的组织正在建立实时更新的“技能资产库”。当你进入公司，你不再是被安置在一个固定的工位上，而是带着你的“技能标签（Skill Tags）”进入一个动态的资源池。
■技术载体：智能体驱动的协同环境
在刚刚进入2026年的这几个月中，快速涌现了各种智能体协同工具，虽然真正落实、用好AI并不简单，还需要假以时日，但这种技能驱动型组织的管理模式，确实需要依靠DeepSeek，智谱等生成式人工智能及智能体来实现。
这不是在假设，而是真实世界发生的案例，据媒体报道，一家来自耶鲁法学院的毕业生、名为扎克·夏皮罗（Zack Shapiro）的律师，在X上发布了一篇长文，引发了法律界和科技圈的热烈讨论。
这篇文章中，夏皮罗拆解了他作为一名“两人律所”合伙人使用AI的真实工作流。他经营的Rains LLP律所位于曼哈顿，全职员工只有两人。然而，他们正在处理以往需要数十甚至百人团队才能消化的复杂风险投资与并购交易。
引发热议的，并非他们使用了AI，而是他仅凭一个通用的Claude账号和一套自建的指令系统，就实现了对传统工作模式的颠覆与重构。
这种“算法中枢”式的配置，不仅让两个人组成的项目组在几个小时内即可完成了过去几十人几天才能完成的工作，而且完成质量远超过去。
■管理逻辑：内部人才市场
这种重构直接带来了一个管理学上的巨大飞跃：内部人才市场的颗粒度化。
由于任务已经拆分的很细，所以企业可以根据任务的难度和稀缺性，在平台上实时定价。员工可以跨越原有的职能边界，根据自己的技能特长抢单或接受分派的任务。
正如《哈佛商业评论》所述，这种模式实现了劳动力流动的最大化。企业不再雇佣“一个完整的人”，而是雇佣“一套持续进化的技能资产”。员工也不再受困于单一的升职加薪，而是通过不断积累高价值技能标签，实现个人价值的实时溢价。
这种“散装”且“动态”的组织，听起来虽然高效，但它的真实竞争力在哪里？为什么它能对传统金字塔的科层结构形成“降维打击”？
四：【博弈】为什么SBO是企业的必然选择
在讨论了“如何拆解岗位”与“如何重组组织”后，很多人会问：这种极其动态、甚至显得有些“散装”的SBO模式，真的能转化为真实的商业竞争力吗？
在2026年，组织能力的博弈已经不再是规模的竞争，而是“响应速度”与“资源配置效率”的争夺。
■SBO的核心护城河：从“人才冗余”到“即时获取”
传统企业为了应对不确定性，往往会通过“增员”来建立人才储备，这导致了巨大的组织冗余。
但在SBO模式下：
- 响应速度：通过智能体的工作流算法，企业可以在分钟级完成任务与技能的撮合，而非传统模式下的协调调度、甚至数月跨部门、跨区域的人员调动。
- 成本结构：大量执行类任务被智能体闭环接管，人力资源成本从“固定开支”转向了“动态投入”。
■管理范式的两种演进：AI调度 vs. 市场契约
谈到打破职级与中层束缚，将科层结构转化为网络结构，我们就不得提到，我们在之前视频中经常讲述的海尔，一家很低调的、且享誉世界的中国家电企业。
海尔在张瑞敏时代探索出了一套，在世界管理学界都非常有名的经典模式——“人单合一”模式。虽然SBO与海尔模式都致力于组织扁平化与生态化，但它们的底层逻辑存在本质差异：
■深度思辨：效率的终点是什么？
这是两种截然不同的演进方向：
SBO（AI-SBO）追求的是“算力支撑下的极致协同”。它通过语义理解和智能体编排，试图让管理效率达到极致，它更像是一个各自发挥、配合良好的数字交响乐团。
而海尔模式追求的是“市场逻辑下的生态演进”。它通过激发每个个体的企业家精神，在复杂的市场博弈中寻找机会。海尔模式更像是一个生机勃勃的雨林生态。
前者是靠AI实现“算力协同”配置的动态管理，后者是靠机制激发“自下而上”涌现的无为而治。
显然，我们无法简单判定哪种模式更领先。
这取决于企业所处的环境及自身的特点，无论你是更倾向于让AI辅助我们实现最优的任务编排？还是更愿意相信通过机制创新，释放每个人的经营潜能？
这种抉择，都将决定公司未来十年的竞争力边界。
五【回归】AI 时代管理者的本质进化
当生成式人工智能负责理解与生成，当智能体负责编排任务、实现自动协同，一个残酷的问题摆在所有中高层管理者面前：如果“管理”的行为被算法取代，那么“管理者”存在的意义是什么？
很多管理者感到焦虑，是因为他们混淆了“监工”与“管理者”的区别。在2026年，AI杀掉的是那个负责分配任务、监督进度、汇总报表的“高级监工”，但它同时也释放了管理者的真正天职：通过判断与决策，实现更高层次的价值创造。
■认知负荷转移：从“盯着动作”到“对齐意图”
在工业时代，管理者的核心能力是“控制”。但在SBO（技能驱动型组织）中，由于基础任务已被原子化并由AI自动化执行，管理者的核心逻辑变成了“意图对齐（Intent Alignment）”。
管理者需要具备极强的语义转换能力，将模糊的商业愿景转化为精准的任务编排指令。这不仅是写一个提示词（Prompt），而是设计一套让AI智能体与人类专家高效共振的“协同协议”。
正如彼得·德鲁克（Peter Drucker）曾言：“管理的本质是激发和释放每一个人的善意与潜能，以服务他人、造福社会。
他强调管理的核心在于“人”，而非操控工具，通过激发员工“想干”的意愿，将个人目标与组织目标统一，从而创造真正价值。在2026年，管理者将有更多精力用于实现管理工作的本质。
■管理灰度：在模糊与博弈中决策
AI擅长处理精确的逻辑，而人类更擅长处理意义“灰度”。
- 冲突博弈：当个人与部门、公司与社会、长期与短期的利益出现冲突时，我们无法通过计算让AI做出判断；当对错与得失必须二选一时，AI更无法理解，我们作为人类对意义及真理的追求。
- 伦理终审：当人工智能、智能体具有独立判断的“意识”，譬如自动驾驶过程中，危险中是避让还是冲撞？作为硅基智能体的自动驾驶汽车，会不会为了自保而伤害人类？这些都可能带来前所未有的法律或伦理问题。
此时，人类作为人工智能的发明者及管理者，将回归到决策的终点。
人类需要承担起AI无法承担的，对人类所独有的“道德、责任及价值冲突”的判断。
因此，在2026年，最具竞争力的技能标签不再是“记住多少知识”，而是能否以AI为杠杆，结合人类特有的情感、创意和伦理判断，去创造更大的价值。
■升华：管理学向“人本主义”的深刻回归
十年后，我们将如何回头看待今天的职场剧变呢？
“岗位已死”，这听起来像是一个寒冬、像是在贩卖焦虑。但如果我们站的远一点，回看历史，你会发现并不是这样，每一次技术革命在摧毁旧秩序的同时，都必然带来一次伟大的革命。过去一百年，工业革命为人类带来了极大的物质财富，但人类为了适应工业流水线，被迫将个体异化成“螺丝钉”，企业将人缩减在狭窄的岗位说明书里。
建议：不要盲目跟风！
只在确实需要时使用，不要为了使用而使用。
⚠️为了有龙虾而搞龙虾
浪费时间！浪费金钱！有风险！
今天，以自动机器人、生成式人工智能、智能体为代表的工具开始逐渐接管了危险、机械、枯燥、重复的部分，人类再一次从“牛马”般的工作中解脱出来。虽然没有人能准确预测未来，但我相信，未来我们不再需要为了饭碗而工作，未来，我们将为了实现“价值”而努力。
人工智能的目标，从来不是让机器取代人类，而是帮助人类，并把“判断的权利”还给人。
■结尾：职业进化建议
在人工智能（AI）时代，机器在逻辑计算、数据处理和重复性任务上已展现出超越人类的优势。因此，人的核心能力要求正从“知识积累”转向“驾驭工具”和“发挥人性特质”。
每一位职场进化者都要忘掉你的头衔，开始建立你可迁移的技能。这就包括：
- 驾驭AI的能力：掌握如何与AI协作，用好AI，指挥AI，成为那个定义任务、审核结果的人。
- 思维与判断能力：在信息爆炸且AI辅助决策的背景下，深度的思考显得尤为珍贵。这就包括批判性思维、道德与价值判断及复杂问题解决能力。
- 情感社交软能力：AI目前仍难以完全模拟人类的情感、社交属性和创造力。这就要求我们提高自身的创造力与想象力、同理心与情感连接以及跨学科迁移能力。
2026年以后，岗位将不再是我们的避风港，技能才是我们的护身符。
这并不意味着工作岗位的终结，而是新技能的开始。
感谢关注蜘蛛哥，希望在这个百年不遇的大时代，我们每个人都能亲手拆解旧的我，重构出那个不可替代的、更具生命力的我。