据 Deloitte Canada 9月发布的组织设计文章描述，2026年部分行业的领导者已宣布用 AI agent 全面替代特定职能、移除整个层级的员工，并要求所有员工必须使用 AI——却往往没有提供关于如何使用、何时使用的必要指导。与此同时，另一批组织正在反向操作：为领导力、判断力、创造力和关系构建等稀缺人类能力支付溢价，将这些视为 AI 时代中愈发稀缺的差异化资产。

这两种截然相反的赌注同时存在，本身就是一个信号。Deloitte《2026 Global Human Capital Trends: The orchestration advantage》中的一个数据点尤其刺眼：在受访领导者中，约三分之一曾因 AI 裁员，其中57%表示已开始质疑当初的决定。它揭示的问题很直接：砍人容易，回头再看并不总是值得。

本文以 Deloitte Canada 于2026年11月5日发布的观点文《How to redesign management for the agentic enterprise》为主线，结合 Deloitte 2026 Global Human Capital Trends 报告中的量化数据，拆解一个核心命题：在 agentic AI 时代，经理角色为什么不能简单砍掉，以及它必须如何转变。需要说明的是，以下数据和结论均出自 Deloitte 作为咨询机构的自有调研体系，其样本范围、方法论和立场应在此框架下理解。文中涉及的财务结果数据均基于受访者自我报告，而非经过审计的财务数据，后文不再逐一重复标注。

一、部署热潮与治理鸿沟：3组数据画出的落差

要理解”砍掉经理层”这一冲动的来源，先要看清 agentic AI 的部署速度。

据 Deloitte 调研数据，近3/4的公司计划在两年内部署 agentic AI。这个比例意味着 agentic AI 不再是前沿实验，而是已经进入企业级规划的主流技术路径。但需要注意，这反映的是计划而非实际部署。

部署意愿与治理准备之间存在巨大裂缝：仅21%的企业表示对自主 agent 拥有成熟的治理模式。换言之，接近80%的组织在缺乏治理体系的情况下推进 agentic AI 部署。第3个数据点提供了另一个维度：42%的高管担心员工可能在关键认知任务上过度依赖 AI。据 Deloitte Canada 11月5日观点文，这3个数据出自 Deloitte 2026年1月发布的《State of AI in the Enterprise》报告。

3组数据拼在一起，画面清晰：企业在加速踩油门（近3/4计划部署），但刹车远未就绪（仅21%有成熟治理），而驾驶员自己也在紧张（42%担心过度依赖）。在这种背景下，那些急于用 AI agent 替换管理层的决策，很大程度上是在治理体系尚不成熟时做出的结构性变动——这正是 Deloitte Canada 观点文试图纠正的认知偏差。

Deloitte Canada 在其9月发布的组织设计文章中明确指出：许多组织在 AI 价值尚未被证明之前就做出了重大人力和运营模式决策。措辞审慎，但指向明确——”尚未被证明”意味着这些裁撤决策缺乏足够的实证基础。

二、AI 让信息更易得，却提高了判断与编排的门槛

Deloitte Canada 11月5日观点文的核心论点可以概括为：AI 让信息获取变得极度容易，但恰恰因此，判断力、问责能力与人机编排能力的重要性被抬高了。

这个论点的逻辑链条如下：传统管理层的一个核心功能是信息中转——收集下属的工作状态、汇总数据、向上汇报、向下传达决策。当 AI agent 能够自动完成信息收集、初步分析甚至生成建议方案时，经理作为”信息中转站”的价值确实被大幅压缩。这是”砍掉经理层”论调的合理基础。

但 Deloitte 的论点在于：信息中转只是经理角色的表层功能。当 AI 接管了这一层之后，剩下的恰恰是更难、更关键、更不可自动化的部分——在模糊地带做出判断、对 AI 输出承担问责、编排人类员工与 AI agent 之间的协作关系。

Deloitte Canada 在组织设计文章中具体阐述了这一点：agent 可以越来越多地支持常规和复杂任务、处理信息、执行定义好的工作流，但许多活动仍然依赖于人类决策——这种决策需要判断力、经验、情境意识以及驾驭模糊性的能力。人类的问责能力和对 AI 输出的否决权限，将决定组织在未来几年的成败。

这段论述中有一个关键概念：Override authority（否决权限）。Deloitte Canada 提出了一个对传统 RACI 矩阵的扩展——RACI-O 模型，其中”O”代表 Override authority，即指定的人类决策者可以拒绝或修改 AI 生成的输出、在建议不恰当时运用情境和判断力、在需要时授权例外情况。在这个框架中，”Accountable（问责）”和”Override（否决）”两个角色只能由人类担任，AI agent 可以担任”Responsible（执行）”和”Consulted（咨询）”角色，但不能担任”Accountable”“Informed”或”Override”角色。

这个框架的实操意义在于：它把”经理不能被砍掉”从一个抽象论点变成了一个可操作的组织设计原则。每一个涉及 AI agent 的工作流中，都需要有明确的人类问责者和否决权持有者。而这些角色，在大多数组织中，正是由中层管理者承担的。

Deloitte 2026 Global Human Capital Trends 报告中的数据为这一论点提供了量化支撑。据该报告《Getting human and machine relationships right》章节，在人机交互设计上处于领先地位的组织，其自我报告的财务结果优于其他组织近2.5倍，自我报告提供有意义工作的可能性是其他组织的2倍。同一报告还指出，当组织优先考虑工作设计、深思熟虑地重新设计人机交互和角色时，其超出 AI 投资回报预期的可能性翻倍。

这组数据的含义很直接：人机交互设计——即如何编排人类与 AI 的协作关系——与组织自我评估的财务表现之间存在强正相关。而编排工作的核心执行者，正是经理层。

报告还提供了一个匿名案例：一家欧洲电信公司在客户服务中引入 AI”专家”时，如果不改变角色和工作流，仅获得了5%的生产力提升。但当该公司将90%的全面部署预算投入到重新设计人机交互——新工作流、信任阈值、升级路径和培训——之后，生产力提升达到了30%。5%对30%，6倍的差距，来自同一项技术，区别仅在于是否对人机协作进行了有意设计。

然而，现实是大多数组织远未做到这一点。据 Deloitte 2026 Global Human Capital Trends 调研，仅14%的领导者表示他们擅长塑造人机交互关系，仅6%的组织表示在人机交互的有意设计方面处于领先地位。66%的领导者承认人机交互的有意设计对组织成功很重要，但知道重要和做到之间的鸿沟极为明显。

Deloitte 的研究还指出了问题的根源：59%的组织采取的是”以技术为中心”的 AI 方法——它们将 AI 叠加在遗留系统和流程之上，而非重新构想人类与 AI 如何交互、协作和决策。Deloitte 将此比作历史城市被迫在旧地基上添加新基础设施，而非从头为流动性和连接性重新设计。

三、57%开始质疑：因 AI 裁员的代价

回到那个57%的数字。据 Deloitte《2026 Global Human Capital Trends: The orchestration advantage》，受访领导者中约三分之一曾因 AI 裁员，其中57%表示已开始质疑当初的决定。

笔者判断，质疑的原因可能是多维度的——客户体验下降、组织知识流失、剩余员工士气受损、AI 系统在缺乏人类监督时出现的质量问题等。Deloitte Canada 在其组织设计文章中也提到，草率的人数削减可能侵蚀客户体验并降低员工士气。

这里有一个矛盾需要指出：企业砍掉管理层的动机通常是成本优化和效率提升，但如果因 AI 裁员的领导者中超过一半开始质疑当初的决定，说明实际效果与预期之间存在偏差。按照 Deloitte 的框架来理解，这种偏差的来源在于企业低估了经理层在判断、问责和编排方面的隐性价值——这些价值在日常运营中不容易被量化，但在被移除后会迅速显现。

Deloitte Canada 的观点文明确指出：AI 并不消除对清晰角色、健全决策权、合理管理幅度和强有力问责的需求。领导者必须首先确定工作应如何在人类和 agent 之间分配、问责应落在哪里、以及组织如何继续支持创新、适应性和增长。

这段话的关键词是”首先”——它意味着组织设计应该先于裁员决策，而非相反。但现实中，很多组织的顺序是倒过来的：先砍人，再想怎么重新设计工作流。

四、经理角色的6个转变：从汇总信息到编排系统

Deloitte Canada 11月5日的观点文提出了经理角色在 agentic 时代需要经历的6个转变维度。这些转变的共同方向是：经理的价值从信息处理和任务分配，转向编排、判断和问责。

第1个转变：信息更容易汇总，却更难解读。 AI 能更快地汇总和分发报告、工作状态等经理过去花大量时间整理的信息，经理日程中可自动化的工作减少。但经理的新任务是解读模式、解释异常，从越来越多的 AI 分析中分辨有意义的信号，为团队和上级提供情境与意义。

第2个转变：专业知识更易获得，判断成为更稀缺的资源。 员工不必先找经理就能从 AI 获取专家级答案，但往往缺乏经验判断哪个答案合适、下一步该问什么。问题到经理手上时，常常是在多个可能答案之间难以取舍。经理帮助团队按组织情境和优先级权衡，学会提更好的问题、知道何时质疑输出。

第3个转变：决策数量增加，并向工作现场下移。 工作周期变短、分析更快，决策更频繁，无法都向上汇报。瓶颈变成好决策能多快做出，更多责任落到经理身上——决定哪些问题值得投入、哪些要上报、本地决策如何对齐企业优先级。

第4个转变：学习必须更有意识地安排。 AI 承担基础工作后，员工通过重复和观察学习的低风险机会变少，可能更快得到”可以接受”的结果却不懂为什么可以接受。经理要有意识地创造过去由工作自然提供的”学徒”经历，培养判断力和批判性评估 AI 输出的能力。

第5个转变：经理越来越多地编排系统，而不是监督固定团队。 系统包括员工、AI agent、平台、工作流、外部伙伴和共享能力。团队变得流动，多个团队可能共用同一批 agent。经理仍对结果负责，但要决定人与 agent 投入的组合、监督 agent 的开发与表现，并在需要人类判断处设立清晰的监督与兜底机制。据 Deloitte 2026 Global Human Capital Trends 转引 Melbourne Business School 的研究，近60%的员工现在在工作中有意识地使用 AI。使用和有效使用之间的差距仍然巨大，经理在弥合这一差距中扮演关键角色。

第6个转变：在变化和不确定中带队成为经理的核心职责。 经理是 AI 战略与执行之间的关键连接点：帮助决定工作该怎么变、带团队完成过渡、在 AI 的实际效果显现后调整工作方式，识别新的技能需求、支持再培训，并在不打乱日常运营的前提下重设工作流。

这6个转变的共同特征是：它们都不是”加任务”——不是在经理现有工作上叠加新职责，而是角色内涵的重新定义。可自动化的信息汇总工作被 AI 吸收后，释放出来的时间和精力应该投入到判断、问责、编排和连接上。

Deloitte 在同一篇观点文中随后给出了重新设计管理层的4个具体动作。第1，为每一层明确决策问责——哪些决策由经理负责、哪些由经理影响、哪些须在别处做出，只有人能为决策负责。第2，明确设计团队、工作流与 agent 之间的接口——例如当财务、运营、销售共用一个预测 agent 时，由经理权衡取舍。第3，按结果而不是直接下属人数衡量管理负担——例如应付账款经理带的分析师从8人减为5人，但要处理更复杂的例外决策、多个 agent 和与采购的跨部门协调，负担可能反而增加。第4，建立把自下而上的洞见转化为企业决策的治理机制。

五、59%的组织仍在用错误方式部署 AI

Deloitte 的数据揭示了一个更深层的问题：大多数组织在 AI 部署中采取的方法本身就有问题。

据 Deloitte 2026 Global Human Capital Trends 报告，59%的组织采取”以技术为中心”的 AI 方法，将 AI 叠加在现有系统和流程之上，而非重新设计人机交互模式。这意味着即使这些组织保留了经理层，经理们也可能在用旧的方式管理新的人机混合团队——这同样会导致 AI 投资回报不达预期。

报告的数据链条是这样的：大多数组织没有实现 AI 投资回报的速度要求 → 原因是仅14%的领导者擅长塑造人机交互 → 根源是59%的组织采取以技术为中心的方法 → 而优先考虑工作设计的组织超出 AI 投资回报预期的可能性翻倍。

这个数据链条的含义明确：企业需要的是重新设计经理的角色和工作方式，使其成为人机编排的核心节点，而非在”砍掉经理”或”保留经理”之间做二元选择。Deloitte 将这种能力称为”the orchestration advantage（编排优势）”——这也是其 2026 Global Human Capital Trends 报告中一个主题章节的标题。

Deloitte Canada 在其组织设计文章中进一步强调了”先理解工作，再改变组织”的原则：在改变汇报线、合并团队或重新定义角色之前，领导者需要在颗粒度层面理解工作是如何执行的——这意味着将工作拆解为核心活动、决策、问责和结果，以识别 AI 可以在哪里创造价值、人类参与在哪里仍然不可或缺。

这种”先拆解工作、再重新设计”的方法论，与那些”先裁人、再想怎么用 AI 填补”的做法形成了鲜明对比。按照 Deloitte 的逻辑，后者正是高质疑率的来源。

六、咨询机构观点的边界与适用性

以上分析需要一个重要的限定：这是 Deloitte 作为全球性咨询机构基于其自有调研框架提出的观点。

Deloitte 的调研样本、方法论和结论有其适用范围。作为咨询机构，Deloitte 的商业模式与帮助企业进行组织转型直接相关——这意味着”不要简单砍人，要重新设计”的建议，与其自身的服务供给天然契合。这不意味着其结论是错误的，但读者应该意识到这一利益关联。Deloitte 的数据可以作为理解行业趋势的一个参考坐标，但不应被视为唯一或最终的事实基准。

具体到数据层面，几个需要注意的点：

第一，”近3/4的公司计划两年内部署 agentic AI”反映的是计划而非实际部署。

第二，据 Deloitte《2026 Global Human Capital Trends: The orchestration advantage》，57%的分母是曾因 AI 裁员的受访领导者（约占受访者三分之一），表述是”开始质疑当初的决定”，不等于”后悔”或”决策错误”。

第三，”人机交互设计领先的组织财务结果优于其他组织近2.5倍”这个倍数，是基于受访者自我报告的调研数据，而非经过审计的财务数据。自我报告的财务表现评估与实际财务表现之间可能存在偏差。

第四，欧洲电信公司的5%对30%生产力提升案例是匿名案例研究，未提供公司名称、时间范围或生产力的具体衡量指标，读者无法独立验证。

尽管如此，Deloitte 揭示的几个问题具有广泛的警示意义：治理准备远落后于部署速度、因 AI 裁员的领导者中多数开始质疑当初的决定、人机交互设计与自我报告的财务结果之间的正相关。

对于不同规模和行业的企业，这些建议的适用性也有差异。大型企业通常有更复杂的管理层级和更多的编排需求，Deloitte 的框架对其更直接适用。中小企业的管理层级本身较扁平，经理角色可能同时承担执行和管理职能，RACI-O 框架的应用方式需要相应调整。高度监管的行业（金融、医疗、能源）对 Override authority 的需求天然更强，因为 AI 决策错误的合规和安全后果更严重。而在创意和知识密集型行业，判断力和情境理解的价值可能比其他行业更高。

经理这个词的含义正在被重写

Deloitte 的”orchestration advantage”概念指向一个清晰的结论：agentic 时代的组织设计核心是重新编排人与 AI 的关系，而非简单做减法砍掉管理层。

经理角色不会消失，但”经理”这个词所指代的工作内容正在经历根本性重构。从信息汇总到判断提供，从专业知识中转到帮助团队权衡取舍，从执行监督到问责承担，从固定团队管理到系统编排——每一个维度的转变都意味着对经理能力模型的重新定义。

据 Deloitte 的调研数据（基于受访者自我报告），人机交互设计领先的组织报告了近2.5倍的财务结果优势；据 Deloitte《2026 Global Human Capital Trends: The orchestration advantage》，因 AI 裁员的领导者中57%开始质疑当初的决定。5%对30%的生产力提升差距（来自匿名欧洲电信公司案例），6%的组织认为自己在人机交互设计方面领先，59%的组织仍在用以技术为中心的方法部署 AI——这些数字共同勾勒出一个尚处于早期、充满误判但也蕴含巨大差异化机会的转型阶段。

笔者判断，未来12到24个月内，随着 agentic AI 从计划阶段进入大规模部署阶段，关于经理角色的争论将从”要不要砍”转向”怎么重新设计”。那些在治理框架、RACI-O 式的决策权分配和人机交互设计上提前投入的组织，将在这一轮转型中占据优势。而那些仍在用”砍人数 = 提效率”的简单等式做决策的组织，可能会重蹈这些领导者的覆辙。

参考资料

  1. How to redesign management for the agentic enterprise — Deloitte Canada, 2026-11-05
  2. Why C-suite leaders need to rethink organization design for the agentic era — Deloitte Canada, 2026-09-10
  3. 2026 Global Human Capital Trends: Getting human and machine relationships right — Deloitte Insights, 2026-03-04
  4. 2026 Global Human Capital Trends: The orchestration advantage — Deloitte Insights, 2026-03-04

主题分类：劳动力变革