编按：
这里是 Tabbit「Tinsight · 洞见」栏目，我们会在这里分享一些值得花时间阅读的深度好文。此前我们已经分享过来自 offbook.press 的文章
正在连载的新系列是《组织形态的失效》。全文共有 2w 字，我们分成 6 次推送，本次是第 2 章。上一期作者探讨了公司为什么会存在，以及在 AI 出现之后，公司的边界不是在崩塌，而是被更细致地重新划分。这一期进入第二章，问题也更进一层：既然公司不再是默认形态，那么在这些独立个体、小团队、松散网络之间，人和人到底怎么协作。
作者：耿达维 Dawei Geng
第二章 · 协作已经不在同一个平面上
讨论完「公司为什么存在」之后，下一个问题是：这些新的组织形态（独立个体、小团队、松散协作网络）里，人和人之间的协作是什么样的？
这个问题的答案是反直觉的。AI 时代的协作不是变容易了，是变得两极化。
协作池在收缩
过去讨论「和谁协作」，标准是多维的。
这个人有相关经验吗
这个人熟练吗
这个人掌握相关知识吗
这个人有行业信息和人脉吗
这个人能做判断吗
这五个维度在过去大致是独立的，一个人可以在某几个维度强、某几个维度弱。一个有 15 年经验、很熟练、知识储备丰富、但判断能力一般的人：在过去是一个非常值得协作的对象。你把需要判断的部分自己做，把他擅长的执行、经验调用、信息整合交给他。他的价值是真实的。
AI 时代的变化不是他的价值降到了零，是他的价值里前四项几乎全被 AI 吃掉了。
经验 → AI 知道所有行业里的坑，而且一问就说
熟练度 → AI 不疲劳不出错不请假
知识储备 → AI 就是一个活的知识库
信息和人脉 → 模型训练数据覆盖了公开的一切
这四项被吃掉之后，剩下的只有认知去耦能力（做真正判断的能力）。
如果他的认知去耦能力强，他依然极度有价值（可能更有价值，因为他过去被埋没在执行里的判断能力现在被释放了）。
如果他的认知去耦能力一般，他之前叠加出来的「价值」崩塌了，因为那个价值的所有支柱被 AI 替掉了。
所以协作判断的计算完全变了：
过去：他的经验 + 熟练度 + 信息 + 知识 + （一般的判断力）= 一个有用的协作对象
现在：（AI 已经做了前四项）+ 他的（一般的判断力）= 不如我自己 + AI
这个等式的右边是决定性的：你不是在和他比较，你是在和「你自己 + AI」比较。过去这个备选方案不存在。现在这个备选方案强到让大部分「经验型搭档」变得不划算。
不是协作成本被拉大，是筛选成本
这件事经常被误读为「AI 时代协作变贵了」。这个误读不对。
和对的人协作：比过去更顺畅。因为双方都用 AI，都有高带宽判断力，可以异步、可以用 AI 作为共享中介、可以跑高频循环。
变贵的不是协作本身，是：筛选合格协作对象的成本。
过去可以接受的维度多，筛选池大，找到合适的人成本低。现在能接受的维度变窄，筛选池急剧缩小。在一个小池子里找合适的人，成本当然指数上升。
这不是心态变傲慢了、也不是对别人要求变高了，是「什么是值得协作的人」这个定义的底层标准变了。过去合格的人里有 70% 是靠经验 + 熟练度撑起来的，现在这 70% 的人在绝对价值上没变（他们还是懂那些东西），但相对价值被 AI 的出现降到了不值得协作的程度。
你筛的不是更挑剔的池，是一个被重新定义过的池。
生产体系的不可通约
这个变化用一个类比能讲得更清楚。
过去两个纺织工人可以良好协作。他们在同一套生产逻辑里，都是用手感知线、用眼睛看织物、用几小时完成一匹布。他们可以互相理解对方在做什么、互相补位、互相检查。
当流水线出现后，一个流水线检修员和一个手工纺织工之间：不是「协作成本更高」，是他们根本不在同一个生产体系里。检修员的工作节奏是以机器为单位（检查、调整、优化），产出是「让一百台机器同时运转良好」。手工纺织工的节奏是以一匹布为单位，产出是「我今天织完了一匹」。两者的时间尺度、判断对象、产出单位都不同。
让他们协作是一个范畴错误，就像让一个农夫和一个空中交通管制员协作种庄稼。不是谁拖谁效率的问题，是他们根本不知道该怎么对齐。
AI 时代出现了完全同样的分化。
一个用 AI 做杠杆的独立个体，输出节奏是「一个下午一个循环、几周一个完整产品」；一个不用 AI、嵌在传统流程里的工作者，节奏是「一周一个会议、一个季度一个 release」。这不是效率差距。效率差距两倍三倍还能协作，一量级以上的差距就不再是效率问题，是生产体系问题，双方的时间尺度、判断对象、产出单位根本不在同一个坐标系里。
和「一个月产出一次」的人讨论「今晚要不要上线新功能」，双方的时间感根本对不上。和「每个决定都要开会讨论」的人谈「我刚刚决定改掉整个架构」，双方的决策颗粒度根本对不上。和「需要被 PM 给需求」的人说「我自己就是产品判断」，双方的责任模型根本对不上。
这不是沟通问题，是体系问题。就像蒸汽机出来之后，工厂工程师和铁匠不是「沟通有障碍」，是他们从事的就不是同一种劳动了。
「下属」这个词的重新定义
协作池的收缩具体表现在「下属」这个关系里最清楚。
「下属」这个关系结构一直存在，上级做大方向判断，下属在一个较窄范围内独立做事、向上汇报、接受审查。这个结构不是 AI 时代发明的，工业时代、前工业时代、帝国时代都有。
AI 时代变的不是这个结构，变的是「合格下属」的定义。
过去合格下属的画像：
有相关经验（能快速上手）
执行可靠（交代的事能做完做对）
有一定判断力（在小范围内不出乱子）
听话但不愚钝（能反馈问题但不越权）
在行业里有积累的人脉 / 资源
在 AI 时代之前，这种人大量存在。招聘市场、人力资源、大学教育、职业培训，整个社会基础设施都在培养这种人。稀缺性低，筛选成本不高。
AI 时代之后：这种画像里的能力大部分被 AI 吃了。剩下能贡献价值的就只剩「自己能独立跑判断循环」这个能力，即在一个上级给定的窄范围内，他能完整地做「判断 — 执行 — 反馈 — 调整」的循环，不需要上级介入每一步。
这种下属在任何时代都稀缺。只是工业时代有大量「次合格」的下属可以用，他们不能完全独立跑循环，但他们有经验 / 熟练度 / 执行力可以弥补。组织通过流程、监督、中间层管理让这些「次合格」的人也能发挥作用。
AI 时代的变化，AI 吃掉了经验 / 熟练度 / 执行力这些「次合格」能力可以贡献的部分。剩下能贡献价值的就只剩「自己跑循环」这个能力。而具备这个能力的人在任何时代都稀缺：稀缺量级没变，变的是这些人现在是「唯一合格的下属」，而不是「特别优秀的下属」。
过去你可以用 10 个「次合格」下属 + 1-2 个真正能跑循环的下属组成一个团队。现在只能用能跑循环的下属：其他人 AI 做得更好更便宜。
两种协作对象
基于这个分析，AI 时代值得协作的人分成两类：
一类是平行协作者。自己能独立跑判断循环的人。他们有自己的完整循环，他们加入协作不是为了「被指挥」，而是作为一个独立节点参与整体工作。筛选标准极其苛刻，判断能独立形成、方向大致对齐、循环节奏匹配、承担后果、不需要对齐仪式。
一类是合格下属。不是独立判断者，但在一个给定范围内能独立跑循环，上级给方向和边界，他自己拆解问题、和 AI 协作、判断 AI 输出的质量、决定下一步、执行、反馈。关键是他要能审查 AI 的输出质量，一个不能判断 AI 对错的下属，在 AI 时代是有害的，因为他会把 AI 的幻觉当成真实传递上来。
这两类人都比过去稀缺得多。前者是因为本来就少；后者是因为过去合格的大部分下属在新标准下不再合格。
这就是「协作池在收缩」的具体含义：过去合格的下属，现在不再合格。不是因为他们变差了，是因为合格标准变了。
未完待续……
第一章 · 先问一个被跳过的问题：公司最初解决了什么
第二章 · 协作已经不在同一个平面上
第三章 · AI 提效为什么在不同组织形态下效应不同
第四章 · 旧管理失效，新管理未知
第五章 · 岗位和知识的蒸馏曲线
第六章 · 最后
